基于随机森林算法与多时相Sentinel-2影像数据的茶树种植区信息提取

茶树是中国重要的木本经济作物,及时准确地获取茶树种植区面积及空间分布对区域农业经济发展具有重要意义。本研究以安徽省郎溪县为研究区,首先分析茶树、小麦和红叶石楠时序光谱特征,其次基于3个时相的Sentinel-2影像数据提取光谱特征、水体指数及植被指数特征、红边指数特征、纹理特征组成多时相特征变量数据集,并设置6种特征变量组合方案,利用随机森林算法进行茶树种植区信息提取精度的比较,筛选得到适宜的特征变量组合方案,最后基于适宜的特征变量组合方案进行郎溪茶树种植区信息的提取。结果表明,在光谱特征变量的基础上,分别融合水体指数及植被指数特征、红边指数特征和纹理特征变量均能有效提高茶树种植区信息的提取精度,其中,红边指数特征对茶树种植区信息提取精度的提高效果最好,其次是水体指数及植被指数特征。基于随机森林-平均精确度下降算法(RF-MDA)优选后的特征变量组合的分类效果最佳,总体分类精度达94.95%,Kappa系数为0.9348,说明特征变量优选能有效地保留重要的地物识别特征变量,避免冗余信息对分类结果的影响。综上,基于随机森林算法和茶树多时相Sentinel-2影像数据能实现郎溪县茶树种植区信息的高精度提取。