doi：10.15889/j.issn.1002-1302.2024.20.012

摘要：為快速、準(zhǔn)確、高效地獲取棉花種植空間分布信息，提高棉花信息提取精度，基于機(jī)器學(xué)習(xí)的遙感圖像識(shí)別方法，是有效解決問(wèn)題的途徑。以新疆維吾爾自治區(qū)烏蘇市為研究區(qū)，利用哨兵2號(hào)遙感數(shù)據(jù)，選取6種常用植被指數(shù)、3種紅邊植被指數(shù)，基于遙感植被指數(shù)變化曲線(xiàn)進(jìn)行棉花特征時(shí)段選擇，并分別采用梯度提升決策樹(shù)、隨機(jī)森林、支持向量機(jī)算法，通過(guò)RF特征優(yōu)選，進(jìn)行棉花種植區(qū)空間分布信息提取，并對(duì)提取結(jié)果精度驗(yàn)證。結(jié)果表明，機(jī)器學(xué)習(xí)方法（GBDT、RF、SVM）的總體分類(lèi)精度分別為0.92、0.91、0.88，Kappa系數(shù)分別為0.91、0.89、0.85；經(jīng)RF特征優(yōu)選后的機(jī)器學(xué)習(xí)算法（RF-GBDT、RF-RF、RF-SVM）的總體分類(lèi)精度分別為0.94、0.94、0.91，Kappa系數(shù)分別為0.93、0.92、0.88；經(jīng)RF特征優(yōu)選后的3種機(jī)器學(xué)習(xí)算法（RF-GBDT、RF-RF、RF-SVM）的總體精度分別比RF特征優(yōu)選前（GBDT、RF、SVM）的總體精度分別提高了0.02、0.03、0.03，Kappa系數(shù)分別提高了0.02、0.03、0.03。GBDT作為一種集成的機(jī)器學(xué)習(xí)算法，在地物分類(lèi)與棉花提取方面有著較好的應(yīng)用效果，且經(jīng)過(guò)特征優(yōu)選的RF-GBDT算法精度更高。這表明在進(jìn)行機(jī)器學(xué)習(xí)分類(lèi)前，通過(guò)算法對(duì)輸入特征進(jìn)行重要性篩選，可有效避免因特征冗余造成的分類(lèi)精度下降，可實(shí)現(xiàn)更高精度的棉花種植區(qū)域提取。

關(guān)鍵詞：棉花提取；哨兵2號(hào)；機(jī)器學(xué)習(xí)；特征優(yōu)選；遙感；GBDT

中圖分類(lèi)號(hào)：S127；TP79" 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2024）20-0092-12

收稿日期：2024-01-10

基金項(xiàng)目：北京空間機(jī)電研究所航天進(jìn)入減速與著陸技術(shù)實(shí)驗(yàn)室開(kāi)放基金（編號(hào)：EDL19092304）。

作者簡(jiǎn)介：白淑英（1973—），女，內(nèi)蒙古寧城人，博士，教授，從事遙感與地理信息系統(tǒng)在生態(tài)環(huán)境中的應(yīng)用研究。E-mail：001462@nuist.edu.cn。

棉花作為全球重要的經(jīng)濟(jì)作物，其種植區(qū)域的空間分布信息對(duì)于棉花產(chǎn)量估算和農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)值預(yù)測(cè)具有至關(guān)重要的影響。在這一背景下，遙感技術(shù)憑借其廣泛的覆蓋范圍、強(qiáng)大的時(shí)效性和短周期的特點(diǎn)，成為了快速識(shí)別棉花種植區(qū)域的有效工具，有效地彌補(bǔ)了傳統(tǒng)統(tǒng)計(jì)數(shù)據(jù)的滯后性。機(jī)器學(xué)習(xí)方法，由于其操作便捷和高精度的特性，在提取棉花種植區(qū)空間分布信息方面展現(xiàn)出了巨大的潛力。結(jié)合遙感數(shù)據(jù)，這些方法能夠迅速、準(zhǔn)確、高效地捕獲棉花生產(chǎn)管理、面積統(tǒng)計(jì)與產(chǎn)量估算等關(guān)鍵信息。

目前，遙感植被指數(shù)法是提取棉花種植信息的常用方法。該方法主要利用時(shí)間序列植被指數(shù)數(shù)據(jù)，通過(guò)分析棉花在盛鈴期的植被指數(shù)和光譜特征的獨(dú)特性，實(shí)現(xiàn)與其他地物的有效區(qū)分。在這一領(lǐng)域，已有眾多學(xué)者取得了顯著的研究成果。如呂紹倫等運(yùn)用遙感云計(jì)算平臺(tái)和哨兵2號(hào)影像，利用光譜和不同物候周期作物的植被指數(shù)變化構(gòu)建了高精度的棉花提取模型［1］。魏瑞琪等使用TIMESAT進(jìn)行棉花像元的時(shí)間序列數(shù)據(jù)分析，獲得了棉花生長(zhǎng)曲線(xiàn)，并提取了種植區(qū)域［2］。王文靜等利用多時(shí)相的哨兵2號(hào)數(shù)據(jù)、NDVI（歸一化植被指數(shù)）、反射率及紋理等，經(jīng)特征優(yōu)選后，對(duì)石河子市的棉花種植區(qū)域進(jìn)行了提取研究［3］。劉傳跡等以MODISEVI數(shù)據(jù)為基礎(chǔ)，應(yīng)用Double-Logistic濾波對(duì)棉花生長(zhǎng)曲線(xiàn)進(jìn)行重構(gòu)，得到棉花生長(zhǎng)閾值，由此提取了棉花種植區(qū)域［4］。Ren等基于GEE和Sentinel-2（哨兵2號(hào)）數(shù)據(jù)，結(jié)合興趣面積指數(shù)、S-G濾波等，建立時(shí)間序列表型分析方法，篩選棉花提取關(guān)鍵時(shí)相數(shù)據(jù)，將面向?qū)ο蟮男畔⑻崛》椒ㄅc光譜特征和紋理特征相結(jié)合，對(duì)棉花分布信息進(jìn)行提?。?］。此外，有學(xué)者自行提出或選用了其它的提取指標(biāo)。如Wang等基于棉花開(kāi)鈴期獨(dú)特的冠層特征，提出了一種新的白鈴指數(shù)（WBI）進(jìn)行棉花種植區(qū)域提取研究［6］。He等基于Sentinel-2，利用MERRA-2的逐時(shí)氣象數(shù)據(jù)、棉花初級(jí)生產(chǎn)總值（GPP）和葉面積指數(shù)（LAI）等提取了棉花信息，并估算了棉花產(chǎn)量［7］。

