20220505 基于云計算平臺利用高分辨率衛(wèi)星影像實現(xiàn)黃淮海平原冬小麥種植面積快速提取

傳統(tǒng)的遙感分類數(shù)據(jù)存儲空間大、處理時間長，使利用較高分辨率衛(wèi)星遙感數(shù)據(jù)實現(xiàn)區(qū)域冬小麥種植面積的提取仍然面臨諸多挑戰(zhàn)。作為基于全球地理空間分析的云計算平臺，Google Earth Engine（GEE）為快速分析遙感信息提供了新的機會。該研究以中國最大冬小麥種植區(qū)黃淮海平原為研究區(qū)域，基于GEE云計算平臺獲得高質(zhì)量Lnadsat-8圖像數(shù)據(jù)集，利用隨機森林算法對2019-2020生長季冬小麥進行識別和制圖，并利用Sentinel-2影像對結(jié)果進行空間分布驗證。計算影像光譜指數(shù)、紋理特征和地形特征，通過對所有特征變量進行重要性打分和評價，評估它們對冬小麥分類精度的貢獻，同時優(yōu)選排名前9名的特征構(gòu)建最佳特征子集，分別將全部34個特征構(gòu)成的集合和優(yōu)選特征子集作為隨機森林分類器的輸入變量并對比不同輸入變量對分類精度的影響。結(jié)果表明，兩種特征分類方案的精度差異很小，但全特征集合的分類效果略好于優(yōu)選特征子集，樣方驗證的總體分類精度為86%-95%，Kappa系數(shù)分布在0.70-0.85之間，總面積的百分比誤差為5.42%。該研究結(jié)果展示了一種可靠的大范圍冬小麥種植區(qū)快速制圖方法，為探索其他作物的精確制圖提供了參考，對作物監(jiān)測和農(nóng)業(yè)發(fā)展具有重要意義。

[編譯自：Zhang D Y，Zhang M R，Lin F F，Pan Z G，Jiang F，He L，et al. Fast extraction of winter wheat planting area in Huang-Huai-Hai Plain using highresolution satellite imagery on a cloud computing platform.Int J Agric & Biol Eng，2022；15（1）：241–250.]