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

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。