基于非线性降维时序遥感影像的作物分类-农业工程学报.PDF

第 34 卷 第 19 期 农 业 工 程 学 报 Vol.34 No.19 2018 年 10 月 Transactions of the Chinese Society of Agricultural Engineering Oct. 2018 177 基于非线性降维时序遥感影像的作物分类 翟涌光 1,2 ，屈忠义 1※ （1. 内蒙古农业大学水利与土木建筑工程学院，呼和浩特 010018 ； 2. 中国科学院遥感与数字地球研究所，北京 100101 ） 摘 要：当前基于时序遥感数据的作物分类方法大都需要较多专家知识及人工干预，难以自动化，也难以移植到其他地 区。将光谱降维技术用于时序遥感影像分析可以很好地解决这一问题。其中，非线性降维方法已经成功应用于高光谱数 据，并且获得了比线性降维方法更好的结果。但是，直接将非线性降维方法用于时序遥感影像无法充分利用其时相维度 的信息。该文改进了一种非线性降维算法——Laplacian Eigenmaps （LE ）用于时序遥感影像的作物分类，该方法更加关 注相同时相下不同作物生长季的物候特征差异，而不再仅依赖于整个生长季的物候曲线轮廓。改进的 LE 算法被应用于美 国伊利诺伊州覆盖作物全生长季的 Landsat 8 时间序列影像。降维后保留的波段结合随机森林分类器基于美国农业部 Cropland Data Layer （CDL ）提供的训练数据完成了一系列的分类试验，并与传统插值未降维的方法进行对比。试验结果 表明，改进的 LE 降维方法完成了更高的整体及各个类别的分类精度，其中整体分类精度达到 85.37%，该方法作为一种 自动化的方法，不需要人工干预，可直接移植到其他研究区，并且只需要较少的训练样本就可以完成一个较高的分类精 度，为日后不同尺度的作物识别和提取研究提供了有效的方法。 关键词：遥感；数据处理；作物；分类；非线性光谱降维；时间序列；动态时间弯曲 doi ：10.11975/j.issn.1002-6819.2018.19.023 中图分类号：TP79 文献标志码：A 文章编号：1002-6819(2018)-19-0177-07 翟涌光，屈忠义. 基于非线性降维时序遥感影像的作物分类 [J]. 农业工程学报，2018，34(19)：177－183. doi ： 10.11975/j.issn.1002-6819.2018.19.023 Zhai Yongguang, Qu Zhongyi. Crop classification based on nonlinear dimensionality reduction using time series remote sensing images[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2018, 34(19): 177 －183. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2018.19.023 广泛应用于作物种植结构识别，但是要建立高精度、自 0 引 言  动化的分类模型，仍然面临着一些挑战。首先，对于一 近年来，全球人口数量持续增长，预计到 2030 年将 定时期内，土地覆盖类型没有发生变化的区域，其相应 达到 87 亿[1] 。由于全球土地总量有限，因此人口增长将 时间序列数据之间存在