.png){kind=icon}
返回
Improved Maize Mapping Through Optimizing Spatio-Temporal Feature Selection
.png){kind=icon}
OA
AI
DOI：10.1109/JSTARS.2026.3664709.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
玉米分布的精确及时制图对国家粮食安全与可持续农业发展至关重要。然而，在多样化的农业景观中，玉米分类常因主观阈值和时序遥感数据中特征代表性的局限而受阻。为克服这些限制，我们引入了一种优化特征选择的时间加权动态时间规整（OFS-TWDTW）方法，该方法整合了来自Sentinel-2影像的多维特征选择。我们的方法首先通过物候与形态样本筛选构建稳健的标准玉米曲线，以确保样本可靠性。随后应用Relief算法评估特征重要性，并依次进行可分性分析和自相关消除，以选取最优的判别物候特征集，提升分类效率。最后，采用带有自适应最小距离分类的TWDTW方法，消除对主观阈值的依赖。通过在中国三个气候多样的区域（德州、平凉和嫩江）开展广泛评估，OFS-TWDTW分别实现了95.36%、93.62%和90.59%的总体精度。值得注意的是，相较于传统的NDVI基线方法，该方法展现出更强的稳健性，尤其在复杂景观中更有效地区分玉米与大豆的光谱混淆。该方法减少了错分和漏分误差，为大规模作物制图提供了一种可扩展、高精度的解决方案，并具有更广泛的作物适用性。
Keyword:
Feature selection
maize mapping
phenology modeling
spectral feature
time-weighted dynamic time warping
期刊
IF:
5.3
论文数:
1.7K
被引数:
3.0W
机构
引用论文
分享收藏
分享收藏The critical role of extreme heat for maize production in the United States极端高温对美国玉米生产的关键作用.png)
NATURE CLIMATE CHANGE
NATURE CLIMATE CHANGEIF27.1
PREAI
分享收藏Santos, P.A.d.; Adami, M.; Picoli, M.C.A.; Prudente, V.H.R.; Esquerdo, J.C.D.M.; Queiroz, G.R.d.; Carneiro de Santana, C.T.; Chaves, M.E.D. Land Use and Land Cover Products for Agricultural Mapping Applications in Brazil: Challenges and Limitations. Remote Sens. 2025, 17, 2324. [Google Scholar] [CrossRef]Santos, P.A.d.; Adami, M.; Picoli, M.C.A.; Prudente, V.H.R.; Esquerdo, J.C.D.M.; Queiroz, G.R.d.; Carneiro de Santana, C.T.; Chaves, M.E.D. 巴西农业制图应用中的土地利用和土地覆盖产品：挑战与局限性。Remote Sens. 2025, 17, 2324. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容