基于机器学习算法的河南省冬小麦面积提取研究  

Study on area extraction of winter wheat in Henan Province based on machine learning algorithm

作　　者：王小飞 张方敏[1] 任祖光 张世豪 高歌[1,4] Wang Xiaofei

机构地区：[1]南京信息工程大学气象灾害预报预警与评估协同创新中心/江苏省农业气象重点实验室,江苏南京210044 [2]中联智慧农业股份有限公司,安徽芜湖241080 [3]桂林电子科技大学广西图像图形与智能处理重点实验室,广西桂林541004 [4]国家气候中心中国气象局气候研究开放实验室,北京100081

出　　处：《江苏农业科学》2024年第6期215-224,共10页Jiangsu Agricultural Sciences

基　　金：江苏省碳达峰碳中和科技创新专项资金(编号:BK20220017)。

摘　　要：为了精准获取河南省冬小麦空间分布及面积数据,基于2003—2021年250 m MODIS-NDVI时间序列遥感数据集,通过设置不同的阈值条件获得高质量的样本数据,采用深度神经网络(DNN)、随机森林(RF)和支持向量机(SVM)算法,自动从NDVI时序数据中提取冬小麦特征,分别训练出非线性模型,在250 m尺度对河南省冬小麦分布和面积进行识别。结果表明,基于DNN算法的河南省冬小麦面积识别模型精确率为97.26%,总体一致性为97.97%;基于RF、SVM算法的精确率分别为91.51%和89.31%,总体一致性均在90%以下。和RF、SVM算法相比,DNN算法在精度上有明显的提升,能够更好地反映河南省冬小麦的时间变化趋势和空间面积分布。该研究说明,运用中等分辨率长时间序列影像结合DNN算法,在一定程度上可以更准确识别大区域的农作物信息。

关 键 词：冬小麦 深度神经网络 NDVI 遥感 时间序列 

分 类 号：S127[农业科学—农业基础科学]