基于决策融合的南方复杂地区覆膜农田信息快速提取研究
作者： 林娜 陈宏 谢骞 赵健
摘要 为实现快速且准确地获取南方复杂地区覆膜农田信息，探索一种基于决策融合规则的单时相遥感提取方法。首先基于Sentinel-2影像数据，在南方丘陵山区这一典型地表混杂区域，应用特征提取算法与最小距离、最大似然、支持向量机、BP神经网络、随机森林5种单分类器进行遥感影像分类，在此基础上依据各分类器分类结果与分类性能，构建一种结合层次分析与投票机制的自适应决策融合规则，进行了覆膜农田信息的提取，并评估其精度。对比5种单分类器与决策融合模型的分类性能，结果表明决策融合模型在精度评价指标上均显著优于单一分类器，总体精度达到91.82%，Kappa系数达到0.89，对覆膜农田的提取识别能力也表现优异，其生产者精度、用户精度和F1Score分别达到92.68%、81.74%和0.87。提出的方法有效提高了覆膜农田的提取准确率、复杂度和计算成本较低，具有较强的泛化性与可操作性，适用于南方复杂农业环境，为实际生产应用提供了可靠的解决方案。
关键词 决策融合；多分类器；覆膜农田；Sentinel-2；复杂地区
中图分类号 S 127 文献标识码 A 文章编号 0517-6611（2025）03-0229-07
doi：10.3969/j.issn.0517-6611.2025.03.046
开放科学（资源服务）标识码（OSID）：
Rapid Extraction of Plastic Mulched Farmland Information in Complex Southern Regions Based on Decision Fusion
LIN Na， CHEN Hong， XIE Qian et al
（ Institute of Digital Agriculture， Fujian Academy of Agricultural Sciences， Fuzhou， Fujian 350003）
Abstract To achieve rapid and accurate plastic mulched farmland information in the complex regions of southern China， this study explores a single temporal remote sensing extraction method based on decision fusion rules.Utilizing sentinel 2 imagery data in the southern hilly areas， a typical region with mixed land surfaces， the Jeffries Matusita （JM） distance feature extraction method along with five individual classifiers including minimum distance， maximum likelihood， support vector machine， BP Neural Network， and random forest were employed for remote sensing image classification. Based on the classification results and performance of these individual classifiers， an adaptive decision fusion rule combining the Analytic Hierarchy Process （AHP） and voting mechanism was developed for the extraction of plastic mulched farmland information， and its accuracy was evaluated.By comparing the classification performance of the five individual classifiers and the decision fusion model， results indicate that the decision fusion model significantly outperforms the individual classifiers in terms of accuracy metrics， achieving an overall accuracy of 91.82% and a Kappa coefficient of 0.89. The model also demonstrated superior capability in identifying plastic mulched farmland， with producer accuracy （PA）， user accuracy （UA）， and F1Score reaching 92.68%， 81.74%， and 0.87， respectively.The proposed method fully leverages the advantages of multiple classifiers and decision fusion， enabling more accurate classification decisions for plastic mulched farmland. It not only reduces complexity and computational cost but also exhibits strong generalization and operability， making it suitable for complex agricultural environments in southern regions. This work provides a reliable solution for practical production applications.
