地块尺度农作物遥感分类及其不确定性分析.pdfVIP

第３６卷ꎬ第４期自然资源遥感Ｖｏｌ.３６ꎬＮｏ.４

２０２４年１２月ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＮＡＴＵＲＡＬＲＥＳＯＵＲＣＥＳＤｅｃ.ꎬ２０２４

ｄｏｉ:１０.６０４６/ｚｒｚｙｙｇ.２０２３１６６

引用格式:张冬韵ꎬ吴田军ꎬ李曼嘉ꎬ等.地块尺度农作物遥感分类及其不确定性分析[Ｊ].自然资源遥感ꎬ２０２４ꎬ３６(４):１２４

－－

１３４.(ＺｈａｎｇＤＹꎬＷｕＴＪꎬＬｉＭＪꎬｅｔａｌ.Ｒｅｍｏｔｅｓｅｎｓｉｎｇｂａｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｃｒｏｐｓｏｎａｆａｒｍｌａｎｄｐａｒｃｅｌｓｃａｌｅａｎｄｕｎｃｅｒｔａｉｎｔｙａ￣

－

ｎａｌｙｓｉｓ[Ｊ].ＲｅｍｏｔｅＳｅｎｓｉｎｇｆｏｒＮａｔｕｒｅＲｅｓｏｕｒｃｅｓꎬ２０２４ꎬ３６(４):１２４１３４.)

地块尺度农作物遥感分类及其不确定性分析

１２１１１ꎬ３１

张冬韵ꎬ吴田军ꎬ李曼嘉ꎬ郭逸飞ꎬ骆剑承ꎬ董文

(１.中国科学院空天信息创新研究院遥感科学国家重点实验室ꎬ北京１００１０１ꎻ２.长安大学

土地工程学院ꎬ西安７１００６４ꎻ３.中国科学院大学资源与环境学院ꎬ北京１０００４９)

摘要:利用遥感技术开展农作物空间分布的快速调查与精准制图是现代精细农业的一项基础工作ꎮ然而ꎬ由于遥

感影像获取、处理与分析过程中的局限性ꎬ传统农作物种植结构遥感制图精度受到一定影响ꎬ亟须面向农作物分类

开展不确定性的空间建模与特征分析ꎮ该文将耕地地块作为基本空间单元ꎬ选择宁夏引黄灌区作为试验区ꎬ利用

多源遥感数据和机器学习算法实现地块尺度的农作物分类ꎬ进而基于混合熵构建不确定性计算模型ꎬ生成地块农

作物类型不确定性空间分布ꎬ再利用多源辅助数据对地块农作物分类不确定性进行回归建模ꎬ探究相关地理变量

的潜在影响ꎮ实验结果表明:①耕地提取及分类环节共构建地块矢量单元１４９万个ꎬ总体作物分类精度达０.８０ꎬ制

图结果与实际农业耕作管理单元相匹配ꎬ分类效果较之传统的像素尺度方法更为理想ꎻ②地块尺度的农作物分类

不确定性总体较低ꎬ存在较为显著的类别差异ꎬ水稻、菜地、苜蓿分类不确定性较小ꎬ单种、复种小麦不确定性较高ꎬ

玉米作物分类不确定性介于二类之间ꎻ③地块级作物分类不确定性与种植结构、资源条件等多种环境因素有关ꎬ且

与作物类型、水源可达性的相关性最为显著ꎮ

关键词:遥感ꎻ农作物分类ꎻ地块ꎻ不确定性ꎻ机器学习ꎻ混合熵

－－－

中图法分类号:ＴＰ７９文献标志码:Ａ文章编号:２０９７０３４Ｘ(２０２４)０４０１２４１１

类任务而言ꎬ确定性可以看作是分类器对已分配标

０引言签的确信程度ꎬ过去研究中常使用的误差和精度则

[４]

可以理解为不确定性的２种表达形式ꎮ了解不确

种植结构描述特定生产区域内农作物的种植比定性指标在农作物遥感分类结果中的局部强度有助

[１]

例及空间布局ꎬ及时、准确地获取种植结构是监于量化和评估制图质量在空间上的变化ꎬ并允许反

测区域作物长势、估测产量和灾情评估等应用的基向追踪农