[1]盛艳芳,买买提·沙吾提,何旭刚,等.基于Google earth engine渭-库绿洲果园遥感提取[J].江苏农业学报,2024,(01):103-111.[doi:doi:10.3969/j.issn.1000-4440.2024.01.011]
　SHENG Yan-fang,SAWUT Mamat,HE Xu-gang,et al.Remote sensing extraction of orchard in the casis of weigan and kuqa rivers based on Google earth engine[J].,2024,(01):103-111.[doi:doi:10.3969/j.issn.1000-4440.2024.01.011]
点击复制

基于Google earth engine渭-库绿洲果园遥感提取()
分享到：

江苏农业学报[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2024年01期
页码:
103-111
栏目:
农业信息工程
出版日期:
2024-01-30

文章信息/Info

Title:
Remote sensing extraction of orchard in the casis of weigan and kuqa rivers based on Google earth engine
作者:
盛艳芳1; 2; 3; 买买提·沙吾提1; 2; 3; 何旭刚1; 2; 3; 李荣鹏1; 2; 3
(1.新疆大学地理与遥感科学学院,新疆乌鲁木齐830017；2.新疆大学新疆绿洲生态重点实验室,新疆乌鲁木齐830017；3.新疆大学智慧城市与环境建模自治区普通高校重点实验室,新疆乌鲁木齐830017)
Author(s):
SHENG Yan-fang1; 2; 3; SAWUT Mamat1; 2; 3; HE Xu-gang1; 2; 3; LI Rong-peng1; 2; 3
(1.College of Geography and Remote Sensing Sciences, Xinjiang University, Urumqi 830017, China；2.Xinjiang Key Laboratory of Oasis Ecology, Xinjiang University, Urumqi 830017, China；3.Key Laboratory of Smart City and Environment Modelling of Higher Education Institute, Xinjiang University, Urumqi 830017, China)
关键词:
Google earth engine (GEE); 特征优化; J-M距离; 特征集
Keywords:
Google earth engine (GEE); feature optimization; J-M distance; feature set
分类号:
S127
DOI:
doi:10.3969/j.issn.1000-4440.2024.01.011
文献标志码:
A
摘要:
针对干旱区果园大面积遥感提取困难、识别精度低等问题,本研究基于GEE(Google earth engine)平台,综合应用Sentinel-1/Sentinel-2影像构建特征集。通过对比原始特征组合、Jeffries-Matusita(J-M)距离、属性重要度3种优化方式,结合随机森林(Random forest,RF)分类方法,对比得到最佳优化方式,探索果园最优分类特征集。结果表明：识别效果最好的方案为G17JM,总体精度为91.25%,kappa系数为0.89,面积精度为82.55%。最优特征集为B8_asm、B8_ent、B8_idm、NDVIre3、B6、B7、a、e、b、EVI、B11、B8A、B8、VV。使用J-M距离进行特征集优化,有效降低数据量、提高计算效率,更有利于精确遥感识别果园种植面积。表明GEE快速、准确获取果园种植面积的可行性,为获取果园动态变化提供强有力的基础。
Abstract:
Aiming at the problems of difficult extraction and low recognition accuracy of orchards in arid areas, based on the Google earth engine (GEE) platform, this study comprehensively applied Sentinel-1/Sentinel-2 images to construct feature sets. By comparing the three optimization methods of original feature combination, Jeffries-Matusita (J-M) distance and attribute importance, combined with random forest (RF) classification method, the best optimization method was obtained, and the optimal classification feature set of orchard was explored. The results showed that the best recognition scheme was G17JM, the overall accuracy was 91.25%, kappa coefficient was 0.89, and area accuracy was 82.55%. The optimal feature set was B8_asm, B8_ent, B8_idm, NDVIre3, B6, B7, a, e, b, EVI, B11, B8A, B8, VV. Using J-M distance to optimize the feature set can effectively reduce the amount of data and improve the computational efficiency, which was more conducive to the accurate identification of orchard planting area. It shows that GEE is feasible to obtain orchard planting area quickly and accurately, and provides a strong basis for obtaining orchard dynamic changes.

参考文献/References:

