2025年01月09日
星期四
由于大豆与玉米在生长阶段和光谱特征极其相似，特别是在结荚早期，成为大豆种植区高精度遥感提取研究领域的重要难题。近日，安徽大学研究人员提出了一种基于Sentinel-1和Sentinel-2（S-1/2）遥感数据的分层和顺序提取策略。通过整合最小化特征冗余与集成学习技术，在减轻特征重叠的同时，提高了大豆识别的准确性。相关成果以“Identification of soybean planting areas using Sentinel-1/2 remote sensing data: A combined approach of reduced redundancy feature optimization and ensemble learning”为题在《European Journal of Agronomy》上在线发表（DOI：10.1016/j.eja.2024.127480）。硕士研究生肖甜、安徽理工大学佘宝博士为论文共同第一作者，赵晋陵教授和黄林生教授为论文共同通讯作者，安徽大学为第一单位。
大豆在全球粮食系统和经济中扮演着关键角色，急需高精度和高效率获取大豆种植区的种植面积和空间分布。卫星遥感技术为大面积大豆种植区提取提供了重要的数据源和技术支撑，但遥感大数据存在的相关性、冗余性和相似性严重影响了大豆种植区的提取效率和精度。本方法采用减少冗余的最优特征子集提取的大豆种植区准确性与原始波段大致相当，但数据量减少了40%，表明所提方法显著提升了大豆遥感提取的效率。
新闻链接：http://www.ahu.edu.cn/2024/1218/c15059a354743/page.htm
网站内容来源于互联网，由网络编辑负责审查，目的在于传递信息，提供专业服务，不代表本网站平台赞同其观点和对其真实性负责。如因内容、版权问题存在异议的，请与我们取得联系，我们将协调给予处理（按照法规支付稿费或删除），联系方式：ahos@aiofm.ac.cn 。网站平台将加强监控与审核，一旦发现违反规定的内容，按国家法规处理，处理时间不超过24小时。
版权所有：安徽省光学学会（社证字第 0156号）
地址：安徽省合肥市蜀山湖路350号中科院安徽光机所一号楼
EMAIL：ahos@aiofm.ac.cn
