基于多种植被指数时间序列与机器学习的 作物遥感分类研究

开展了基于多种植被指数(vegetation index，VI)时间序列和机器学习(machine learning，ML)算法的作物遥感分类研究。从Landsat-8 OLI与EO-1 ALI影像中提取了内蒙古五原县的时间序列数据。2颗卫星的参数类似，且它们联合提供了更多无云覆盖的数据。7种常用的VI从时间序列遥感数据中提取出来，以用作ML算法的输入。对比分析了SVM、RF、DT 3种ML算法对玉米、向日葵和小麦的区分效果。共选取了2 584个样本，其中1 556个样本用于算法训练。得到了127种VI组合作为输入时3种算法的分类精度。结果表明，SVM的分类效果优于另外2种算法；VI数目并非越多越好，综合考虑算法的精度和稳定性，3种VI可以取得最佳的效果；SVM+NDI5+NDVI+TVI是平均分类精度最高的组合，平均精度为91.97%