基于GEE平台和自动统计分配算法的大范围冬小麦提取

为提高大范围作物遥感制图精度,利用Google Earth Engine(GEE)平台对Sentinel-2数据进行预处理,合成整个河北省2019年归一化植被指数(NDVI)、增强型植被指数(EVI)和二波段增强型植被指数(EVI2)的最大值影像;结合地理国情数据,输入自动统计分配算法以挑选出最优的植被指数;利用最优影像提取2016—2019年30 m分辨率的河北省冬小麦信息。结果表明,与验证样本相比,NDVI、EVI和EVI2的小麦分布用户精度均大于94%,制图精度均大于91%,总体精度均大于98%,Kappa系数均大于0.96,其中EVI的精度最高;与统计数据相比,所有小麦种植县2016—2019年的平均精度均大于97%。该自动统计分配算法无需依赖训练样本,能快速在其他年份复制使用,提高大范围作物分布制图效率,且获得的小麦信息与统计数据有良好的一致性,可为大范围小麦分布快速制图提供一定的技术方法参考和思路借鉴。