[1]唐冶,杨志华,曹占洲,等. 南疆环塔里木盆地林果种植区近50a气候变化特征及对果树生长的影响[J]. 农业网络信息,2014(4):27-31.
[2]李婷. 南疆林果业助力脱贫攻坚的思考研究[J]. 新疆林业,2019(4):11-14.
[3]桑国庆,唐志光,毛克彪,等. 基于GEE云平台与Sentinel数据的高分辨率水稻种植范围提取——以湖南省为例[J]. 作物学报,2022,48(9):2409-2420.
[4]王汇涵,张泽,康孝岩,等. 基于Sentinel-2A的棉花种植面积提取及产量预测[J]. 农业工程学报,2022,38(9):205-214.
[5]周珂,柳乐,张俨娜,等. GEE支持下的河南省冬小麦面积提取及长势监测[J]. 中国农业科学,2021,54 (11):2302-2318.
[6] TIAN H F, HUANG N, NIU Z, et al. Mapping winter crops in China with multi-source satellite imagery and phenology-based algorithm[J]. Remote Sensing,2019,11(7): 820-843.
[7]张东彦,杨玉莹,黄林生,等. 结合Sentinel-2影像和特征优选模型提取大豆种植区[J]. 农业工程学报,2021,37(9):110-119.
[8]朱永森,曾永年,张猛. 基于HJ卫星数据与面向对象分类的土地利用/覆盖信息提取[J]. 农业工程学报,2017,33(14):258-265.
[9]张悦琦,李荣平,穆西晗,等. 基于多时相GF-6遥感影像的水稻种植面积提取[J]. 农业工程学报,2021,37 (17):189-196.
[10]马战林,刘昌华,薛华柱,等. GEE环境下融合主被动遥感数据的冬小麦识别技术[J]. 农业机械学报,2021,52(9):195-205.
[11]熊皓丽,周小成,汪小钦,等. 基于GEE云平台的福建省10 m分辨率茶园专题空间分布制图[J]. 地球信息科学学报,2021,23(7):1325-1337.
[12]孙少杰,吴门新,庄立伟,等. 基于CNN卷积神经网络和BP神经网络的冬小麦县级产量预测[J]. 农业工程学报,2022,38(11):151-160.
[13]冯志敏,刘兆旭,辛海强. 遥感技术在林果种植区调查中的应用研究[J]. 测绘与空间地理信息,2013,36(10):83-87.
[14]林娜,王伟,王斌. 基于随机森林和Landsat8 OLI影像的脐橙果园种植信息提取[J]. 地理空间信息,2021,19(11):96-100.
[15]钟琪,罗津,齐述华. 随机森林分类算法提取柑橘果园的样本数量敏感性分析[J]. 江西科学,2019,37(5):664-669.
[16]徐晗泽宇,刘冲,齐述华,等. 基于随机森林算法的赣南柑橘果园遥感信息提取[J]. 江西师范大学学报(自然科学版),2018,42(4):434-440.
[17]宋荣杰,宁纪锋,常庆瑞,等. 基于小波纹理和随机森林的猕猴桃果园遥感提取[J]. 农业机械学报,2018,49(4):222-231.
[18]徐晗泽宇,刘冲,王军邦,等. Google Earth Engine平台支持下的赣南柑橘果园遥感提取研究[J]. 地球信息科学学报,2018,20(3):396-404.
[19]王斌,何丙辉,林娜,等. 基于随机森林特征选择的茶园遥感提取[J]. 吉林大学学报(工学版),2022,52(7):1719-1732.
[20]陈钰嘉. 基于高光谱和雷达数据特征融合的茶园提取研究[D]. 北京:中国地质大学,2021.
[21]赵英时. 遥感应用分析原理与方法[M]. 北京：科学出版社,2013.
[22]张猛,曾永年,朱永森. 面向对象方法的时间序列MODIS数据湿地信息提取——以洞庭湖流域为例[J]. 遥感学报,2017,21(3):479-492.
[23]马玥,姜琦刚,孟治国,等. 基于随机森林算法的农耕区土地利用分类研究[J]. 农业机械学报,2016,47(1):279-303.
[24]王刚. 基于Landsat遥感图像的山地丘陵区果园识别与监测[D]. 昆明:云南师范大学,2021.
[25]郭交,尉鹏亮,周正舒,等. 基于时变特征的多时相PolSAR农作物分类方法[J]. 农业机械学,2017,48 (12):174-182.
[26]李宇宸,张军,薛宇飞,等. 基于Google Earth Engine的中老缅交界区橡胶林分布遥感提取[J]. 农业工程学报,2020,36(8):174-181.
[27]古丽努尔·依沙克,买买提·沙吾提,马春玥. 基于多时相双极化SAR数据的作物种植面积提取[J]. 作物学报,2020,46(7):1099-1111.
[28]高程程,惠晓威. 基于灰度共生矩阵的纹理特征提取[J]. 计算机系统应用,2010,19(6):195-198.
[29]薛朝辉,钱思羽. 融合Landsat 8与Sentinel-2数据的红树林物候信息提取与分类[J]. 遥感学报,2022,26(6):1121-1142.
[30]阿克苏地区统计局. 2021年阿克苏地区统计年鉴[M]. 北京：中国统计出版社,2021.
[31]何旭刚,买买提·沙吾提,盛艳芳,等. 基于GEE平台渭库绿洲棉花水分生产率遥感估算[J]. 干旱区地理,2023,46(10):1632-1642.
[32]祁昌贤,任燕,彭海月,等. 基于GEE云平台的三江源湖泊面积提取及动态变化研究[J]. 长江科学院院报,2023,40(7):1-9.
[33]马浩文,王永芳,郭恩亮. 基于GEE的翁牛特旗土地沙漠化遥感监测[J].干旱区研究,2023(3):1-13.
[34]LIU J T, LI Y X, ZHANG Y, et al. Large-scale impervious surface area mapping and pattern evolution of the Yellow River delta using sentinel-1/2 on the GEE[J]. Remote Sensing,2022,15(1):136.
[35]赵安周,田新乐. 基于GEE平台的1986-2021年黄土高原植被覆盖度时空演变及影响因素[J]. 生态环境学报,2022,31(11):2124-2133.
[36]徐超,吕婧妤,刘昱君,等. 基于GEE的宝鸡峡灌区耕地灌溉面积遥感监测方法[J]. 排灌机械工程学报,2022,40(11):1167-1172.
[37]张祯祺,蔡惠文,张平平,等. 基于GEE遥感云平台的三江源植被碳源/汇时空变化研究[J]. 自然资源遥感,2023,35(1):231-242.
[38]宁晓刚,常文涛,王浩,等. 联合GEE与多源遥感数据的黑龙江流域沼泽湿地信息提取[J]. 遥感学报,2022,26(2):386-396.

备注/Memo

备注/Memo:
收稿日期：2023-02-05基金项目：新疆自然科学计划(自然科学基金)联合基金项目(2021D01C055)作者简介：盛艳芳(1993-),女,新疆库尔勒人,硕士研究生,主要从事农业遥感分类等方面研究。(E-mail)syf2258164@foxmail.com通讯作者：买买提·沙吾提,(E-mail)korxat@xju.edu.cn
更新日期/Last Update: 2024-03-17