基于Sentinel-2影像的济宁市冬小麦种植面积提取研究

植被的遥感提取通常利用单一植被指数,而单一植被指数无法全面反映不同植被之间的差异性,易造成漏分、错分现象,影响提取精度。为有效提取冬小麦种植面积,本文基于PIE-Engine遥感平台,利用Sentinel-2遥感影像数据,结合采样点以原始特征波段、指数特征为输入特征,分别使用随机森林(Random Forest,RF)、支持向量机(Support Vector Machine,SVM)分类法对济宁市冬小麦种植面积进行提取,评价相同输入特征下不同分类方法的提取精度、相同分类方法不同输入特征的分类精度,最终得出最佳分类特征以及分类方法。结果表明:以指数特征作为输入特征,结合随机森林分类法提取济宁市2023年冬小麦种植面积的精度最优,验证矩阵ACC系数为0.984,验证矩阵Kappa系数为0.974。可见,基于Sentinel-2遥感影像的随机森林-指数特征模型可较准确提取济宁市冬小麦种植区域,本研究可提供一种提取冬小麦种植面积的有效方法,为调控农业生产、合理利用自然资源、实现农业精准管理、保障粮食有效供给提供辅助依据。