基于神经网络算法的Sentinel-2数据的灌溉面积提取

• Published in: 节水灌溉 no. 5; pp. 67 - 74
• Main Authors: 杨文博, 刘春秀
• Format: Journal Article
• Language: Chinese
• Published: 山东科技大学,山东 青岛 266000 2023
• Subjects: 灌溉面积提取; 神经网络; 随机森林; Sentinel-2; 多时相差值; 植被覆盖度分级
• ISSN: 1007-4929
• DOI: 10.12396/jsgg.2022303

S127; 在灌区用水管理中,灌溉面积及其空间分布信息非常重要.传统的灌溉面积提取手段耗费大量的人力物力和时间,已经不能满足灌区的现代化管理.自遥感技术应用于灌溉面积提取以来,经过几十年的发展,已经有很多的研究成果.但现今在应用于灌溉面积提取的遥感技术中,前沿的方法多数采用多个传感器数据或长时间序列的数据,且往往针对某一特定的区域,很难具体的应用在实际的灌区工作中.为了在灌区管理的实际应用中准确高效地提取灌溉面积和分布,开展了一种基于光学卫星多时相差值数据的神经网络算法的灌溉面积提取技术研究.以山东省淄博市桓台县的试验田为研究区域,首先利用随机森林对Sentinel-2卫星数据的所有波段以及一些与土壤水含量以及植被相关的指数进行重要性排序,不同地区的地情下重要性排序结果也不同,所以利用重要性排序可以快速的获取适合此地区的波段以及指数的组合.选取重要性较高的波段或指数作为神经网络模型输入层进行灌溉面积提取.然后根据实际样本田的数据对提取结果进行检验,所得到的总体灌溉面积提取精度达到了76.7％.Kappa系数为0.74.此外,对研究区域进行植被覆盖度分级,并分析了在不同植被覆盖度下的灌溉面积提取结果精度变化.其中,在中等和较高的植被覆盖度地区具有更高的精度.研究区大部分地区为农业地区,作物以冬小麦和夏玉米为主,使用数据为3月中下旬卫星影像,研究区此时期植被覆盖度较高,符合在此地情下进行灌溉面积提取在中等和较高植被覆盖度地区具有更高精度的结果.基于神经网络的多时相光学卫星数据差值提取灌溉面积研究可以在不同地区的地情下通过重要性排序获取适合该研究区波段的组合,得到更高的灌溉面积提取结果精度.