基于Sentinel-2和ALOS DEM的多特征融合技术，在黄土高原地形复杂的区域进行作物识别

《IEEE Transactions on Geoscience and Remote Sensing》：Crop Identification in Topographically Varied Complex Areas in the Loess Plateau Based on Multi-Feature Integration of Sentinel-2 and ALOS DEM

　　

摘要：

利用遥感图像进行作物识别已成为一个重要的研究课题，主要集中在以作物种植为主的平坦地区。然而，农田也分布在广阔的复杂地形区域，在这些地区进行作物识别同样具有必要性和重要性。本研究旨在提出创新方法来应对复杂地形对特征提取和分类算法带来的挑战。研究选择了寿阳黄土丘陵区和晋中盆地作为研究区域。分别从ALOS数字高程模型（DEM）和Sentinel-2卫星的时间序列光谱带中提取了地形指数、植被指数和纹理指数。将各种光谱带与这三个指数的组合特征输入到随机森林（Random Forest, RF）算法中，构建了五个模型来研究不同特征组合对丘陵和平坦地区作物识别精度的影响。结果表明，在复杂地形区域，多特征组合能够显著提高作物识别的精度，而在平坦地区的差异则不那么明显。本研究揭示了结合多种特征与地形特征是提高复杂地形区域作物识别精度的一种有效方法。高精度的作物地图可以为优化复杂地形区域的农业实践和资源管理提供有价值的参考。未来的研究应将该方法扩展到其他更复杂的地形区域，并有效优化地形特征的处理。