由于機(jī)器學(xué)習(xí)在處理地理大數(shù)據(jù)和復(fù)雜特征分類(lèi)方面具有明顯的優(yōu)勢(shì)，因此使用機(jī)器學(xué)習(xí)算法對(duì)遙感影像進(jìn)行土地利用分類(lèi)及作物信息提取，已成為研究熱點(diǎn)。機(jī)器學(xué)習(xí)法主要包括決策樹(shù)、隨機(jī)森林（RF）、支持向量機(jī)（SVM）、k平均算法（k-means）等，其中在棉花提取方面用得較多的是決策樹(shù)、隨機(jī)森林2種方法。Li等利用CBERS01和HJ1B衛(wèi)星圖像，使用決策樹(shù)算法計(jì)算棉花種植區(qū)域面積，并分析了棉花種植區(qū)域的時(shí)空變化規(guī)律［8］。田野等采用支持向量機(jī)和專(zhuān)家知識(shí)決策樹(shù)分類(lèi)法，基于不同時(shí)期的衛(wèi)星數(shù)據(jù)提取了棉花種植面積等信息［9］。荀蘭提出了基于多光譜和合成孔徑雷達(dá)影像的集成學(xué)習(xí)算法，通過(guò)各種分類(lèi)器和特征，成功識(shí)別了棉花種植區(qū)域［10］。Fei等提出了基于光譜、植被指數(shù)、紋理等多特征選擇的隨機(jī)森林特征選擇算法和基于不同分類(lèi)器的縣尺度棉花提取方法，評(píng)價(jià)了分類(lèi)時(shí)間、特征重要性和分類(lèi)器對(duì)棉花提取精度的影響［11］。王匯涵等采用隨機(jī)森林（RF）、支持向量機(jī)（SVM）、決策樹(shù)（CART）進(jìn)行棉花種植區(qū)域提取，利用順序向前選擇（SFS）和偏最小二乘算法（PLSR）成功預(yù)測(cè)了棉花產(chǎn)量［12］。美合日阿依·莫一丁等利用哨兵2號(hào)數(shù)據(jù)，構(gòu)建NDVI和紅邊歸一化植被指數(shù)（RENDVI783）時(shí)序數(shù)據(jù)，采用S-G濾波法與袋外誤差法對(duì)物候特征進(jìn)行特征優(yōu)選；并利用RF進(jìn)行分類(lèi)和棉花提?。?3］。Rodriguez-Sanchez等通過(guò)使用從正交圖中提取的單個(gè)地塊圖像，訓(xùn)練具有4個(gè)選定特征的SVM分類(lèi)器來(lái)識(shí)別每個(gè)地塊圖像中的棉花像素，對(duì)分類(lèi)后的棉花像素進(jìn)行形態(tài)學(xué)圖像處理，并進(jìn)行聚類(lèi)及預(yù)測(cè)［14］。Hong等基于Sentinel-2，利用光譜特征、植被指數(shù)特征和紋理特征創(chuàng)建了7種分類(lèi)并生成SVM分類(lèi)器，實(shí)現(xiàn)了高精度的棉花提?。?5］。王利民等基于5 m空間分辨率的Rapideye影像，采用紅邊、近紅外波段反射率之和構(gòu)建了棉花提取指數(shù)（CEI），結(jié)合同期水體、裸地（含城鎮(zhèn)建筑）掩模處理，分別采用最大似然分類(lèi)方法和隨機(jī)森林分類(lèi)方法對(duì)影像進(jìn)行分類(lèi)和精度驗(yàn)證，實(shí)現(xiàn)了棉花類(lèi)型的識(shí)別［16］。

在使用機(jī)器學(xué)習(xí)算法時(shí)，須確保所選模型具備良好的泛化能力，這關(guān)乎模型在不同數(shù)據(jù)環(huán)境下的穩(wěn)定性和準(zhǔn)確性。為防止模型過(guò)度擬合，選擇合適的樣本數(shù)據(jù)集并進(jìn)行適當(dāng)?shù)膮?shù)調(diào)整是十分必要的。基于此，本研究首先運(yùn)用遙感植被指數(shù)法來(lái)獲取棉花最佳研究時(shí)期的遙感影像數(shù)據(jù)。接著，選取樣本點(diǎn)，并以植被指數(shù)、紅邊植被指數(shù)、地形等作為輸入因子。然后采用梯度提升決策樹(shù)（GBDT）、隨機(jī)森林（RF）和支持向量機(jī)（SVM）3種算法，通過(guò)RF算法進(jìn)行特征選擇，并進(jìn)行因子相關(guān)性分析，旨在篩選出與棉花提取最為相關(guān)的因子，以期實(shí)現(xiàn)更高精度的棉花種植區(qū)域提取。

1" 數(shù)據(jù)源及數(shù)據(jù)預(yù)處理

1.1" 研究區(qū)概況

研究區(qū)在新疆維吾爾自治區(qū)塔城地區(qū)烏蘇市，位于新疆維吾爾自治區(qū)西北部（如圖1所示），地處43°34′～45°17′N(xiāo)、83°24′～85°06′E，全市總面積2.07萬(wàn)km2。烏蘇市地處北溫帶干旱地區(qū)，年均氣溫7.3 ℃，實(shí)際日照時(shí)數(shù)可達(dá)2 600～2 800 h，年均降水量為158 mm。烏蘇市年溫差較大，光照時(shí)間長(zhǎng)，降水量小，適宜棉花的生長(zhǎng)。由于特殊的氣候環(huán)境，烏蘇市不僅是全國(guó)優(yōu)質(zhì)棉生產(chǎn)基地、還是重要的糧食和水果產(chǎn)地。

