GEE平台下利用物候特征进行面向对象的水稻种植分布提取

来源：农业工程学报杂志2022年第12期北京时间：

作者：刘通,任鸿瑞,

摘要：为高效提取高精度水稻种植分布及其面积，该研究基于谷歌地球引擎（Google Earth Engine，GEE）平台，以辽宁省盘锦市为研究区，利用2020年Sentinel-2影像提取水稻生命周期内4个水稻物候期相应的光谱指数，利用简单非迭代聚类（Simple Non-Iterative Clustering，SNIC）算法来分割影像，灰度共生矩阵（Gray Level Co-occurrence Matrix，GLCM）来计算纹理特征，结合支持向量机（Support Vector Machine，SVM）和随机森林（Random Forest，RF）算法构建6种不同的模型进行水稻种植分布提取，并基于目视解译及实地调查数据，对比6种模型提取水稻的验证精度和实测精度，确定最优模型。结果表明：在水稻种植分布提取中，面向对象方法有助于提高水稻种植分布提取精度，且RF算法优于SVM算法。其中SNIC图像分割结合RF模型具有最高提取精度，总体精度和Kappa系数分别为96.83%、0.934，经实测数据验证，水稻实测精度为95.43%，可满足区域水稻种植分布和面积监测需求。

关键词：遥感, 物候学, 面向对象法, 简单非迭代聚类, 灰度共生矩阵, Google Earth Engine（GEE）