基于时序遥感影像物候特征的四川省油菜种植范围提取OA北大核心CSTPCD

基于高分辨率卫星影像的作物分类在农业估产中具有重要应用价值,但在云雨多发地区,卫星成像效果不佳,单时相光学影像难以有效分析不同作物生长规律和特征差异。此外,植被光谱高度相似、随时空动态变化,也给作物高精度识别带来挑战。本研究从作物物候特征的排他性和稳定性出发,基于优化三谐波拟合模型,提出了一种以农作物物候特征为基础,融合光谱、地形、纹理等辅助信息的多特征分类框架。利用该框架,基于Google Earth Engine平台对四川省2020—2021年油菜种植范围进行遥感识别与提取。实验结果表明,该框架具有较好的提取效果,油菜分类总体精度达96.6%,Kappa系数为0.906,分类结果与统计年鉴数据吻合较好。与现有方法相比,该方法分类精度更高,能够实现多时相、大范围农作物精细空间分布的快速提取。