1.2" 數(shù)據(jù)源

本研究使用的遙感數(shù)據(jù)是哨兵2號(hào)（Sentinel-2）高分辨率多光譜成像衛(wèi)星的L2A級(jí)數(shù)據(jù)，地面分辨率有10、20、60 m。選用12個(gè)波段作為棉花提取的特征因子，輸入機(jī)器學(xué)習(xí)算法中進(jìn)行棉花信息提取（表1）。

本研究使用谷歌地球引擎（GEE），獲取研究區(qū)3—10月可用的哨兵2號(hào)遙感影像共14幅（表2），分別計(jì)算不同生長(zhǎng)時(shí)期棉花的NDVI與近紅外（NIR）等植被指數(shù)。發(fā)現(xiàn)當(dāng)棉花處于盛鈴期（7—9月）時(shí)，NDVI、NIR的像元亮度（DN）值高于其他地物，易與其他地類(lèi)進(jìn)行區(qū)分，此時(shí)是提取棉花信息的最佳時(shí)期。

1.3" 數(shù)據(jù)預(yù)處理

GEE是由Google云基建提供的云平臺(tái)，用于獲取和處理遙感數(shù)據(jù)。它可以處理大規(guī)模的地球科學(xué)數(shù)據(jù)集，特別是遙感影像數(shù)據(jù)，而且支持全球尺度的在線(xiàn)處理、分析和可視化［17］。GEE提供了Python API和JavaScript API 2種語(yǔ)言接口［18］。與傳統(tǒng)的遙感數(shù)據(jù)處理工具相比， GEE在遙感數(shù)據(jù)處理方面具有許多優(yōu)勢(shì)。

首先利用GEE平臺(tái)進(jìn)行遙感影像的下載、鑲嵌、樣本點(diǎn)的選取等，然后上傳研究區(qū)范圍矢量數(shù)據(jù)，利用maskS2clouds函數(shù)進(jìn)行去云。選擇哨兵2號(hào)數(shù)據(jù)集“COPERNICUS/S2_SR”，篩選日期與云量，并利用研究區(qū)感興趣區(qū)域（ROI）進(jìn)行裁剪操作，即可得到相應(yīng)時(shí)間的遙感影像。

2" 訓(xùn)練樣本及特征選取

2.1" 訓(xùn)練樣本選取

模型訓(xùn)練所用的數(shù)據(jù)集也稱(chēng)為訓(xùn)練樣本，是整個(gè)分類(lèi)算法的基礎(chǔ)。訓(xùn)練樣本的質(zhì)量直接決定了分類(lèi)的結(jié)果與精度。通過(guò)遙感影像目視解譯，結(jié)合研究區(qū)的實(shí)際情況，利用GEE平臺(tái)選擇了6類(lèi)訓(xùn)練樣本，包括水體、建筑、裸地、棉花、林地和耕地（圖2），各類(lèi)訓(xùn)練樣本的數(shù)量見(jiàn)表3。

為了量化各類(lèi)樣本間的可分離性，本研究采用了轉(zhuǎn)換分離性和JM距離作為關(guān)鍵指標(biāo)。轉(zhuǎn)換分離性是基于馬氏距離概念的統(tǒng)計(jì)度量，用于評(píng)估多變量分布之間的差異，特別適用于模式識(shí)別和圖像處理領(lǐng)域。而JM距離是用于度量2個(gè)概率分布之間差異的統(tǒng)計(jì)量，廣泛應(yīng)用于模式識(shí)別和遙感影像分類(lèi)。這2個(gè)參數(shù)的值在0～2之間［19］，大于1.9則樣本之間的可分離性較好；小于1.8則可分離性較差，需重新選取。在本研究中，所選訓(xùn)練樣本的可分離性見(jiàn)表4。經(jīng)分析，各樣本類(lèi)別間的JM距離均大于1.8，這表明所選樣本在特征空間中具有較好的區(qū)分度。這一結(jié)果為后續(xù)的遙感影像分類(lèi)提供了堅(jiān)實(shí)的基礎(chǔ)，確保了分類(lèi)過(guò)程的有效性和準(zhǔn)確性。

2.2" 特征因子選取

特征因子中，植被指數(shù)包括：歸一化植被指數(shù)（NDVI）、比值植被指數(shù)（RVI）、差值植被指數(shù)（DVI）、增強(qiáng)型植被指數(shù)（EVI）、歸一化水體指數(shù)（NDWI）、土壤調(diào)節(jié)植被指數(shù)（SAVI）6種。Sentinel-2的優(yōu)勢(shì)在于其擁有3個(gè)紅邊波段，使其在識(shí)別植被信息方面非常有效，因此，本研究選取了紅邊植被指數(shù)（REP）、地面葉綠素指數(shù)（MTCI）、歸一化差值紅邊指數(shù)（NDRE1）3種紅邊植被指數(shù)。

紋理特征包括7類(lèi)：均值、協(xié)同性、對(duì)比度、相異性、熵、角二階距和相關(guān)性。采用灰度共生矩陣（GLCM）方法提取紋理特征，它通過(guò)描述像元對(duì)之間的空間結(jié)構(gòu)特征及其相關(guān)性來(lái)定量描述遙感影像［20］，是應(yīng)用最廣泛的一種紋理特征提取方法。通過(guò)主成分分析方法，選取前2個(gè)主分量的7種紋理特征（共14個(gè)）作為紋理因子。選取了坡度、坡向、海拔3個(gè)地形因子。

本研究共選取了哨兵2號(hào)的12個(gè)波段、6種植被指數(shù)、3種紅邊植被指數(shù)、前2個(gè)主成分的7個(gè)紋理因子，以及3個(gè)地形因子，共38個(gè)特征因子作為機(jī)器學(xué)習(xí)算法的輸入?yún)?shù)（表5）。

3" 研究方法

3.1" 技術(shù)路線(xiàn)

由圖3可知，首先，從GEE平臺(tái)獲取哨兵2號(hào)遙感數(shù)據(jù)，選取訓(xùn)練樣本點(diǎn)和特征因子；其次，根據(jù)棉花夏季在NDVI、NIR上的特殊光譜曲線(xiàn)特征，進(jìn)行棉花特征時(shí)段選擇；隨后，將所有特征因子輸入，分別利用GBDT、RF、SVM 機(jī)器學(xué)習(xí)算法，進(jìn)行棉花信息提取；然后，利用RF進(jìn)行特征優(yōu)選，并將經(jīng)優(yōu)選的所有特征因子，再次輸入3種機(jī)器學(xué)習(xí)算法，進(jìn)行棉花提取；最后，比較幾種方法的提取結(jié)果和精度，評(píng)價(jià)RF特征優(yōu)選對(duì)于棉花提取效果和分類(lèi)精度的影響。

3.2" 棉花信息提取方法

3.2.1" 基于遙感植被指數(shù)變化曲線(xiàn)的棉花特征時(shí)段選擇

由圖4可知，棉花的生長(zhǎng)周期主要包括5個(gè)階段，分別是出苗期、苗期、蕾期、盛鈴期和吐絮期。當(dāng)棉花處于盛鈴期時(shí)，NIR的DN值會(huì)大幅上升，此時(shí)棉花NIR的DN值會(huì)明顯高于其他農(nóng)作物與森林、灌木等植被。所以，NIR可有效地將棉花與各類(lèi)作物、植被進(jìn)行區(qū)分。因此，可通過(guò)NDVI與NIR結(jié)合設(shè)定光譜閾值的方法，獲取棉花的特征時(shí)段。

3.2.2" 基于梯度提升決策樹(shù)的棉花信息提取方法

1999年Freiman提出了梯度提升決策樹(shù)（GBDT），該算法是一種迭代的決策樹(shù)算法，主要是由多棵CART樹(shù)組成［21］。GBDT的主要思想是，每次建立的新模型均以上一個(gè)模型損失函數(shù)的負(fù)梯度為基礎(chǔ)，通過(guò)多個(gè)弱學(xué)習(xí)器合成為強(qiáng)學(xué)習(xí)器［22］。GBDT屬于Boosting算法家族，核心在于迭代地訓(xùn)練決策樹(shù)，以便每一棵樹(shù)都能修正前一棵樹(shù)的錯(cuò)誤，從而逐漸減少模型在訓(xùn)練集上的損失，GBDT不僅可用于分類(lèi)，還可用于回歸［23］。GBDT算法的流程如下。

對(duì)弱分類(lèi)器進(jìn)行初始化：

f0（x）=argminγ∑Ni=1L（yi，γ）。

式中：L表示損失函數(shù)；γ表示使損失函數(shù)最小化的值，為常數(shù)。

對(duì)每次迭代m=1，2，…，M。計(jì)算第i個(gè)樣本第m輪的殘差：

γim=-L［yi，f（xi）］f（xi）f（x）=fm-1（x）。

利用（xi，rim），對(duì)CART回歸樹(shù)進(jìn)行擬合，其葉子節(jié)點(diǎn)將空間劃分為獨(dú)立區(qū)域。該回歸樹(shù)的葉子區(qū)域?yàn)镽jm，j=1，2，…，J（節(jié)點(diǎn)個(gè)數(shù)）。

對(duì)于j=1，2，…，J。計(jì)算最佳擬合值：

γjm=argminm∑x∈RjmL［yi-fm-1（x）+γ］。

持續(xù)更新強(qiáng)學(xué)習(xí)器：

fm（x）=fm-1+∑Jj=1γjmI。

根據(jù)上述流程得最終的強(qiáng)分類(lèi)器為

f（x）=f0+∑Mm=1∑Jj=1γjmI。

式中：j表示葉子區(qū)域；J為葉子節(jié)點(diǎn)個(gè)數(shù)；若公式為真則I是1，為假則I為0。

3.2.3" 基于隨機(jī)森林的棉花信息提取方法

隨機(jī)森林（RF）是由Breiman提出的一種基于決策樹(shù)組合的方法，是一種在樣本空間、特征空間同時(shí)進(jìn)行的集成學(xué)習(xí)算法。RF中的每棵決策樹(shù)都依賴(lài)于由訓(xùn)練確定的參數(shù)組成的隨機(jī)向量，每棵樹(shù)在特征集中選擇部分特征，進(jìn)行決策樹(shù)的構(gòu)造并貢獻(xiàn)一票，隨后通過(guò)Bagging算法形成獨(dú)立分布的訓(xùn)練樣本集進(jìn)行訓(xùn)練，通過(guò)投票的方式獲得最終的分類(lèi)或預(yù)測(cè)結(jié)果［24］。RF分類(lèi)的原理見(jiàn)圖5。

RF是一種非參數(shù)化的機(jī)器學(xué)習(xí)算法，它具有精確度高、不需要降維、訓(xùn)練速度快、無(wú)需剪枝、較少出現(xiàn)過(guò)擬合現(xiàn)象、能容忍一定的干擾和異常值，且能處理具有高維特性的輸入樣本的優(yōu)點(diǎn)［25］。因此，隨機(jī)森林可用于各種數(shù)據(jù)類(lèi)型的分類(lèi)，并在性能上超越了傳統(tǒng)統(tǒng)計(jì)方法及許多機(jī)器學(xué)習(xí)算法［26］。

3.2.4" 基于支持向量機(jī)的棉花信息提取方法

支持向量機(jī)（SVM）是Vapnik團(tuán)隊(duì)基于統(tǒng)計(jì)學(xué)VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理，開(kāi)發(fā)的一種基于統(tǒng)計(jì)學(xué)習(xí)理論的機(jī)器學(xué)習(xí)算法［27］。SVM的特點(diǎn)是同時(shí)最小化經(jīng)驗(yàn)誤差和最大化分類(lèi)間隔，其具有強(qiáng)大的非線(xiàn)性和高維數(shù)據(jù)處理能力，特別適用于小樣本、非線(xiàn)性和高維模式識(shí)別問(wèn)題［28］，同時(shí)也有效解決了“維數(shù)災(zāi)難”和“過(guò)度學(xué)習(xí)”等問(wèn)題。

