基于多源遥感数据的CNN水稻提取研究

详细信息

刊出日期: 2020-12-15

Extraction of paddy rice based on convolutional neural network using multi-source remote sensing data

Publish Date: 15 December 2020

摘要: 水稻是中国种植面积最广泛的粮食作物之一,适时、准确的水稻识别与监测对于国家粮食安全和农用地空间格局演变具有重要意义.基于水稻物候关键期的多时相Sentinel-2A光谱数据、植被指数、植被丰度以及基于Landsat8反演得到的地表温度(land surface temperature,LST),采用卷积神经网络(convolutional neural network,CNN)、支持向量机(support vector machine,SVM)和随机森林(random forest,RF)算法对高异质化的长株潭核心区的水稻进行了提取,并得到了对应的水稻填图.研究结果显示,利用多时相多源遥感数据通过CNN算法能够有效提取高异质化程度区域的水稻信息,水稻分类总体精度(overall accuracy,OA)和Kappa系数分别达到了92%与0.90以上.该文提出的基于CNN的水稻信息识别方法,能够为改善与提高异质化程度较高区域水稻信息提取的精度提供行之有效的技术与途径.
- 水稻 /
- Sentinel-2A /
- Landsat8 /
- CNN /
- 长株潭地区

中国自然资源航空物探遥感中心	主办
地质出版社	出版