基于时序遥感影像物候特征的四川省油菜种植范围提取

摘要

基于高分辨率卫星影像的作物分类在农业估产中具有重要应用价值，但在云雨多发地区，卫星成像效果不佳，单时相光学影像难以有效分析不同作物生长规律和特征差异。此外，植被光谱高度相似、随时空动态变化，也给作物高精度识别带来挑战。本研究从作物物候特征的排他性和稳定性出发，基于优化三谐波拟合模型，提出了一种以农作物物候特征为基础，融合光谱、地形、纹理等辅助信息的多特征分类框架。利用该框架，基于Google Earth Engine平台对四川省2020—2021年油菜种植范围进行遥感识别与提取。实验结果表明，该框架具有较好的提取效果，油菜分类总体精度达96.6%,Kappa系数为0.906,分类结果与统计年鉴数据吻合较好。与现有方法相比，该方法分类精度更高，能够实现多时相、大范围农作物精细空间分布的快速提取。

关键词

谐波拟合 / Google Earth Engine / 物候特征 / 时间序列 / 空间分布

基金资助

四川省科技厅自然科学面上项目(2019YJ0504); 成都理工大学中青年骨干教师发展资助计划(JXGG2020-02120)