文 章 信 息
题目：基于高分影像特征优选的黄土高原撂荒耕地遥感监测方法
期刊：农业工程学报
级别：北大核心、EI、CSCD
影响因子：3.7
第一作者：李仂
通讯作者：周孝明
发表单位：兰州理工大学土木工程学院
发布日期：2023年12月27日
基于高分影像特征优选的黄土高原撂荒耕地遥感监测方法
Monitoring method for abandoned farmland on the Loess Plateau based on feature optimization of remote sensing images with high spatial resolution
摘要
快速、准确地监测撂荒耕地对研究土地利用变化、保障国家粮食安全和制定农业政策有着重要意义，黄土高原地区复杂地貌和耕地破碎性对监测撂荒耕地颇具挑战性。该研究以国产高分卫星遥感影像为主要数据源，使用耦合遗传算法的离散二进制粒子群算法改进最佳指数因子法优选分类特征因子，采用随机森林分类和分类后变化检测方法，获得试验区2011—2022年撂荒耕地时空分布信息，通过影像目视判读和实地调查相结合的方式进行结果验证和精度评价，结果表明：1)经重要性评估发现NDVI平均精度减少(mean decrease accuracy,MDA)得分最高，经改进的优选特征方法优选特征为：绿波段、红波段、近红外波段、蓝绿波段比值指数、坡度、NDVI、方差、对比度，特征优选有效提高了高分影像的土地利用分类精度和效率；2)国产高分卫星数据可实现地块尺度撂荒耕地的精准识别，经验证，撂荒耕地识别总体精度达到92.48%;3)2011—2022年间研究区撂荒耕地总面积为5492.51 hm2,2011—2014年撂荒率最大，达21.09%,2020—2022年撂荒率最小，为0.99%。该研究构建了黄土高原地区地块尺度撂荒耕地遥感监测的方法，并进行验证和评价，对推动撂荒耕地相关研究和国产高分卫星数据的实践应用具有积极意义。
撂荒耕地;高分遥感影像;特征选择;黄土高原;随机森林;
试验研究区位于北京市昌平区小汤山镇国家精准农业研究示范基地（40°10′34″N，116°26′39″E，图1），属暖温带半湿润大陆性季风气候。本试验区共划分成60个3.6m×3.6m的小区，包含4个种植密度，分别为45000、60000、67500、90000 株/hm2，每个种植密度由5个品种的3组随机重复组成，品种包括郑单958（A1），纪元1号（A2），纪元168（A3），京九青贮 16（A4），农科糯 336（A5）具体研究区概况如图1所示。
本文充分挖掘高分卫星影像的光谱、纹理以及研究区地形、物候等信息。采用遗传算法结合离散二进制粒子群 (GABPSO) 改进最佳指数因子 (OIF) 的特征优选方法，利用随机森林分类和逐年变化检测方法提取撂荒耕地，并对结果进行验证和评价。主要研究结论如下：
1）利用改进OIF的特征优选方法结合随机森林分类器的分类精度高于未经优选和原始OIF优选的方法。针对特征过拟合的问题，OIF指数能有效对整体组合进行评估，遗传算法结合离散二进制粒子群能有效快速地收敛到全局最优解，在计算性能、全局搜索性、通用性等方面占有优势。
2）本文提出的撂荒耕地遥感监测方法提取的撂荒耕地图斑位置准确率为 96%，识别率为92.48%，200～400m2 的碎小图斑识别率达90.11%。研究结果表明改进的OIF特征优选结合随机森林方法监测撂荒耕地具有较高精度，国产高分卫星数据具备地块尺度的撂荒耕地监测能力，该方法体系可为黄土高原丘陵地区的撂荒耕地监测提供技术选择。
3）在2011—2022年间，研究区撂荒耕地面积总值5492.51hm2，2011至2014年撂荒率最大，达21.09%，2020至2022年撂荒率最小，为0.99%。研究区的撂荒耕地地块破碎，空间分布呈总体分散、局部集中、分布零散特征。随时间推进，研究区内由大规模集中式的撂荒逐渐演变为规模较小、零碎的耕地撂荒。
文 章 信 息
