В поисках эффективного и высокоточного метода выделения площадей выращивания однолетнего риса на северо-востоке, данное исследование проводилось на территории города Паньцзинь провинции Ляонин. Использовались 6 сцен одиночных фаз GF-6 WFV, покрывающих ключевые фенологические периоды риса, а также временные серии изображений. Были построены четыре типа признаков: спектральные характеристики, вегетационные индексы, индексы водных поверхностей и красная кайма. Сортировка важности признаков проводилась методом уменьшения среднего нечистого показателя, а оптимальные входные признаки выбирались методом ошибки вне мешка. На основе отбора признаков была построена модель случайного леса для выделения распределения рисовых полей в Паньцзине за 2020 год. Результаты показали: (1) на основе одиночных фаз изображений на различных фенологических стадиях точность классификации превышала 94%, при этом лучший результат получен на изображении периода пересадки риса с общей точностью 97.67%, значением F1 (рис) 98.84%, коэффициентом Каппа 0.97 и точностью проверочных точек 97.22%; (2) по сравнению с одиночными фазами использование временных рядов повышало точность классификации и выделения риса, с общей точностью 99.33%, значением F1 (рис) 100.00%, коэффициентом Каппа 0.99 и точностью проверочных точек 97.22%; (3) сравнительный анализ результатов с использованием и без использования красной каймы показал, что ввод красного спектрального диапазона и индекса повышает точность классификации; (4) ввод пурпурного и жёлтого диапазонов улучшал точность, но меньше чем красный диапазон. Исследование подтверждает, что модель случайного леса с отбором признаков позволяет с использованием одиночных фаз изображений в период пересадки риса достигать точности, достаточной для практического применения, однако использование временных рядов может дополнительно повысить точность. Кроме того, новые спектральные диапазоны спутника GF-6 способны повысить точность классификации риса, что демонстрирует большой потенциал спутника GF-6 для точного выделения сельскохозяйственных культур.

дистанционное зондирование;случайный лес;красный спектральный диапазон;отбор признаков;Gaofen-6;рис;пурпурный спектральный диапазон;жёлтый спектральный диапазон