基于NSGA-II-XGBoost机器学习的高原山区耕地高精度识别方法、设备及介质

本发明涉及耕地识别技术领域，尤其涉及基于NSGA‑II‑XGBoost机器学习的高原山区耕地高精度识别方法、设备及介质，具体包括以下步骤：S1.获取多源遥感数据，并对多源遥感数据进行预处理；S2.通过GEE平台对步骤S1获得的数据进行初步分类，并使用纹理特征提取技术增强分类精度；S3.依据地形特征以及纹理特征对步骤S2获得的数据进行融合，生成多源特征数据集；S4.使用SHAP对XGBoost模型进行解释，评估地形特征及纹理特征中各个特征对耕地识别结果的贡献，剔除无关或冗余特征，从而优化模型的输入特征；S5.采用非支配排序遗传算法II优化XGBoost分类模型的超参数和特征组合，获得NSGA‑II‑XGBoost模型。本发明能有效提升分类精度，并能应对光谱特征相似或边界模糊的挑战，具有较强的应用潜力。