我校硕士生在国际期刊发表棉花遥感分类重要成果

我校信息工程学院2019级研究生费浩在国际期刊《Remote Sensing》发表了题为“Cotton Classification Method at the County Scale Based on Multi-Features and Random Forest Feature Selection Algorithm and Classifier”的学术论文，反映了遥感与数字农业团队在棉花作物分类和精准管理研究方向的重要进展。论文通讯作者为信息工程学院白铁成教授。该杂志为遥感领域Top期刊，SCI影响因子4.848。

图1 阿拉尔市棉花和主要作物分类结果

棉花是中国重要的经济作物，新疆棉花约占全球棉花产量的20%左右。精准的棉花分类和制图方法对于监测棉花生长和精准管理至关重要。研究提出了一种基于卫星遥感光谱、植被指数以及纹理多特征和随机森林（RF）分类器的县域尺度棉花分类和制图方法，在新疆10个棉花种植面积较高的县开展了试验，探讨了多种卫星遥感影像的特征对棉花分类精度的贡献。并对棉花分类精度的最佳时间、特征重要性和最优分类器进行了评价。

表1 不同特征分组和不同分类器得到的总体分类精度分布

该研究表明，基于灰度共生矩阵（GLCM）的纹理特征能够有效提高分类精度，结合多特征和随机森林的特征筛选和分类方法是一种准确、高效且稳定的县域尺度棉花分类方法。综合多特征分类的平均总体精度（OA）为93.36%，比单时相的光谱影像平均OA高7.33%，比多时相的光谱影像平均OA高2.05%。随机森林特征优选后的分类精度达到92.12%。研究结果可为开展棉花精准管理和精细估产提供基础方法。

论文链接：https://doi.org/10.3390/rs14040829