基于Sentinel-2遥感影像的作物信息提取与需水量分析研究
Water Saving Irrigation(2022)
Abstract
气候变化扰动的水资源稀缺性使得农业可持续水资源利用面临危机,节水农业是现代社会农业转型的主要方式,更是可持续发展的根本出路.黑河流域是我国第二大内陆河,中游绿洲是我国的重要粮食生产基地,了解黑河流域的作物种植信息与作物需水特征,对于指导干旱半干旱区农业高效用水及国家粮食安全具有重要意义.基于Google Earth Engine(GEE)云平台利用Sentinel-2影像,结合黑河流域作物的物候特征选取了6-9月的影像数据,根据作物的物候特征重要性完成了特征优选.研究运用随机森林、支持向量机、决策树及投票法分类器完成了作物的识别分类与结果对比.最后,研究通过CROPWAT模型估算了黑河流域作物的需水量与灌溉用水量.研究结果表明:①GEE能够快速完成影像数据的去云、特征构建等预处理;②基于决策树分类器的土地分类结果精度达到82.5%,平均Kappa系数为0.73;估算了作物各个时期所需水量及灌溉用水量.构建的分类体系及作物的需水量估算为精准化管理、灌溉控制系统提供了一种新思路.
MoreAI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined