提取Lilium davidii var. 的方法 植栽信息基于深度学习和多源数据
Yinfang Shi1,2, Puhan Zhang1,2, Zhaoyang Wang1,2
1College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, China.
Sensors (Basel, Switzerland)
|March 13, 2024
概括
这项研究使用Sentinel卫星数据和深度学习准确地绘制了百合种植区的地图,达到95.9%的准确率. 这些发现支持优化甘省百合种植结构和产量预测.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 地理空间分析是什么
背景情况:
- 准确的作物面积提取对于数字农业和信息化的土地管理至关重要.
- 了解作物种植结构和空间分布有助于农业规划和产量预测.
研究的目的:
- 开发一种使用多源卫星数据提取作物面积和种植结构的准确方法.
- 分析甘省兰州市百合种植的空间分布特征.
- 为了比较深度学习和随机森林 (RF) 分类用于作物识别的有效性.
主要方法:
- 利用 Sentinel-2A,Sentinel-1 和数字海拔模型 (DEM) 数据创建一个多维特征数据集.
- 应用了Relief-F算法来进行最佳特征选择,确定了36个关键特征.
- 采用深度学习和随机森林 (RF) 分类的组合来识别百合花和提取种植面积.
主要成果:
- 发现地形特征是对地面物体分类准确性的重要贡献者.
- 深度学习分类实现了比RF更高的精度,总准确率为95.9%,卡帕系数为0.934.
- 确定的兰州百合种植面积为137.24平方公里,呈现出缩和连续的分布模式.
结论:
- 开发的方法为数字农业中准确的作物面积提取提供了强大的方法.
- 地形特征在提高农业应用的分类准确性方面发挥着至关重要的作用.
- 这些发现为优化兰州市百合种植结构和预测产量提供了科学基础.