Key words Decision fusion;Multiple classifiers;Plastic mulched farmland;Sentinel 2;Complex regions
基金项目 福建省农业高质量发展协同创新工程项目（XTCXGC2021015）；福建省农业科学院科技创新团队项目（CXTD2021031）；福建省农业科学院自由探索科技创新项目（ZYTS2023022）。
作者简介 林娜（1988—），女，福建福州人，研究实习员，硕士，从事农业遥感研究。*通信作者，研究员，博士，从事农业信息化研究。
收稿日期 2024-09-24
农田覆膜的使用可有效改善不良环境对农作物生产的影响，具有保温、抑制杂草生长、提高作物产量和质量等作用，因此在水热不协调地区覆膜种植技术被广泛应用［1-2］。我国地膜年使用量及覆盖面积均居世界前列，并保持着增长态势，覆膜农田已成为我国农业景观的重要组成部分［3］。然而大量覆膜的长期使用及后期的未完全处理造成了严重的环境污染问题，不仅破坏土壤结构，而且影响水肥输送，导致农作物产量减少，甚至危害人畜健康［4-5］。因此，准确获取覆膜农田的空间分布和使用面积等信息，可以为相关农业部门提供关键的管理决策参考，帮助了解农资投入情况、农业固体废弃物回收、优化种植结构以及环境保护措施施行等。
近年来，运用遥感技术监测成为农业土地资源调查的主要手段。在数据源方面，由于南方地区地形复杂，作物类型多样，散户耕种情况居多，播种时间以及管理方式的不同导致农作物种植结构庞杂，加上南方多是阴雨天气，遥感影像的覆盖频率受限，从而无法获取连续观测期内的影像数据，这些因素限制了运用遥感数据及时提取覆膜信息的应用。在研究方法上，不同学者基于单一或多源遥感数据通过不同分类器进行了覆膜农田信息的提取研究，如Lu等［6］基于Landsat-5 TM影像运用决策树阈值分类器进行了覆膜信息提取，取得了较高的精度；Lanorte等［7］基于Landsat-8影像运用支持向量机分类器研究覆膜农田信息提取效果；Hasituya等［8-10］分别基于Landsat-8、GF-1、全极化Radarsat-2等影像数据，结合特征优选算法研究不同分类器运用于覆膜农田信息的提取能力，试验表明随机森林及支持向量机分类器能取得较好的提取效果；李佳雨等［11］融合资源三号和Landsat卫星数据，研究表明面向对象随机森林方法能够取得较高的农用覆膜信息提取精度；朱秀芳等［12］采用融合最大似然监督分类和图像形态学算法在无人机遥感影像上取得了精确的覆膜农田分布信息。以上研究结论表明不同数据源和分类方法在对覆膜信息提取性能上表现出明显差异，即不同分类器对遥感影像及研究区域的适用性各有不同，没有一种单分类器能够在所有场景下表现最优［13］。
研究指出，由于学习能力、分类性能、容错机制的差别，不同分类器正确分类的像元可能分布在影像的不同位置，通过一定的规则对多个单分类器的结果进行有效互补及综合，能够提高目标地类的判别效果，这种基于不同分类器运行产生互补效果的集成系统被称为“决策融合”［14-16］。经典决策融合通过统计各单分类器分类结果的投票数或概率来进行最终判决，在分配权重系数时，多采用平均或加权原则［17］。这种方法利用了各分类器的优势，通过综合不同分类器的结果，提升了分类的准确性和可靠性。然而需要注意的是，无论采用何种方法实现决策融合，相比单分类器，分类速度都会显著降低，实际上对于大部分容易区分的像元，多数分类器通常会给出相同且高可信度的结果，在这种情况下使用多个分类器进行决策几乎没有意义［13］。再者，决策融合的有效性取决于分类器的选择和权重的合理分配，在针对特定地物提取的情况下，单分类器的输出结果不能简单按照固定的权值被融合在一起，由于不同单分类器关于某一地类样本的置信度是不一致的，因此需要根据具体应用场景和数据特点进行优化，才能对分类结果起到更优的筛选作用。
基于此，该研究采用了一种结合层次分析（analytic hierarchy process，AHP）与投票机制的自适应决策融合方法，在南方丘陵山区这一典型地表混杂区域，通过5种单分类器进行遥感影像分类，并根据决策融合策略，最终得到快速准确的覆膜农田提取效果。
1 数据说明与方法
1.1 研究区概况及数据预处理
福建省西北部的光泽县崇仁乡是我国南方典型的以农业为主的山区乡镇（117°11′～117°24′E、27°33′～27°41′N），地形多山地丘陵，土地覆盖类型复杂，包括耕地、林地、城镇用地、水域、裸土等，如图1所示。该地区耕作由农民自由支配，间套作现象普遍，导致地块破碎严重，其覆膜农田种植作物多为烤烟及蔬菜类，地膜类型基本为黑膜。
欧洲航天局（ESA）发射的Sentinel-2卫星搭载一枚多光谱成像仪，覆盖从蓝绿波段到短波红外的13个光谱波段，A、B星的设置使得时间分辨率缩短至5 d，最高空间分辨率可达10 m。研究表明，Sentinel-2卫星数据在一定程度上能够综合光谱和纹理两方面的需求，适合于种植结构复杂地区的遥感影像分类研究［18］。在研究区内，主要覆膜作物烟叶多于2月中下旬播种，3月至5月出苗生长，农田覆膜作业也在此期间。因此，通过欧洲航天局网站选择2020年4月16日无云且质量良好的一幅Sentinel-2A影像作为研究数据源。该数据为经过正射校正和几何精校正后的L1C大气表观反射率产品。大气校正处理过程采用ESA提供的SNAP软件调用Sen2cor插件完成，并使用Sen2Res插件对数据进行10 m超分辨率合成，经过图像裁剪，最后得到研究区遥感影像（图1）。