GEE与多源遥感在冬小麦自动样本生成与分类中的应用——以邯郸市为例

来源：湖北农业科学杂志2025年第9期北京时间：

作者：李亚强1,2, 曹俊涛1,2, 常宇飞1,2, 孟成真1,2, 张珺3, 刀剑4, 赵春雷1,2, 权畅1,2

单位：1.中国气象局雄安大气边界层重点开放实验室,河北 雄安 071800; 2.河北省气象局河北省气象科学研究所/河北省气象与生态环境重点实验室,石家庄 050000; 3.邯郸市气象局,河北 邯郸 056002; 4.云南农业大学植物保护学院,昆明 650108

摘要：以邯郸市为研究对象,基于Google Earth Engine（GEE）平台与多源遥感数据,构建一种冬小麦训练样本自动生成与分类的方法。通过融合SNIC分割、物候特征筛选与随机森林算法,建立融合光谱、植被指数及纹理的多特征组合方案。结果显示,特征组合③（光谱+植被指数+纹理）的提取效果最优,其相对误差连续3年均为最低（2023年0.21%、2024年1.33%、2025年0.44%）,总体精度和Kappa系数逐年提升。基于该方案生成了2023—2025年邯郸市冬小麦种植空间分布图,邯郸市冬小麦种植空间分布呈东部平原集中、西部山区较少的分异特征。长势监测显示,2025年邯郸市冬小麦在整个生育期内光照、温度、降水量、湿度条件匹配良好,NDVI增量以偏好为主,整体长势优于2023年和2024年。自动化样本生成方法在大范围作物分类中具备良好的适用性与稳定性。

关键词：GoogleEarthEngine（GEE）,多源遥感,冬小麦,样本生成,作物分类,邯郸市

基金资助：中国气象局青年创新团队“高标准农田智慧气象保障技术”项目; 风云卫星应用先行计划（2023）项目（FY-APP-ZX-2023.01）; 河北省气象局青年基金项目（2025ky18; 2023ky05）; 海河流域气象科技创新项目（HHXM202507）