SVM常采用的核函數(shù)有3種：線(xiàn)性核函數(shù)、多項(xiàng)式核函數(shù)以及徑向基核函數(shù)，其表達(dá)式見(jiàn)表6。本研究選用線(xiàn)性核函數(shù)作為SVM的核函數(shù)。

表6" 3種核函數(shù)的表達(dá)式

核函數(shù)名稱(chēng)表達(dá)式

線(xiàn)性核函數(shù)K（xi，xj）=xTi xj

多項(xiàng)式核函數(shù)K（xi，xj）=（gxTixj+γ）2，ggt;0

徑向基核函數(shù)K（xi，xj）=e-‖xi-xj ‖2σ2

式中：xi，xj表示輸入空間的向量；g表示常數(shù)；e為自然常數(shù)；σ為函數(shù)的寬度參數(shù)，控制了函數(shù)的徑向作用范圍。

此外，SVM中可以設(shè)置懲罰系數(shù)C，其默認(rèn)值為1。C的取值影響了對(duì)分錯(cuò)樣本的懲罰程度，較大的C值會(huì)導(dǎo)致在訓(xùn)練樣本中獲得更高的準(zhǔn)確率，但可能會(huì)降低對(duì)測(cè)試數(shù)據(jù)的分類(lèi)準(zhǔn)確率，泛化能力較低。相反，減小C允許訓(xùn)練樣本中存在一些誤分類(lèi)的樣本，但可以提高模型的泛化能力。

3.2.5" 基于RF特征優(yōu)選的棉花信息提取方法

一般情況下，一份數(shù)據(jù)集有幾十上百種特征，由于各特征的重要性不同，所以為了保證訓(xùn)練模型的精確度，應(yīng)盡量降低復(fù)雜程度，篩選出最優(yōu)特征以進(jìn)行進(jìn)一步研究。常見(jiàn)的特征優(yōu)選方法有主成分分析、LASSO、RF等。

隨機(jī)森林（RF）用袋外數(shù)據(jù)（OOB）做預(yù)測(cè)。在訓(xùn)練過(guò)程中，約1/3的樣本不被抽取，在每次重抽樣建立決策樹(shù)時(shí)，都會(huì)有一些樣本未被選中，則可用這些樣本進(jìn)行交叉驗(yàn)證，這也是用RF進(jìn)行特征優(yōu)選的優(yōu)點(diǎn)之一［29］。這些袋外數(shù)據(jù)可用于計(jì)算特征重要性指標(biāo)，進(jìn)而進(jìn)行特征選擇。該方法無(wú)需做交叉驗(yàn)證，直接用oob score對(duì)模型性能進(jìn)行評(píng)估。其基本原理為：

（1）每棵決策樹(shù)的袋外數(shù)據(jù)誤差，記為errOOB1；

（2）然后隨機(jī)對(duì)OOB所有樣本的特征i加入噪聲干擾，再次計(jì)算袋外數(shù)據(jù)誤差，記為errOOB2；

（3）特征i的重要性為 SUM（errOOB2-errOOB1）N（N為樹(shù)的棵數(shù)）；若加入隨機(jī)噪聲后，袋外數(shù)據(jù)準(zhǔn)確率大幅下降，則說(shuō)明這個(gè)特征對(duì)預(yù)測(cè)結(jié)果有很大的影響，進(jìn)而說(shuō)明其重要程度比較高。

本研究將所有特征（38個(gè)）輸入GBDT、RF、SVM算法后，使用RF進(jìn)行特征重要性的排序選擇，再將經(jīng)特征優(yōu)選后的特征再次輸入3種機(jī)器學(xué)習(xí)算法中，以探究RF特征優(yōu)選前后，3種機(jī)器學(xué)習(xí)算法的分類(lèi)結(jié)果及精度變化。

3.3" 精度評(píng)價(jià)方法

遙感影像分類(lèi)結(jié)果的精度評(píng)價(jià)至關(guān)重要，本研究將70%的樣本作為訓(xùn)練集，30%的樣本作為測(cè)試集，并采用混淆矩陣進(jìn)行精度評(píng)估；混淆矩陣的列為參考數(shù)據(jù)，行為遙感數(shù)據(jù)的分類(lèi)結(jié)果［30］。評(píng)估分類(lèi)效果的指標(biāo)包括用戶(hù)精度（UA）和生產(chǎn)者精度（PA），評(píng)價(jià)分類(lèi)效果的指標(biāo)包括總體分類(lèi)精度（OA）和Kappa系數(shù)［31］。這些精度指標(biāo)從不同角度反映了分類(lèi)的準(zhǔn)確性。

4" 提取結(jié)果與分析

4.1" 烏蘇市棉花特征時(shí)段提取結(jié)果

在GEE平臺(tái)中，通過(guò)選取適量各類(lèi)典型地物的樣本點(diǎn)進(jìn)行NDVI、NIR時(shí)序分析，并結(jié)合棉花生長(zhǎng)時(shí)序，可得到在棉花生長(zhǎng)期內(nèi)（3月17日至10月13日）各類(lèi)典型地物的NDVI、NIR時(shí)序光譜曲線(xiàn)圖。如圖6、圖7所示，在5月中旬（出苗期），棉花的NDVI值從0.1大幅上升，且NIR值也開(kāi)始逐漸上升；在7月中旬至9月中旬（盛鈴期），棉花的NDVI、NIR值均在0.6左右，遠(yuǎn)高于其他地物。這也說(shuō)明，7月中旬至9月中旬的盛鈴期，是觀(guān)測(cè)棉花生長(zhǎng)、獲取棉田信息的最佳時(shí)期，也是進(jìn)行棉花種植區(qū)域提取的最佳時(shí)期。

