基于Google Earth Engine的农作物分类研究  

作　　者：李静茹 薛华柱[1] 何湜 马战林 

机构地区：[1]河南理工大学测绘与国土信息工程学院,焦作454000

出　　处：《青海科技》2021年第3期65-71,共7页Qinghai Science and Technology

基　　金：河南省科技攻关重点项目(No.192102310270);河南理工大学博士基金资助项目(No.B2017-09)。

摘　　要：农作物分类与识别是开展农作物的长势、产量、灾害等相关信息监测的基础,对确保粮食安全、发展社会经济、制定农业政策以及保护生态功能等有重要作用。本文以"原阳大米"之乡河南省原阳县为研究区,基于谷歌地球引擎(Google Earth Engine)云平台,利用随机森林(Random Forest)机器学习算法,通过地面实测数据比较分析了Sentinel-1雷达数据和Sentinel-2光学数据在原阳县秋季农作物分类中的精度。结果表明:多时相的Sentinel-1雷达数据的加入能大大提高农作物的分类精度。基于单时相Sentinel-2光学数据的总体分类精度为87.83%,Kappa系数为0.84;基于多时相Sentinel-1雷达数据的总体分类精度为93.15%,Kappa系数为0.91;基于合成单时相Sentinel-2和多时相Sentinel-1数据的分类精度为96.04%,Kappa系数为0.95%。

关 键 词：农作物分类 Google Earth Engine Sentintel-1 Sentintel-2 随机森林 

分 类 号：P237[天文地球—摄影测量与遥感] S502.3[天文地球—测绘科学与技术]