Con el fin de buscar un método eficiente y preciso para extraer el área de cultivo de arroz de temporada única en el noreste, este estudio tomó la ciudad de Panjin en la provincia de Liaoning como área de investigación, utilizando seis escenas de imágenes GF-6 WFV de fase única que cubren los períodos fenológicos clave del arroz, así como imágenes temporales. Se construyeron cuatro tipos de variables características: características espectrales, índices de vegetación, índices de cuerpos de agua e índices de borde rojo. La importancia se ordenó mediante el método de reducción de impureza promedio y las mejores características de entrada se seleccionaron mediante el método del error fuera de la bolsa. Se estableció un modelo de bosque aleatorio basado en la selección de características para extraer la distribución del cultivo de arroz en Panjin en 2020. Los resultados muestran: (1) Basado en imágenes de fase única durante diferentes períodos fenológicos del arroz, la precisión general de clasificación fue superior al 94%, siendo la mejor clasificación en la imagen del período de trasplante del arroz, con precisión general del 97.67%, valor F1 (arroz) del 98.84%, coeficiente Kappa de 0.97 y precisión de puntos de validación en campo del 97.22%. (2) En comparación con las imágenes de fase única, el uso de imágenes temporales para la clasificación de la cubierta terrestre y la extracción de información del arroz puede mejorar eficazmente la precisión de clasificación, con precisión general del 99.33%, valor F1 (arroz) del 100.00%, coeficiente Kappa de 0.99 y precisión de puntos de validación del 97.22%. (3) El análisis comparativo de los resultados de extracción con y sin participación de información de borde rojo mostró que la introducción de la banda y el índice de borde rojo puede mejorar la precisión de clasificación. (4) La introducción de las bandas de borde violeta y borde amarillo puede mejorar la precisión, pero el efecto es inferior a la información de borde rojo. Este estudio demuestra que el modelo de bosque aleatorio basado en la selección de características, utilizando imágenes de fase única en el período de trasplante de arroz, puede satisfacer las necesidades de precisión en aplicaciones reales, pero el uso de imágenes temporales puede mejorar aún más la precisión. Además, las nuevas bandas del satélite GF-6 pueden mejorar la precisión de clasificación del arroz, mostrando un gran potencial de aplicación del satélite GF-6 en la extracción detallada de cultivos.

teledetección;bose aleatorio;banda de borde rojo;selección de características;Gaofen-6;arroz;banda de borde violeta;banda de borde amarilla