基于GEE的Landsat-8与Sentinel-2影像在棉花种植提取中差异性分析及提取方法对比研究

来源：江苏农业科学杂志2024年第第4期北京时间：

作者：洪国军;周保平;李明哲;李森威;刘成成;张灵;付仙兵;李旭

单位：1.塔里木大学信息工程学院，新疆阿拉尔 843300；　2.塔里木绿洲农业教育部重点实验室(塔里木大学)，新疆阿拉尔 843300；3.江西农业大学经济管理学院，江西南昌 330054

摘要：棉花作为南疆地区重要的经济作物之一，在经济工作中起着至关重要的作用。及时、准确地获取棉花种植面积，对农业政策和经济发展具有重要意义。为了实现这一目标，需要综合分析不同方法和遥感数据对最终棉花种植面积制图精度的影响。本研究以新疆阿克苏地区棉花种植区为例，借助Google Earth Engine云平台，采用随机森林法(RF)、支持向量机法(SVM)、最小距离分类法(MDC)等3种机器学习方法，利用2类中分辨率影像提取棉花种植信息，充分评估使用的档案数据和官方统计数字。结果表明，采用Sentinel-2方法和RF获得了最优棉花图，随机森林法分类器的总体精度、Kappa系数和用户精度分别高达97.4%、96.7%和91.1%，分别比Landsat-8图像和RF模型的结果高出7.3百分点、0.081、2.8百分点。与官方统计数据相比，采用RF、SVM、MDC对Sentinel-2和Landsat-8图像的棉花种植面积估算图的精度分别为98.4%、95.8%、79.6%和90.3%、83.7%、72.5%。很明显，Sentinel-2和RF模型的组合与官方数据的一致性最高。对比分析结果表明，Landsat-8和Sentinel-2数据可用于大范围复杂种植结构的棉花高精度测绘。本研究结果有望为棉花大面积鉴别提供一定的理论指导和实践指导。

关键词：棉花分类;Sentinel-2;Landsat-8;随机森林;支持向量机;最小距离分类;Google Earth Engine