协同Sentinel-2和GF-3多特征优选的农作物识别.pdfVIP

第

41

卷

第

4

期农

业

工

程

学

报Vol.41No.4

2025

年

2

月Transactions

of

the

Chinese

Society

of

Agricultural

EngineeringFeb.

2025153

协同Sentinel-2和GF-3多特征优选的农作物识别

※

张青松

，王金鑫

，赫晓慧

（郑州大学地球科学与技术学院，郑州

450001）

摘要：农作物识别是精准农业的重要研究领域。在时空大数据和智能计算时代，如何充分挖掘和综合应用各种数据、

方法和模型的优势是提高遥感农作物识别精度的有效途径。该研究以安徽省颍上县为例，采用Sentinel-2和GF-3卫星影

像数据，提取了包括光谱、指数、纹理和极化等在内的58个特征指标；随后分别选取3种特征优选算法和3种机器学

习方法进行组合，设计了3种试验方案，探索特征选择和机器学习方法对农作物分类的影响；通过对比特征维度和分类

精度，对各种分类方案进行评价。研究结果显示：红边特征在农作物识别中具有重要作用，同时纹理特征的加入也适当

提高了分类精度；3种特征优选算法分别和随机森林方法组合时，分类精度均为最优；其中Relief

F与随机森林组合在

遥感农作物识别分类中效果最好，总体精度达到了93.39%，Kappa系数为0.893

3，F1得分为93.31%；比Relief

F结合

极限梯度提升和支持向量机分类方法的总体精度、Kappa系数、F1得分分别提高1.36个百分点、0.021和1.31个百分点，

8.81个百分点、0.131

2和8.78个百分点；在随机森林分类方法下，Relief

F特征选择维度为28维，比随机森林的递归

特征消除和卡方检验特征优选算法分别低4和22维，证明了Relief

F结合随机森林分类方法的有效性和先进性。该研究

为精准农作物识别提供了新的技术思路。

关键词：农作物；分类；特征；优选；随机森林；Sentinel-2；GF-3

doi：10.11975/j.issn.1002-6819.202406135

中图分类号：TP79文献标志码：A文章编号：1002-6819(2025)-04-0153-11

张青松，王金鑫，赫晓慧.

协同Sentinel-2和GF-3多特征优选的农作物识别[J].

农业工程学报，2025，41(4)：153-163.

doi:

10.11975/j.issn.1002-6819.202406135

ZHANG

Qingsong,

WANG

Jinxin,

HE

Xiaohui.

Crop

identification

by

synergistic

Sentinel-2

and

GF-3

multi-feature

optimization[J].

Transactions

of

the

Chinese

Society

of

Agricultural

Engineering

(Transactions

of

the

CSAE),

2025,

41(4):

153-

163.

(in

Chinese

with

English

abstract)doi:

10.11975/j.issn.1002-6819.202406135

[8]

识别精度，但是多数研究把注意力放在了遥感影像质

0引言

量处理上，很大程度上忽略了雷达影像的纹理特征和极

全球气候变化给农业生产和