基于机器学习的高精度耕地识别模型构建--以甘肃省张掖市为例

作     者：麦晶晶 冯琦胜 王瑞泾 封森耀 金哲人 张忠雪 梁天刚 金加明 MAI Jing-jing;FENG Qi-sheng;WANG Rui-jing;FENG Sen-yao;JIN Zhe-ren;ZHANG Zhong-xue;LIANG Tian-gang;JIN Jia-ming

作者机构：兰州大学草种创新与草地农业生态系统全国重点实验室兰州大学草地农业科技学院兰州大学寒旱区生态环境遥感研究中心甘肃兰州730020 北京师范大学地表过程与资源生态国家重点实验室北京师范大学地理科学学部北京100875 清华大学深圳国际研究生院环境与生态研究院广东深圳518055 苏州市吴江区七都镇农业服务中心江苏苏州215200 甘肃省草原技术推广总站甘肃兰州730070 

基　　金：财政部和农业农村部:国家现代农业产业技术体系(CARS-34) 甘肃省林业和草原局科技创新项目(kjcx2022010) 2023年提前批中央财政林业改革发展资金草原科技支撑项目(甘林草发211号) 近自然恢复技术在退化草地修复中的应用与示范项目资助 

出 版 物：《草业学报》 (Acta Prataculturae Sinica)

年 卷 期：2025年第34卷第2期

页      码：149-162页

摘      要：耕地是农业生产和保障粮食安全问题重要的物质基础,耕地的准确识别对耕地资源的保护和农业生产可持续发展有着重要意义。为了构建高精度的耕地识别模型,本研究基于空间云计算平台使用Sentinel-1/2数据,构建不同特征类型组合,通过特征重要性分析对耕地识别特征进行筛选,形成最优特征集合,使用随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和分类回归树(classification and regression tree,CART)模型对甘肃省张掖市2021年度的耕地进行识别,同时对比分析了各分类器的分类精度。结果表明,使用植被指数特征、雷达特征和地形特征的特征类型组合能够把分类精度提升到91.32%;在研究区耕地识别中表现较好的特征有海拔(elevation)、雷达VH极化通道及归一化水指数(normalized difference water index,NDWI)等;在张掖市耕地识别中,RF算法优势明显,总精度达90.04%,Kappa系数为0.79,基于RF模型得到的张掖市耕地面积为58.5万hm^(2),面积占比为15.4%。本研究实现了张掖市耕地的精确识别,可为该地区耕地制图提供参考。

主 题 词：耕地识别 机器学习 随机森林 哨兵卫星 

学科分类：120301[120301] 12[管理学] 1203[管理学-农业经济管理类] 

核心收录：

D　O　I：10.11686/cyxb2024110

馆 藏 号：203156302...