4.2" 特征重要性排序結(jié)果

將38個(gè)特征因子，通過(guò)RF算法進(jìn)行特征排序后發(fā)現(xiàn)，當(dāng)特征數(shù)量達(dá)到12時(shí)，分類(lèi)精度達(dá)到最高，大于12后呈下降趨勢(shì)。因此，選擇排名前12個(gè)特征構(gòu)建訓(xùn)練模型的輸入因子。這12個(gè)特征的重要性排名見(jiàn)圖8，B8、B12、NDVI位列前三。

4.3" GBDT、RF、SVM 3種方法及特征優(yōu)選分類(lèi)結(jié)果比較

將特征優(yōu)選前的38個(gè)因子，以及特征優(yōu)選后的12個(gè)因子（圖8），分別利用3類(lèi)機(jī)器學(xué)習(xí)算法，對(duì)棉花種植區(qū)域進(jìn)行提取，即可得到各方法的棉花種植區(qū)域提取結(jié)果（圖9），以及各分類(lèi)方法的精度（表7、表8）。

由表7、表8可知，上述幾種機(jī)器學(xué)習(xí)算法中，盡管部分地類(lèi)的分類(lèi)精度略低，但棉花的UA、PA始終在0.90以上，上述機(jī)器學(xué)習(xí)方法的棉花提取精度均達(dá)到優(yōu)良水平。

RF-GBDT和RF-RF方法的棉花提取精度較高，總體精度達(dá)到了0.94。GBDT的優(yōu)勢(shì)在于它通過(guò)每一次的殘差計(jì)算增加了分錯(cuò)樣本的權(quán)重，從而提高了泛化性能。然而，GBDT對(duì)異常值較為敏感，而且由于分類(lèi)器之間存在依賴(lài)關(guān)系，難以實(shí)現(xiàn)并行計(jì)算。但總體而言，GBDT算法通常在一些方面優(yōu)于RF算法。

使用RF分類(lèi)器需要設(shè)置訓(xùn)練棵數(shù)。RF特征優(yōu)選前，棵數(shù)為80～90時(shí)（圖10），精度最高。隨著棵數(shù)的不斷增加，總體精度出現(xiàn)波動(dòng)，當(dāng)棵數(shù)為100時(shí)精度開(kāi)始保持穩(wěn)定。RF特征優(yōu)選后，棵數(shù)為50時(shí)，精度達(dá)到最大。隨著棵數(shù)的不斷增加，總體精度也出現(xiàn)波動(dòng)，且總體呈下降趨勢(shì)，當(dāng)棵數(shù)為140時(shí)

精度開(kāi)始保持穩(wěn)定。由圖10可知，經(jīng)RF特征優(yōu)選的提取精度始終高于未經(jīng)RF特征優(yōu)選的提取精度。

此外，使用SVM設(shè)置懲罰參數(shù)C。RF特征優(yōu)選前，C為20時(shí)精度最高。隨著C的不斷增加，總體精度總體呈下降趨勢(shì)，并最終穩(wěn)定在0.8左右。RF特征優(yōu)選后，C為15時(shí)，精度最高，隨后總體精度總體呈下降趨勢(shì)，并最終也穩(wěn)定在0.8左右（圖11）。

在經(jīng)過(guò)特征優(yōu)選之后，3種機(jī)器學(xué)習(xí)算法（GBDT、RF、SVM）的分類(lèi)精度均得到了提升，且在提取棉花種植區(qū)域方面表現(xiàn)出更高的準(zhǔn)確性，極少出現(xiàn)漏提取現(xiàn)象。然而，在使用相同的遙感影像和訓(xùn)練樣本的情況下，RF-SVM方法在某些情況下將田間道路誤識(shí)別為棉田，同時(shí)在部分區(qū)域出現(xiàn)了較為明顯的“椒鹽現(xiàn)象”（圖12），這導(dǎo)致其分類(lèi)精度

相較于其他2種算法略有下降。

RF特征優(yōu)化的主要目標(biāo)是剔除冗余或不相關(guān)的特征，這不僅有效減少了特征的數(shù)量，而且提高了模型的精確度。特別是在處理如細(xì)窄田間道路等復(fù)雜地物特征時(shí)，結(jié)合RF特征優(yōu)選和GBDT算法能夠有效減少將道路誤識(shí)別為棉田的情況。這不僅提高了分類(lèi)精度，也增強(qiáng)了模型在處理復(fù)雜地表特征時(shí)的魯棒性。

在使用RF進(jìn)行特征分析及通過(guò)特征重要性排序篩選和模型優(yōu)化之后，分類(lèi)精度提高了2～3百分點(diǎn)。RF特征優(yōu)化的主要目的是剔除多余或不相關(guān)的特征，這不僅減少了特征數(shù)量，而且還提升了模型的精確度。盡管特征優(yōu)選能夠在一定程度上減少像素級(jí)別的分類(lèi)錯(cuò)誤，從而視覺(jué)上緩解了“椒鹽現(xiàn)象”，但這并不代表可完全消除“椒鹽現(xiàn)象”（圖13）。影響分類(lèi)結(jié)果的因素不僅局限于特征選擇，還包括模型參數(shù)的配置、訓(xùn)練樣本的選擇，以及影像數(shù)據(jù)本身的質(zhì)量和特性等，這些因素共同作用，最終決定了分類(lèi)結(jié)果的準(zhǔn)確性和可靠性。

