檳榔、芒果機器學習遙感分類研究取得進展

近日，中國熱帶農業科學院科技信息研究所智慧農業研究中心在檳榔、芒果機器學習遙感分類研究上取得新進展。該研究在《遙感》（Remote Sensing）上發表。

芒果和檳榔是國內重要熱帶經濟作物，對地方農業農村經濟發展具有重要意義。及時、準確獲取芒果和檳榔種植園的空間結構信息不僅是區域農業結構調整和優化的主要依據，也是農業綠色高質發展的重要依托。國產高分遙感衛星技術以及機器學習算法的飛速發展為地塊破碎、空間異質性強的熱帶作物遙感監測提供了新方法，然而高分遙感衛星中出現的大量冗余特征信息會影響作物制圖精度。該研究利用海南三亞地區高分2號（Gaofen-2）衛星影像，采用五種特征優化算法（RFMDA、ReliefF、RFE、ABT和LR）研究適宜檳榔和芒果種植園遙感識別的優化特征參量，探尋特征優化算法與四種機器學習分類器（RF、SVM、CART和AdaBoost）的優化組合，有效提高檳榔和芒果種植園的遙感分類精度。

研究結果顯示，采用特征優化算法可將檳榔和芒果的總體分類精度提高1~4%，且不同的特征優化算法適宜于不同機器學習分類器。具體來看：LR適宜于RF、SVM，組合獲得的總體分類精度分別為89.1%、89.88%；ABT與CART形成的組合，僅用8個特征參量獲得了84.44%的總體精度；ReliefF與AdaBoost的組合最佳分類精度為86.77%。從分類結果圖中可以看出，四種優化組合均能較好地識別芒果種植園；而RF-LR組合，能產生較高的檳榔分類制圖精度。

該研究表明國產高分二號影像能較好運用于高度破碎化的經濟作物種植區作物分類，研究方法為大面積熱帶復雜種植區作物的遙感精細分類識別提供技術支撐。

中國熱帶農業科學院科技信息研究所為論文第一單位，文章第一作者為羅紅霞副研究員。研究得到海南省自然科學基金項目，海南省重點研發計劃項目等資助。