基于光学遥感数据的水田信息提取研究

由于水田种植面积及其空间分布信息对国家粮食安全政策和未来经济发展方面具有重要作用。因此,为了快速获取所需地区的水田信息状况同时进一步提高基于遥感影像的水田信息提取的工作效率,通过GEE(Google Earth Engine)平台,以Sentinel-2光学遥感影像为实验数据,首先对实验数据进行一系列的预处理工作,然后利用最小距离、最大似然、支持向量机以及随机森林等分类方法对研究区内预处理完的水田信息进行提取,并对这些方法进行比较分析。实验结果证明:在GEE平台基于混淆矩阵精度评价中随机森林分类法的总体分类精度最高,为96.12%,Kappa系数为0.9511;其次是最大似然法 ,最小距离分类法以及支持向量机的精度较低。所以在基于光学遥感数据水田信息提取研究上,应选取随机森林法较好。