GEE平台下玉米与水稻倒伏区域识别方法研究

来源：江苏农业科学杂志2025年第第13期北京时间：

作者：祁映宇;杨华东;彭秀媛

单位：1.沈阳理工大学信息科学与工程学院，辽宁沈阳 110159； 2.辽宁省农业科学院信息研究所，辽宁沈阳 110161

摘要：为在种植结构复杂区域快速获取玉米和水稻倒伏范围，在谷歌地球引擎(GEE)平台下，使用已有作物种植分布数据集和Sentinel-2多光谱数据，采用随机森林(RF)分类器提取研究区内2类作物的种植区域。针对云层干扰问题，利用倒伏发生前后Sentinel-1提供的SAR数据构建dVH与dVH、d(VV+VH)与d(VV/VH)2组特征，使用 K-means与LVQ算法对2种作物进行倒伏区域提取和倒伏程度区分，最后利用归一化植被指数(NDVI)和增强型植被指数(EVI)2种指标对模型进行验证评估。结果表明，SAR数据能有效识别作物倒伏区域，LVQ算法性能比 K-means 算法更优越，dVH、d(VV+VH)和d(VV/VH)的组合特征更适合识别水稻倒伏，而单dVH特征在识别玉米倒伏时表现更好。

关键词：谷歌地球引擎;倒伏;合成孔径雷达;随机森林;k均值聚类;学习矢量量化