基于遥感的西南地区水稻种植信息提取

为探索西南地区水稻种植信息的有效提取方法，以重庆市永川区朱沱镇为例，根据Sentinel-2多光谱影像，结合高分一号(GF-1)影像数据选取样本分布点，构建水稻作物信息随机森林提取模型，同时分析样本地类像元光谱曲线，构建不同地类样本影像像元光谱库，并将随机森林分类结果与传统最大似然法、光谱角及基于时差的光谱角水稻空间种植信息分类结果进行对比及精度分析。结果显示，通过光谱角分类器提取地物精度有限，结合时差特征能够明显提高目标提取精度，而基于水稻样本信息训练构建的光谱角模型提取方法获取水稻种植面积准确率高达90.62%，分类结果总体精度达91.50%，Kappa系数达到0.83，实现了对西南地块破碎地区分散作物种植信息的有效提取，可为西南地形复杂、地块破碎地区农作物信息提取提供一定参考