当前位置: 首页 > 文章 > 基于XGBoost算法的多云多雾地区多源遥感作物识别 农业机械学报 2022,53 (4) 149-156
Position: Home > Articles > Multi-source Remote Sensing Crop Identification Based on XGBoost Algorithm in Cloudy and Foggy Area Transactions of the Chinese Society for Agricultural Machinery 2022,53 (4) 149-156

基于XGBoost算法的多云多雾地区多源遥感作物识别

作  者:
张超;陈畅;徐海清;薛琳
单  位:
中国农业大学土地科学与技术学院;安徽皖南烟叶有限责任公司
关键词:
多源遥感;作物识别;XGBoost算法;云雾地区
摘  要:
快速、准确地获取作物种植面积信息是长势监测、产量估算、病虫害监测和预警的基础.针对我国江南区域多云雾的特点,以Sentinel-1/2为数据源,综合采用光学遥感影像和合成孔径雷达(Synthetic aperture radar,SAR)影像等多源数据,针对研究区作物早春覆膜的特点,构建地膜植被指数(SAR plastic-film vegetation index,SPVI);利用时序光谱和植被指数特征,研究基于XGBoost算法的作物识别方法.以安徽省宣城市宣州区为研究区,开展实例验证研究.在作物生育期内,云雾影响较大,光学遥感覆盖稀疏区域以Sentinel-2影像为主,获取时序指数数据集,增加4期Sentinel-1雷达影像,用以补充云雾时期(5-7月)光学影像的缺失.以本文设计的方法,得到作物识别总体精度为84.87%,优于随机森林的83.93%,主要作物烟草制图精度88.69%,用户精度95.51%.仅使用生育期Sentinel-2影像的作物识别总体精度79.01%,主要作物烟草制图精度82.30%,用户精度93.49%.研究结果表明,本文构建的基于XGBoost算法多源遥感作物识别方法可满足多云多雾地区作物识别应用要求.
译  名:
Multi-source Remote Sensing Crop Identification Based on XGBoost Algorithm in Cloudy and Foggy Area

相似文章

计量
文章访问数: 10
HTML全文浏览量: 0
PDF下载量: 5

所属期刊

推荐期刊