由于大豆與玉米在生長階段和光譜特征極其相似,特別是在結(jié)莢早期,成為大豆種植區(qū)高精度遙感提取研究領(lǐng)域的重要難題。近日,安徽大學(xué)研究人員提出了一種基于Sentinel-1和Sentinel-2(S-1/2)遙感數(shù)據(jù)的分層和順序提取策略。通過整合最小化特征冗余與集成學(xué)習(xí)技術(shù),在減輕特征重疊的同時,提高了大豆識別的準(zhǔn)確性。相關(guān)成果以“Identification of soybean planting areas using Sentinel-1/2 remote sensing data: A combined approach of reduced redundancy feature optimization and ensemble learning”為題在《European Journal of Agronomy》上在線發(fā)表(DOI:10.1016/j.eja.2024.127480)。碩士研究生肖甜、安徽理工大學(xué)佘寶博士為論文共同第一作者,趙晉陵教授和黃林生教授為論文共同通訊作者,安徽大學(xué)為第一單位。
大豆在全球糧食系統(tǒng)和經(jīng)濟(jì)中扮演著關(guān)鍵角色,急需高精度和高效率獲取大豆種植區(qū)的種植面積和空間分布。衛(wèi)星遙感技術(shù)為大面積大豆種植區(qū)提取提供了重要的數(shù)據(jù)源和技術(shù)支撐,但遙感大數(shù)據(jù)存在的相關(guān)性、冗余性和相似性嚴(yán)重影響了大豆種植區(qū)的提取效率和精度。本方法采用減少冗余的最優(yōu)特征子集提取的大豆種植區(qū)準(zhǔn)確性與原始波段大致相當(dāng),但數(shù)據(jù)量減少了40%,表明所提方法顯著提升了大豆遙感提取的效率。
新聞鏈接:http://www.ahu.edu.cn/2024/1218/c15059a354743/page.htm
網(wǎng)站內(nèi)容來源于互聯(lián)網(wǎng),由網(wǎng)絡(luò)編輯負(fù)責(zé)審查,目的在于傳遞信息,提供專業(yè)服務(wù),不代表本網(wǎng)站平臺贊同其觀點(diǎn)和對其真實性負(fù)責(zé)。如因內(nèi)容、版權(quán)問題存在異議的,請與我們?nèi)〉寐?lián)系,我們將協(xié)調(diào)給予處理(按照法規(guī)支付稿費(fèi)或刪除),聯(lián)系方式:ahos@aiofm.ac.cn 。網(wǎng)站平臺將加強(qiáng)監(jiān)控與審核,一旦發(fā)現(xiàn)違反規(guī)定的內(nèi)容,按國家法規(guī)處理,處理時間不超過24小時。