5" 結(jié)論與討論

本研究將遙感和機(jī)器學(xué)習(xí)方法相結(jié)合，基于哨兵2號(hào)影像，利用GEE、python、ENVI、ArcGIS等軟件平臺(tái)，對(duì)研究區(qū)的棉花種植區(qū)域進(jìn)行了提取研究，并將幾種方法的分類(lèi)結(jié)果進(jìn)行了對(duì)比。結(jié)果表明，RF-GBDT、RF-RF在烏蘇市的棉花信息提取中取得了較好的效果，GBDT、RF次之，RF-SVM與SVM的精度較低。研究結(jié)果表明：（1）根據(jù)研究區(qū)內(nèi)典型地物的遙感植被指數(shù)變化曲線(xiàn)可知，7—8月棉花的NDVI、NIR值遠(yuǎn)高于其他地物，此時(shí)是提取棉花信息的最佳時(shí)期。（2）通過(guò)算法發(fā)現(xiàn)，B8、B12、NDVI等波段與棉花的相關(guān)性最高，說(shuō)明這些波段特征對(duì)于棉花提取、估產(chǎn)等有重要意義。（3）經(jīng)RF特征優(yōu)選后的3種機(jī)器學(xué)習(xí)算法（RF-GBDT、RF-RF、RF-SVM）的總體精度分別比RF特征優(yōu)選前（GBDT、RF、SVM）的總體精度分別提高了0.02、0.03、0.03，Kappa系數(shù)分別提高了0.02、0.03、0.03。由此可見(jiàn)，在進(jìn)行機(jī)器學(xué)習(xí)分類(lèi)前，通過(guò)算法對(duì)輸入特征進(jìn)行重要性篩選，可有效避免因特征冗余造成的分類(lèi)精度下降，可實(shí)現(xiàn)更高精度的棉花種植區(qū)域提取。（4）使用多種機(jī)器學(xué)習(xí)方法對(duì)棉花種植區(qū)域進(jìn)行提取，均取得了較好的分類(lèi)效果。其中，RF-GBDT算法的分類(lèi)精度最高，其Kappa系數(shù)比RF-RF方法還提高了0.01；由此可見(jiàn)，GBDT算法作為一種集成的機(jī)器學(xué)習(xí)算法，在地物分類(lèi)與棉花提取方面有著較好的應(yīng)用效果。

本研究選取新疆烏蘇市作為研究區(qū)域，運(yùn)用RF算法對(duì)各類(lèi)特征進(jìn)行重要性排序，并最終篩選出前12個(gè)關(guān)鍵特征，輸入至3種機(jī)器學(xué)習(xí)算法中，以提高分類(lèi)精度并減少特征冗余。此外，本研究首次嘗試將GBDT算法應(yīng)用于棉花種植區(qū)域的提取，并取得了顯著的成效。GBDT在分類(lèi)精度上高于RF和SVM的主要原因，在于其采用了增強(qiáng)學(xué)習(xí)策略，通過(guò)迭代構(gòu)建決策樹(shù)并逐步減少殘差，從而提升模型的準(zhǔn)確性。相較之下，RF采用多個(gè)決策樹(shù)的平均或多數(shù)投票機(jī)制進(jìn)行預(yù)測(cè)，而SVM則在特征空間中尋找最優(yōu)分割面以區(qū)分不同類(lèi)別。GBDT專(zhuān)注于每輪迭代中減少分類(lèi)誤差，因此在某些情況下能夠提供更精確的分類(lèi)結(jié)果。然而，GBDT的逐步優(yōu)化策略也可能導(dǎo)致其在處理大規(guī)模數(shù)據(jù)或高維特征時(shí)出現(xiàn)過(guò)擬合的風(fēng)險(xiǎn)。

盡管本研究在提取精度上取得了一定成果，但仍存在提升空間。主要原因包括：（1）遙感圖像獲取條件的復(fù)雜性，包括光照變化、大氣條件和傳感器角度等，這些都將影響遙感影像的質(zhì)量，從而影響分類(lèi)結(jié)果；（2）訓(xùn)練樣本選取中混合像元的存在，導(dǎo)致建筑、水體、裸地等區(qū)域與棉花種植區(qū)域無(wú)法完全分離，影響分類(lèi)精度；（3）盡管機(jī)器學(xué)習(xí)算法在遙感圖像分類(lèi)中表現(xiàn)出色，但它們?cè)谔幚泶笠?guī)模數(shù)據(jù)或高維特征時(shí)，無(wú)法避免地會(huì)存在過(guò)擬合或泛化能力不足的問(wèn)題。此外，本研究方法的選取部分基于前人在其他研究區(qū)的成果和文獻(xiàn)經(jīng)驗(yàn)，與前人所選訓(xùn)練樣本的差異可能導(dǎo)致試驗(yàn)結(jié)果的誤差。后續(xù)研究將致力于提高訓(xùn)練樣本的準(zhǔn)確性，結(jié)合遙感和野外實(shí)地考察選取棉花樣本，避免因樣本選取誤差導(dǎo)致的精度下降，并嘗試應(yīng)用更多機(jī)器學(xué)習(xí)算法及神經(jīng)網(wǎng)絡(luò)（如U-Net）算法，以進(jìn)一步優(yōu)化提取結(jié)果，提升精度。

本研究表明，通過(guò)使用GEE平臺(tái)獲取高分辨率遙感影像，選取訓(xùn)練樣本，并應(yīng)用機(jī)器學(xué)習(xí)方法提取棉花種植區(qū)域，能夠有效提升提取精度。這為棉花種植區(qū)域的提取提供了新的解決方案和技術(shù)路徑，為棉花面積估算研究提供了重要參考。

參考文獻(xiàn)：

［1］呂紹倫，趙" 陽(yáng)，陳萬(wàn)基，等. 基于遙感云計(jì)算的阿拉爾市棉花種植面積提?。跩］. 棉花科學(xué)，2022，44（4）：19-25.

［2］魏瑞琪，李林峰，仙" 巍，等. 利用TIMESAT軟件和時(shí)間序列衛(wèi)星影像提取新疆石河子棉花種植區(qū)域［J］. 湖北農(nóng)業(yè)科學(xué)，2018，57（4）：105-112.

［3］王文靜，張" 霞，趙銀娣，等. 綜合多特征的Landsat 8時(shí)序遙感圖像棉花分類(lèi)方法［J］. 遙感學(xué)報(bào)，2017，21（1）：115-124.

［4］劉傳跡，金曉斌，徐偉義，等. 2000—2020年南疆地區(qū)棉花種植空間格局及其變化特征分析［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2021，37（16）：223-232.

