点击蓝字,等你关注
01 论文基本信息
点击封面图阅读第6期
点击首页图阅读本文
题目: 基于机器学习算法的河南省冬小麦面积提取研究
作者:王小飞,张方敏,任祖光,张世豪,高歌
第一单位:南京信息工程大学气象灾害预报预警与评估协同创新中心/江苏省农业气象重点实验室
文章出处:王小飞,张方敏,任祖光,等.基于机器学习算法的河南省冬小麦面积提取研究[J].江苏农业科学,2024,52(6):215-224.
02 文章介绍
研究背景
冬小麦是河南省的主要农作物之一,其产量占全国小麦总产量的28%(2021年统计年鉴)。因此,获取冬小麦准确的空间分布和种植面积信息,有助于充分发挥其潜在的生产力,促进我国农业的发展和粮食安全。
近年来,随着深度学习技术的快速发展,其在基于遥感的地物分类应用得到了广泛关注。其中,深度神经网络(deep neural network,简称DNN)算法在大数据上应用统计学习方法的表现较好。
研究内容
为了精准获取河南省冬小麦空间分布及面积数据,研究基于2003—2021年250m MODIS-NDVI时间序列遥感数据集,通过设置不同的阈值条件,获得高质量的样本数据,采用深度神经网络(DNN)方法,自动从NDVI时序数据中提取冬小麦特征,训练出非线性模型,在250m尺度对河南省冬小麦分布和面积进行识别。
结果与分析
识别结果
根据2003—2021年的样本数据, 基于DNN训练出冬小麦识别模型读取了冬小麦生长季内的16期MODIS-NDVI遥感影像。可知,2003—2021年河南省的冬小麦空间分布格局变化不明显, 河南省冬小麦种植面积整体呈上升趋势。
模型精度分析
通过精确率和损失率来评估模型的优劣,精确率衡量了模型预测的阳性样本中真正阳性样本的比例,而损失率则代表了模型预测错误的样本所占的比例。如下表所示,基于DNN算法的多年精确率为97.26%,比RF、SVM算法精确率分别提升5.75、7.95百分点。基于样本点的多年损失率为7.07%,比RF、SVM算法损失率分别降低19.79、22.46百分点。结果与以往其他研究相比,精确率提升8.31~11.54百分点,表明该模型
的精度较好,可以对河南省冬小麦的空间分布和面积进行提取。
识别精度分析
使用ArcMap软件对2003—2021年CLCD 30m的土地覆盖数据集进行250m重采样,然后分别与使用DNN、RF和SVM方法的250m冬小麦分类图进行空间对比。通过对耕地和冬小麦像元数量的统计,2003—2021年DNN预测的冬小麦空间分布与CLCD数据集耕地的重叠率达到98%以上,RF和SVM预测的冬小麦空间分布重叠率都在90%左右。
以国家青藏高原科学数据中心提供的华北平原农作物种植区分布图作为实际数据,对比结果表明,2003—2018年河南省冬小麦面积与DNN预测的面积一致性达到95%以上,与RF和SVM预测的面积一致性在90%以下。对比结果进一步说明,使用基于DNN的冬小麦训练模型能够较好地获取河南省2003—2021年冬小麦分布信息。
同样采用上述方法,与河南省统计年鉴中的冬小麦播种面积数据对比,表明基于DNN方法计算2003—2021年的分类面积与统计面积的一致性平均为97.97%,并且和基于统计面积的变化趋势一致,均为递增趋势。而RF和SVM算法预测面积在2003—2006年误差率高达20%~35%,导致基于RF和SVM算法的河南省冬小麦预测面积从2003—2021年呈递减趋势,与统计年鉴面积趋势变化呈相反结果。结果说明了基于DNN的冬小麦训练模型优于RF和SVM算法,亦能很好地反映河南省冬小麦的多年面积变化情况。
结论
和RF、SVM算法相比,DNN算法在精度上有明显的提升,能够更好地反映河南省冬小麦的时间变化趋势和空间面积分布。研究说明,运用中等分辨率长时间序列影像结合DNN算法,在一定程度上可以更准确识别大区域的农作物信息。
研究结合了DNN算法和MODIS-NDVI时序数据,MODIS-NDVI时序数据解决了中高分辨率影像数据量大、重访周期长、大范围内同一时间影像缺失等问题,DNN模型具有更强的学习能力和更好的泛化性能,在基于大样本数据的情况下,有效地避免混合像元带来的误差,为提高冬小麦种植面积的提取精度提供参考。
创新点及对农业生产的作用
03 作者简介
第一作者
王小飞
1995年生,河南周口人,硕士研究生,主要从事农业遥感研究
通信作者
张方敏
博士,教授,博士生导师,江苏省优秀青年人才
研究领域:主要从事生态和农业气象相关研究,目前关注碳水循环及其生态气候效应、气象灾害及对作物的风险评估、"AI+气象"等相关研究工作。
基金论文:主持和参与国家和省级基金、国家重点研发计划等多项课题。在RSE、JGR等国际国内权威期刊发表学术论文100余篇。
获奖荣誉:获省部级科学技术进步奖二等奖,中国气象服务协会科学技术奖二等奖。
//
04 延伸阅读
本刊相关论文推荐
基于多源时空数据的冬小麦产量预测模型
刘靖宇,李远斌,董昊,冯俊辰,丁云鸿
2023,51(19):198-208
点击右侧箭头免费下载 >>>>>
《江苏农业科学》(半月刊)1973年创刊,是江苏省农业科学院主管并主办的综合性农业科技期刊。
收录情况:入选中国精品科技期刊、北大中文核心期刊、中国科技核心期刊、RCCSE中国核心期刊、中国农林核心期刊。
学科排名:位列《科技期刊世界影响力指数(WJCI)报告》2023版中国农业科学第十一,知网年报农业科学综合第四,均入Q1区。
影响因子:2024年万方影响因子为1.809,2024年知网影响因子为2.048。
更多 · 交流
为了更好地服务作者,《江苏农业科学》编辑部成立了作者交流微信群,目前主要发布最新编辑部资讯、征稿启事、论文推荐及行业动态等信息,也可解答部分作者咨询。欢迎您扫下方二维码加小编微信(微信号vcknight),拉您进入作者交流群。
请备注“姓名+单位+入群理由”
往期精选
微信号丨jsnykxwx
长按识别二维码关注我们
编辑丨曹亚非
制作 | 曹亚非
审核丨吴桂亮
分享、在看与点赞,至少我要拥有一个吧