Dans la recherche d'une méthode efficace et précise pour extraire la surface de culture du riz saisonnier dans le nord-est, cette étude prend la ville de Panjin dans la province du Liaoning comme zone de recherche. En utilisant six scènes d'images GF-6 WFV monocroisées couvrant les périodes phénologiques clés du riz, ainsi que des images temporelles, quatre types de variables caractéristiques ont été construites : caractéristiques spectrales, indices de végétation, indices de surface d'eau et indices de bord rouge. La classification de l'importance a été réalisée par la méthode de réduction de l'impureté moyenne et les meilleures caractéristiques d'entrée ont été sélectionnées par la méthode de l'erreur hors sac. Un modèle de forêt aléatoire basé sur la sélection des caractéristiques a été établi pour extraire la distribution de la culture du riz à Panjin en 2020. Les résultats montrent : (1) Sur la base d'images monocroisées couvrant différentes périodes phénologiques du riz, la précision globale de classification dépasse 94%, avec un meilleur résultat au stade de repiquage du riz, présentant une précision globale de 97,67 %, un score F1 (riz) de 98,84 %, un coefficient Kappa de 0,97 et une précision des points de validation sur le terrain de 97,22 %. (2) Par rapport aux images monocroisées, l'utilisation d'images temporelles pour la classification de l'occupation des sols et l'extraction des informations sur le riz améliore efficacement la précision de classification, avec une précision globale de 99,33 %, un score F1 (riz) de 100,00 %, un coefficient Kappa de 0,99 et une précision des points de validation de 97,22 %. (3) L'analyse comparative des résultats d'extraction avec et sans informations de bord rouge montre que l'introduction de la bande et de l'indice de bord rouge améliore la précision de classification. (4) L'introduction des bandes de bord violet et de bord jaune peut améliorer la précision, mais l'effet est inférieur à celui des informations de bord rouge. Cette étude prouve que le modèle de forêt aléatoire basé sur la sélection de caractéristiques utilisant des images monocroisées au stade de repiquage du riz répond aux exigences de précision pour l'application pratique, mais que l'utilisation d'images temporelles peut améliorer davantage la précision. De plus, les nouvelles bandes du satellite GF-6 améliorent la précision de classification du riz, montrant le grand potentiel d'application du satellite GF-6 dans l'extraction fine des cultures.

télédétection;forêt aléatoire;bande de bord rouge;sélection des caractéristiques;Gaofen-6;riz;bande de bord violet;bande de bord jaune