现代农业 | 基于时序光谱角匹配-马尔可夫随机场的 Sentinel-2 冬小麦种植面积提取
现代农业 | 基于时序光谱角匹配-马尔可夫随机场的 Sentinel-2 冬小麦种植面积提取
摘 要:针对现有基于 Sentinel-2 的冬小麦遥感提取方法过度依赖训练样本、物候特征利用不充分且易产生椒盐噪声等问题,提出一种融合时序光谱角匹配(Spectral Angle Matching, SAM)与马尔可夫随机场(Markov Random Field, MRF)的无监督冬小麦提取方法。首先,基于多时相 Sentinel-2 影像构建归一化植被指数(Normalized Difference Vegetation Index, NDVI)与红边归一化植被指数(Normalized Difference Vegetation Index rededge1, NDVIre1)时序数据集;其次,选取少量纯净冬小麦像元提取标准物候特征曲线,采用 SAM 算法逐像元计算时序曲线与标准曲线的光谱角相似度,初步提取冬小麦候选区;再次,引入 MRF 模型,将 SAM 相似度作为观测概率,利用空间邻域势函数约束分类标签,通过迭代条件模式(ICM)算法优化得到空间连续、噪声抑制的最终分类结果;最后,统计冬小麦种植面积并分析提取精度。以西安市临潼区作为研究区,总体分类精度达 94.8%, Kappa 系数 0.921,冬小麦种植面积提取误差为 -1.0%。该方法无需大量训练样本,具有良好的普适性与抗噪性,为地形复杂区冬小麦遥感监测提供新思路。