Sentinel-2A與GF-1數據在油菜種植提取中的差異性分析及提取方法對比研究

摘要：以Sentinel-2A和GF-1 WFV為數據源,分別采用最鄰近法(面向對象)及BP神經網絡法(基于像元),提取興化市油菜種植區,并對提取結果進行精度驗證;同時,結合官方數據,比較各提取組合類型(數據+方法)提取的油菜種植面積相對誤差.通過此,探討多源中高空間分辨率遙感數據中,油菜作物的提取效果差異性及適用的提取方法,并對研究區油菜種植空間格局特征進行分析.結果表明:針對Sentinel-2A和GF-1 WF數據,最鄰近法及BP神經網絡法提取效果均較好,各提取結果均顯示油菜種植區在缸顧鄉、周奮鄉、垛田鎮等西部區域主要呈集中連片分布,其他區域呈零星狀分布.相對于基于像元的分類法,面向對象分類法在精度評價中的各參數表現更佳,并能較為有效地避免復雜地物類型區像元錯分及漏分問題.針對同一數據,采用最鄰近法所提取Sentinel-2A數據的生產者精度、用戶精度以及油菜面積精度比BP神經網絡法分別多3.22%、0.43%、6.24%,采用最鄰近法所提取GF-1 WFV的生產者精度、用戶精度和油菜面積精度比BP神經網絡法高3.74%、0.10%、9.58%.針對同一方法,由于Sentinel-2A數據具更高的空間分辨率及更豐富的光譜信息,以上2種方法提取該數據的精度均高于GF-1 WFV數據,Sentinel-2A數據更適用于地物結構復雜,地塊細碎的小尺度地區的作物信息提取.