基于遥感时间序列影像和数据挖掘算法的稻田重金属胁迫等级物候特征分类

摘要： 作物中的重金属污染会导致物候变化，这种变化可通过遥感技术进行监测。本研究旨在基于遥感物候学建立一种准确评估水稻重金属胁迫的方法。首先应用增强时空自适应反射率融合模型（ESTARFM）融合中分辨率成像光谱仪（MODIS）和Landsat数据，生成30米分辨率的时序融合影像，进而计算与水稻冠层绿度和含水量相关的植被指数（VIs）以构建时序VI数据集。其次从VI时序数据中提取物候指标，并设计特征选择方案获取最优物候指标子集。最后采用随机森林（RF）和梯度提升（GB）分类器构建以最优物候指标为分类特征的集成模型，实施胁迫等级分类。结果表明不同胁迫等级的判别总体精度超过98%。本研究表明融合影像可用于检测水稻重金属胁迫，所提方法或可适用于胁迫等级分类。