基于GEE平台和自动统计分配算法的大范围冬小麦提取

来源：湖北农业科学杂志2022年第19期北京时间：

作者：赵亮1, 刘莉2, 司丽丽1, 赵铁松1, 黄敬峰2

单位：1.河北省气象灾害防御和环境气象中心/河北省气象与生态环境重点实验室,石家庄 050021;2.浙江大学农业遥感与信息技术应用研究所,杭州 310058

摘要：为提高大范围作物遥感制图精度,利用Google Earth Engine（GEE）平台对Sentinel-2数据进行预处理,合成整个河北省2019年归一化植被指数（NDVI）、增强型植被指数（EVI）和二波段增强型植被指数（EVI2）的最大值影像;结合地理国情数据,输入自动统计分配算法以挑选出最优的植被指数;利用最优影像提取2016—2019年30 m分辨率的河北省冬小麦信息。结果表明,与验证样本相比,NDVI、EVI和EVI2的小麦分布用户精度均大于94%,制图精度均大于91%,总体精度均大于98%,Kappa系数均大于0.96,其中EVI的精度最高;与统计数据相比,所有小麦种植县2016—2019年的平均精度均大于97%。该自动统计分配算法无需依赖训练样本,能快速在其他年份复制使用,提高大范围作物分布制图效率,且获得的小麦信息与统计数据有良好的一致性,可为大范围小麦分布快速制图提供一定的技术方法参考和思路借鉴。

关键词：冬小麦,GoogleEarthEngine（GEE）平台,自动统计分配算法,Sentinel数据,遥感制图

基金资助：欧洲联盟Eramus+计划项目（598838-EPP-1-2018-EL-EPPKA2-CBHE-JP）; 河北省“十三五”重点工程项目（Z1300002007041001）