基于Sentinel-2多时相影像的果树种植区遥感提取.

为提取果树的空间分布信息,以果树生长期内不同月份的Sentinel-2多光谱遥感影像为数据源,以大沙河流域果树为研究对象,通过分析不同月份的光谱信息得出最佳监测时期,并在此基础上,选择不同时期的5种植被指数[归一化植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)、结构密集型色素指数(SIPI)和归一化水指数(NDWI)],结合机器学习技术构建决策树提取模型.结果发现,3、4、7、8月份的影像适于果树面积提取.通过Feature_importances_属性筛选出贡献度高的不同时期的植被指数作为输入特征,结合超参数学习曲线和网格搜索技术确定决策树模型的Max_depth和Min_samples_leaf参数分别为5和10时模型的效果最佳.参数调整后绘制决策树模型,模型在训练集和测试集上的精度分别达到了0.9194和0.8751.提取结果表明,研究区内的果树主要种植在大沙河两岸,东部与西北部的果树种植地块较为零碎,总的果树种植面积为6838 hm2.在验证样本的基础上,通过混淆矩阵计算提取结果的精度,结果显示,Kap-pa系数为0.87,果树种植区提取的用户精度和制图精度分别为92.91％和90.77％.结果说明,本文所提出的方法适用于大区域果树的遥感提取,可为基于中高分辨率遥感影像的果树种植区监测提供有效的技术手段. [ABSTRACT FROM AUTHOR]