基于GF-1與Sentinel-2融合數據的地膜識別方法研究

作者：羅琪,劉曉龍,史正濤,屈冉,趙文智

摘要：隨著我國地膜使用面積的增加和人們對土壤微塑料污染問題的日益關注,大尺度的地膜遙感識別已成為農業生產管理、土壤污染防治的必要手段。針對地膜光譜反射特征的復雜性以及基于單一遙感影像光譜特征識別方法錯分率高等問題,該文以河北省邯鄲市邱縣為試驗區,利用GF-1數據的空間細節與Sentinel-2數據的光譜信息進行NN Diffuse Pan Sharpening融合,據此建立地膜識別的特征矩陣(NDVI、MNDWI、NDBI、IBI、PSI),基于該特征矩陣可實現自動閾值地膜分層分類識別。多種方法的地膜識別結果精度對比表明:多源光學遙感數據融合方法的總體精度為94.87%,Kappa系數達0.89,顯著優于基于單一數據源的深度學習法的精度(93.14%)以及基于傳統機器學習分類方法的支持向量機(85.91%)和隨機森林分類法(86.78%)的精度;通過與Sentinel-2多光譜影像融合,彌補了GF-1數據光譜分辨率低的缺陷,實現了多源數據在地膜識別中的優勢互補,可為相關部門農業規劃與管理以及生態環境保護等研究提供大尺度、高精度的地膜分布參考數據。

發文機構：云南師范大學地理學部 內蒙古工業大學信息工程學院 生態環境部衛星環境應用中心 北京師范大學地理科學學部

關鍵詞：遙感高空間分辨率數據融合地膜深度學習分層分類remote sensinghigh spatial resolutiondata fusionplastic mulchdeep learninghierarchical classification

分類號： TP79[自動化與計算機技術—檢測技術與自動化裝置]S626.2[農業科學—園藝學]