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。

基于无人机影像的疑似违法用地精准监测

疑似违法用地是指对海域、山体、林地、耕地等用地的疑似违法侵占行为,对其进行精准监测是查实查清土地资源的重要手段。无人机影像以高空间分辨率、低成本、高效快速等优势成为土地资源精准监测的重要数据源,对象尺度作为其主要的研究单元存在优选最佳分割参数时主观性强、表征对象属性信息时时相特征利用率不足等问题。以近年来经济快速发展的威海市经济技术开发区(经区)作为研究区,首先提出了无人机影像最佳分割尺度定量化评价指标,然后充分挖掘了反映疑似违法用地客观规律的影像多时相特征,通过时空交互分析最终发现,2017年和2019年经区的疑似违法用地多分布于矿山、湖岸线等地,验证精度达到86%。研究结果不仅为特殊土地利用类型的精准监测提供了技术方案和理论支撑,而且对推动威海市经区精致城市建设、提高土地资源利用效率等具有重要意义。