基于Sentinel-2的UNVI植被指数及性能对比研究

作物精准识别和分类是农业遥感检测的重要内容,对作物长势监测以及估产十分重要.以美国混合农业带为研究区,基于Sentinel-2时间序列影像,根据其传感器响应函数计算了针对Sentinel-2的通用归一化植被指数(Universal Normalized Vegetation Index,UNVI),并通过两个对比实验,分析UNVI等6个指数在作物精准分类中的性能.实验一以JM(Jeffries-Matusita)距离为指标对不同作物类别之间的可分性进行分析,结果表明UNVI优于NDVI、EVI、WDRVI、NDre1和NDWI指数,在玉米和棉花、玉米和水稻、玉米和水稻的区分上,UNVI优于其他指数区分能力相当,但在其余的作物组合上如棉花和水稻,NDVI等指数则无法将其很好的区分,此时UNVI指数依然可以表现出较好的区分能力;实验二对6种时间序列指数特征分别使用随机森林和支持向量机进行作物分类,结果表明UNVI指数的总体精度和Kappa系数最高,其次是NDre1指数和WDRVI指数,EVI的总体精度和Kappa系数最低,这表明UNVI比其他6个指数更好地区分了研究区大豆、玉米、棉花和水稻等4种主要作物.综上,基于Sentinel-2时间序列的UNVI指数在进行作物分类时与其他5种遥感植被指数相比,具有较大的优势,UNVI可为农作物长势分析和作物估产研究等农业研究和应用的可选植被指数.