基于RFRFE特征优选与GBRT模型的Sentinel2水稻识别研究——以南昌晚稻为例

来源：江苏农业科学杂志2026年第第4期北京时间：

作者：洪国军;范振岐

单位：1.江西科技学院区域发展研究院，江西南昌 330200； 2.塔里木大学信息工程学院，新疆阿拉尔 843300

摘要：以江西省南昌市晚稻主产区为研究对象，依托Google Earth Engine云平台，集成多时相Sentinel-2影像的光谱特征、植被指数特征和纹理特征，采用随机森林递归特征消除法(RF_RFE)进行特征优选。进一步引入梯度提升回归树(GBRT)、随机森林(RF)、支持向量机(SVM)、最小距离分类(MDC)4种机器学习方法构建分类模型，系统评估各模型在S2影像下的水稻识别性能，并探讨不同模型对晚稻遥感制图精度的影响差异。结果表明：(1)基于GBRT方法生成的最优晚稻分类图，总体精度(OA)、Kappa系数分别达到94.07%、0.858 9；(2)与2023年《南昌市统计年鉴》中的水稻种植面积对比，GBRT、RF、SVM、MDC模型对Sentinel-2影像提取的晚稻面积准确率依次为9840%、95.89%、92.17%、73.89%，其中，GBRT模型与统计数据拟合度最高，反映其在高精度水稻提取中的优势。期待本研究结果可为南昌市及相似区域的水稻识别提供技术支撑。

关键词：水稻识别;随机森林递归特征消除法;梯度提升回归树;随机森林;Google Earth Engine