GF-5卫星的星载光谱仪为农业动态监测提供了可靠数据源，推动高光谱遥感在精准农业中的应用

高光谱数据通过混合式特征选择可高效提取农田信息，GF-5卫星的星载光谱仪为农业动态监测提供了可靠数据源，推动高光谱遥感在精准农业中的应用。

    案例研究区域位于吉林省长春市，利用红边、近红外等关键波段，显著提升农田识别精度（农田召回率达95.83%），验证了GF-5高光谱数据在农业遥感中的实用性，其高光谱分辨率与信噪比优于Hyperion等同类数据。     研究区地理位置及高分五号伪彩色合成影像图

    分类结果

实现原理

数据获取：

    GF-5卫星搭载的高光谱成像仪（可见光-短波红外范围）提供330个波段（有效295个），光谱分辨率达5-10nm，覆盖3760 km²区域，为农田识别提供高分辨率、高信噪比的反射率数据。
    波段信息提取：通过红边、近红外等关键波段增强农田与森林、裸土等地物的区分能力。

预处理：

    包括几何校正（基于Sentinel-2影像）、辐射定标、FLAASH大气校正，生成地表反射率数据。

特征选择：

    首次降维：采用随机森林（RF）、互信息（MI）、L1正则化方法筛选特征子集。
    二次优化：利用序列后向选择（SBS）进一步剔除冗余波段，确定最优子集。
    分类模型：对比RF、SVM、KNN算法，SVM在高维数据中抗噪性强，RF在低维泛化能力更优。