基于GEE和机器学习的河套灌区复杂种植结构识别.pdfVIP

第 38 卷 第 6 期 农 业 工 程 学 报 Vol.38 No.6 2022 年 3 月 Transactions of the Chinese Society of Agricultural Engineering Mar. 2022 165 基于 GEE 和机器学习的河套灌区复杂种植结构识别 1,2 1,2※ 1,2,3 1,2 1,2 牛乾坤 ，刘 浏 ，黄冠华 ，程湫雅 ，程泳铭 （1. 中国农业大学水利与土木工程学院，北京 100083 ；2. 中国农业大学中国农业水问题研究中心，北京 100083 ；3. 中国-以色 列国际农业研究培训中心，北京 100083 ） 摘 要：河套灌区作为中国重要的商品粮油生产基地，准确快速地获取主要作物空间分布对灌区的农业可持续发展具有 重要意义。然而，河套灌区土壤盐渍化严重，作物分布破碎散乱，生育期前后紧邻的作物在遥感影像中难以区分。因此， 基于 Google Earth Engine （GEE ）云计算平台，采用Sentinel-2 遥感数据提取作物种植结构，通过引入 GlobeLand30 地物 分类数据集、红边植被特征和作物纹理特征，利用随机森林、支持向量机、朴素贝叶斯和分类回归树 4 种分类器，探讨 了不同分类特征及分类器组合对分类精度的影响。结果表明，使用全部特征波段时，随机森林的分类效果优于另外 3 种 分类算法，灌区平均总体精度达到 81%，Kappa 系数达到 0.68 ；在作物空间分布提取中，光谱特征对分类精度起决定性 作用，基于红边波段计算得到的植被指数比其他常用遥感植被指数更有优势；进行波段优选后的光谱、植被和纹理特征 方案是平均分类精度最高的组合，平均精度为 86%。研究结果可为复杂种植结构地区准确快速获取农作物空间分布信息 提供新的思路和可靠的参考方法。 关键词：遥感；机器学习；GEE 云平台；作物识别；特征优选；河套灌区 doi ：10.11975/j.issn.1002-6819.2022.06.019 中图分类号：S127 文献标志码：A 文章编号：1002-6819(2022)-06-0165-10 牛乾坤，刘浏，黄冠华，等. 基于 GEE 和机器学习的河套灌区复杂种植结构识别[J]. 农业工程学报，2022，38(6)： 165-174. doi ：10.11975/j.issn.1002-6819.2022.06.019 Niu Qiankun, Liu Liu, Huang Guanhua, et al. Extraction of complex crop structure in the Hetao Irrigation District of Inner Mongolia using GEE and machine learning[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(6): 165-174. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.06.019 信息的方法。 0 引 言  相较于传统遥感手段，以Google Earth Engine （GEE ） 种植结构包含作物种类、作物空间布局等农业信息， 为主的遥感云计算平台凭借其数据存储量大、运算效率 高精度提取种植结构在作物长势监测