東北地域における効率的かつ高精度な一季水稲栽培面積抽出方法を模索するため、本研究では遼寧省盤錦市を研究区域とし、水稲の主要生育期をカバーする6シーンのGF-6 WFV単時相画像および時系列画像を利用した。スペクトル特徴、植生指数、水域指数、レッドエッジ指数の4種類の特徴変数を構築し、平均不純度減少法による重要度順位付けと袋外誤差を用いた最適入力特徴選択を行った。特徴選択に基づくランダムフォレストモデルを構築し、2020年盤錦市の水稲栽培分布を抽出した。結果は以下の通りである：(1) 水稲の異なる生育期に基づく単時相画像では、全体の分類精度は94%以上であり、水稲移植期の画像分類結果が最良であった。全体精度、F1値（水稲）、カッパ係数および実地検証点の精度はそれぞれ97.67%、98.84%、0.97、97.22%であった。(2) 単時相画像と比較して、時系列画像を用いた土地被覆分類および水稲情報抽出は分類精度を効果的に向上させ、全体精度99.33%、F1値（水稲）100.00%、カッパ係数0.99、実地検証点精度97.22%であった。(3) レッドエッジ情報の有無による水稲抽出結果の比較分析において、レッドエッジ波長帯およびレッドエッジ指数の導入は分類精度を向上させた。(4) パープルエッジおよびイエローエッジ波長帯の導入は分類精度を向上させたが、レッドエッジ情報ほどの効果はなかった。本研究は、特徴選択に基づくランダムフォレストモデルが水稲移植期の単時相画像を用いて水稲栽培分布を抽出することで、実際の応用に必要な精度を満たし、時系列画像を用いることでさらなる分類精度の向上が可能であることを証明した。加えて、GF-6衛星の新規波長帯は水稲分類精度の向上に寄与し、GF-6衛星が作物の精細抽出に大きな応用可能性を持つことを示している。

リモートセンシング;ランダムフォレスト;レッドエッジ波長帯;特徴選択;高分六号;水稲;パープルエッジ波長帯;イエローエッジ波長帯