张超 陈畅 徐海清 薛琳
摘要：快速、准确地获取作物种植面积信息是长势监测、产量估算、病虫害监测和预警的基础。针对我国江南区域多云雾的特点，以Sentinel-1/2为数据源，综合采用光学遥感影像和合成孔径雷达（Synthetic aperture radar, SAR）影像等多源数据，针对研究区作物早春覆膜的特点，构建地膜植被指数（SAR plastic-film vegetation index, SPVI）;利用时序光谱和植被指数特征，研究基于XGBoost算法的作物识别方法。以安徽省宣城市宣州区为研究区，开展实例验证研究。在作物生育期内，云雾影响较大，光学遥感覆盖稀疏区域以Sentinel-2影像为主，获取时序指数数据集，增加4期Sentinel-1雷达影像，用以补充云雾时期（5—7月）光学影像的缺失。以本文设计的方法，得到作物识别总体精度为84.87%,优于随机森林的83.93%,主要作物烟草制图精度88.69%,用户精度95.51%。仅使用生育期Sentinel-2影像的作物识别总体精度79.01%,主要作物烟草制图精度82.30%,用户精度93.49%。研究结果表明，本文构建的基于XGBoost算法多源遥感作物识别方法可满足多云多雾地区作物识别应用要求。
关键词：多源遥感;作物识别;XGBoost算法;云雾地区;
基于XGBoost算法的多云多雾地区多源遥感作物识别.pdf
