Um Estudo sobre a Classificação de Imagens de Sensoriamento Remoto de Alta Resolução Baseada em Objetos das Estruturas de Plantio de Culturas no Planalto Loess da Província de Gansu Oriental

A aquisição oportuna e precisa de informações sobre a distribuição da estrutura de plantio de culturas no Planalto Loess da província de Gansu Oriental, uma das áreas agrícolas mais importantes do Oeste da China, é crucial para promover uma gestão eficiente da agricultura e garantir a segurança alimentar. Este estudo utiliza imagens de sensoriamento remoto de alta resolução em múltiplos tempos para determinar escalas de segmentação ótimas para várias culturas, empregando a ferramenta de estimativa de parâmetro de escala 2 (ESP2) e o modelo de Razão da Desvio Absoluto Médio para o Desvio Padrão (RMAS). O algoritmo de detecção de bordas de Canny é então aplicado para segmentação de imagem em múltiplas escalas. Ao incorporar fatores fenológicos das culturas e utilizar o modelo de regressão logística regularizada L1, otimizamos 39 fatores de características espaciais — incluindo características espectrais, texturais, geométricas e de índice. Dentro de uma estrutura de classificação em múltiplos níveis, o classificador Random Forest (RF) e o modelo de Rede Neural Convolucional (CNN) são usados para classificar os padrões de cultivo em quatro áreas de teste com base nas imagens segmentadas em múltiplas escalas. Os resultados indicam que integrar o algoritmo de detecção de bordas de Canny com as escalas de segmentação ótimas calculadas usando a ferramenta ESP2 e o modelo RMAS produz parcelas de culturas com limites mais completos e melhor separabilidade. Além disso, otimizar características espaciais usando o modelo de regressão logística regularizada L1, combinado com informações fenológicas, melhora a precisão da classificação. Dentro da estrutura OBIC, o classificador RF alcança maior precisão na classificação dos padrões de cultivo. As precisões de classificação geral para as quatro áreas de teste são 91,93%, 94,92%, 89,37% e 90,68%, respectivamente. Este artigo introduziu fatores fenológicos das culturas, melhorando efetivamente a precisão da extração da estrutura de plantio agrícola fragmentada no Planalto Loess da província de Gansu Oriental. Seus achados têm importante valor de aplicação no monitoramento de culturas, gestão, segurança alimentar e outras áreas relacionadas.