［5］Ren B Y，Zhou H Z，Shen H，et al. Research on cotton information extraction based on Sentinel-2 time series analysis［C］//2019 8th International Conference on Agro-Geoinformatics （Agro-Geoinformatics）.Turkey：IEEE，2019：1-6.

［6］Wang N，Zhai Y G，Zhang L F.Automatic cotton mapping using time series of Sentinel-2 images［J］. Remote Sensing，2021，13（7）：1355.

［7］He L M，Mostovoy G. Cotton yield estimate using Sentinel-2 data and an ecosystem model over the southern US［J］. Remote Sensing，2019，11（17）：2000.

［8］Li M，Zhao G X，Qin Y W. Extraction and monitoring of cotton area and growth information using remote sensing at small scale：a case study in dingzhuang town of Guangrao County，China［C］//2011 International Conference on Computer Distributed Control and Intelligent Environmental Monitoring.Changsha：IEEE，2011：816-823.

［9］田" 野，張" 清，李希燦，等. 基于多時(shí)相影像的棉花種植信息提取方法研究［J］. 干旱區(qū)研究，2017，34（2）：423-430.

［10］荀" 蘭. 基于Sentinel-1/2衛(wèi)星影像的棉花種植區(qū)識(shí)別方法研究［D］. 北京：中國(guó)科學(xué)院大學(xué)（中國(guó)科學(xué)院空天信息創(chuàng)新研究院），2022.

［11］Fei H，F(xiàn)an Z H，Wang C K，et al. Cotton classification method at the county scale based on multi-features and random forest feature selection algorithm and classifier［J］. Remote Sensing，2022，14（4）：829.

［12］王匯涵，張" 澤，康孝巖，等. 基于Sentinel-2A的棉花種植面積提取及產(chǎn)量預(yù)測(cè)［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38（9）：205-214.

［13］美合日阿依·莫一丁，買(mǎi)買(mǎi)提·沙吾提，李金朝. 基于Sentinel-2時(shí)間序列數(shù)據(jù)及物候特征的棉花種植區(qū)提?。跩］. 干旱區(qū)地理，2022，45（6）：1847-1859.

［14］Rodriguez-Sanchez J，Li C Y，Paterson A H. Cotton yield estimation from aerial imagery using machine learning approaches［J］. Frontiers in Plant Science，2022，13：870181.

［15］Hong Y，Li D R，Wang M，et al. Cotton cultivated area extraction based on multi-feature combination and CSSDI under spatial constraint［J］. Remote Sensing，2022，14（6）：1392.

［16］王利民，劉" 佳，姚保民，等. 基于Rapideye數(shù)據(jù)的棉花特征光譜指數(shù)構(gòu)建及類(lèi)型識(shí)別［J］. 中國(guó)農(nóng)業(yè)信息，2019，31（5）：25-37.

［17］Gorelick N，Hancher M，Dixon M，et al. Google Earth Engine：Planetary-scale geospatial analysis for everyone［J］. Remote Sensing of Environment，2017，202：18-27.

［18］郝斌飛，韓旭軍，馬明國(guó)，等. Google Earth Engine在地球科學(xué)與環(huán)境科學(xué)中的應(yīng)用研究進(jìn)展［J］. 遙感技術(shù)與應(yīng)用，2018，33（4）：600-611.

［19］Bruzzone L，Roli F，Serpico S B. An extension of the Jeffreys-Matusita distance to multiclass cases for feature selection［J］. IEEE Transactions on Geoscience and Remote Sensing，1995，33（6）：1318-1321.

［20］Iqbal N，Mumtaz R，Shafi U，et al. Gray level co-occurrence matrix （GLCM） texture based crop classification using low altitude remote sensing platforms［J］. PeerJ Computer Science，2021，7：e536.

［21］Friedman J H.Stochastic gradient boosting［J］. Computational Statistics amp; Data Analysis，2002，38（4）：367-378.

［22］張海洋，張" 瑤，田澤眾，等. 基于GBDT和Google Earth Engine的冬小麥種植結(jié)構(gòu)提取［J］. 光譜學(xué)與光譜分析，2023，43（2）：597-607.

［23］卓" 越，嚴(yán)海軍. 基于梯度提升樹(shù)算法的玉米施肥模型構(gòu)建［J］. 水資源與水工程學(xué)報(bào)，2020，31（4）：223-228，237.

［24］林志堅(jiān)，姚俊萌，蘇校平，等. 基于MODIS指數(shù)和隨機(jī)森林的江西省早稻種植信息提取［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38（11）：197-205.

［25］李旭青，劉世盟，李" 龍，等. 基于RF算法優(yōu)選多時(shí)相特征的冬小麥空間分布自動(dòng)解譯［J］. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2019，50（6）：218-225.

［26］Belgiu M，Draˇgu L. Random forest in remote sensing：a review of applications and future directions［J］. ISPRS Journal of Photogrammetry and Remote Sensing，2016，114：24-31.

［27］肖博林. 基于支持向量機(jī)的高光譜遙感影像分類(lèi)［J］. 科技創(chuàng)新與應(yīng)用，2020，10（4）：22-24.

［28］費(fèi)" 浩. 綜合多特征的縣域尺度棉花種植面積遙感提取方法［D］. 阿拉爾：塔里木大學(xué)，2021：29-30.

［29］劉浩然，劉秀清，王春樂(lè). 基于隨機(jī)森林和超像素的極化SAR圖像分類(lèi)［J］. 國(guó)外電子測(cè)量技術(shù)，2021，40（9）：29-35.

［30］黃鵬程，張明明，王新宇，等. 基于Landsat-8 OLI的西安市土地利用類(lèi)型遙感分類(lèi)研究［J］. 測(cè)繪與空間地理信息，2020，43（1）：85-88，92.

［31］張" 群. 基于高分遙感的黑方臺(tái)滑坡識(shí)別［D］. 西安：長(zhǎng)安大學(xué)，2017：28-30.