基于多时相遥感影像的水稻种植信息提取

获取水稻种植信息对指导水稻生产、监测作物生长和合理配置水资源具有重要意义。针对基于单一时间图像提取水稻信息精度有限的问题，以Sentinel－2A／B多时相图像为数据源，构建了NDVI、EVI、NDWI和光谱特征四个时间序列特征数据集，并结合随机森林算法设计了六个水稻种植信息提取实验方案。结果表明，NDVI和EVI时间序列曲线能较好地反映水稻生育期的物候特征。不同地类的光谱时间序列曲线和NDWI时间序列曲线可以高于分离度，这有利于提高分类精度。基于NDVI时间序列数据集的分类精度最低，基于光谱时间序列数据集的分类精度最高，总体精度为95.5590%，Kappa系数为0.9433。与基于NDVI的分类结果相比，总体准确度、Kappa系数、大米生产者准确度和用户准确度分别提高了3.5304%、0.0449%、8.64%和3.36%。有效地抑制了水稻与旱地的混合现象。本研究为区域水稻种植信息的准确提取提供了一种新的思路和技术手段。