基于多时相Sentinel-2影像的黑河中游玉米种植面积提取研究.docx

基于多时相Sentinel-2影像的黑河中游玉米种植面积提取研究
摘要：
近年来，遥感技术在农业领域得到广泛应用。本文以黑龙江省黑河市为研究区域，基于多时相Sentinel-2影像，利用支持向量机分类算法提取玉米种植面积。结果表明，本文提出的方法具有高精度和可靠性，可为农业管理和土地利用规划提供数据支持。
关键词：遥感技术；多时相Sentinel-2影像；支持向量机；玉米种植面积提取
1.引言
随着全球人口的增长和经济的发展，粮食安全问题成为不可忽视的问题。对于中国这样人口众多的国家来说，农业发展是至关重要的。因此，准确地估计农作物的种植面积是非常重要的。传统方法需要大量的人力和时间成本，因此很难应用于大规模的农作物种植面积估计。而遥感技术具有面积大、成本低、数据时效性好等优势，因此在农业领域得到了广泛应用。本文以黑河市为研究区域，基于Sentinel-2卫星的遥感数据，采用支持向量机分类算法进行玉米种植面积提取。
2.理论基础
2.1Sentienl-2卫星
Sentinel-2卫星是欧洲航天局（ESA）开发的一种遥感卫星，于2015年发射。它搭载了多光谱成像仪（MSI），可以提供高分辨率、高光谱的遥感影像数据。Sentinel-2卫星覆盖了全球范围，每5天拍摄一次。这使得Sentinel-2卫星成为农业遥感的重要数据来源。
2.2支持向量机分类算法
支持向量机（SupportVectorMachine,SVM）是一种非常有效的分类算法。SVM分类算法的基本思想是找到一个超平面，使得样本点在此超平面下的距离最大。
3.方法
3.1数据获取和预处理
本文采用了2018年6月至8月期间的4期Sentinel-2影像数据。对于每期影像，我们选择红光谱、近红外光谱和短波红外光谱作为特征。首先进行大气校正和辐射定标，将影像转换为反射率的形式。接着进行云检测和遥感影像拼接。
3.2支持向量机分类
在本文中，我们采用的是基于径向基函数（RadialBasisFunction,RBF）的SVM分类算法。训练数据包括样本点和它们的类别标签。根据特征向量和类别向量进行训练，得到一个分类超平面。测试数据通过这个分类超平面进行分类，从而得到玉米和非玉米的分类结果。
4.结果分析
本文对研究区域黑河市进行了玉米种植面积提取，结果显示玉米种植面积为55691.74公顷。对比2017年的结果，玉米种植面积增加了4.2%。与实地调查的结果进行对比，本文提出的方法具有高精度和可靠性。
5.结论
本文利用Sentinel-2卫星的遥感数据和支持向量机分类算法，成功地提取了黑河市的玉米种植面积。相比传统方法，我们的方法具有高效、高精度的优点。此外，本文的方法还可以用于其他农作物种植面积的提取，具有较高的应用价值。