共查询到18条相似文献,搜索用时 229 毫秒
1.
2.
本研究以哨兵二号影像为数据源,以江苏徐淮地区邳州市西南部作为研究区,开展大豆、玉米遥感识别研究。采用覆盖玉米和大豆主要生长期的多时相哨兵二号影像构建遥感特征参数数据集,包括12个光谱波段的反射率和47个植被指数,采用递归特征消除与随机森林、支持向量机相结合的算法开展特征参数优选,明确最优识别时相-特征参数组合,在此基础上,采用随机森林和支持向量机分类器进行分类,并比较分类精度。研究结果表明,利用特征参数优选方法提取最优特征参数组合,在保证总体精度的前提下能够减少特征参数数量;陆地水指数和倒数差值等植被指数是2种优选算法所提取出的共性特征参数;9月8日是研究区玉米和大豆遥感识别的最佳时相,总体精度和Kappa系数均为0.99。 相似文献
3.
森林类型识别技术是遥感分类中的重点和难点,采用面向对象的遥感影像分类方法是实现森林类型分类的新方法。资源3号遥感影像可为森林类型提取提供新方向。以资源3号遥感影像作为基础研究数据,采用面向对象的分类方法,选择分形网络演化法进行多尺度分层分割,并结合典型地物的光谱特征、纹理特征、几何特征以及植被指数,构建了适用于森林类型提取的决策树模型,并与分割尺度不同的支持向量机分类方法进行比较分析。结果表明:多层分割的决策树分类方法分类精度高于单层分割的支持向量机分类方法,分类精度分别提高了6.1%和12.5%。说明建立多层分割的决策树分类方法适用于森林类型的分类研究。 相似文献
4.
基于多时相GF-1遥感影像的作物分类提取 总被引:1,自引:0,他引:1
为了提高遥感影像数据对作物分类提取的精度,更多地反映作物的空间分布结构和物候差异,以黑龙江农垦赵光农场为研究对象,提出一种基于分区与决策树分层分类相结合的作物遥感分类方法,利用2014年高分一号卫星(GF-1)WFV遥感影像数据(4景)开展主要作物的识别分类提取。首先,结合实地调查与影像光谱特征信息的总体分布,将研究区分割成3个子区域(西南区、北部区和东南区);其次,基于多时相遥感影像序列,分析主要作物的反射光谱和植被指数的时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了赵光农场主要作物的空间种植信息。结果表明,2种分类方法的精度都很高,总体精度均在97.00%以上,Kappa系数均在0.900 0以上。分区分类更优于整幅图像非分区分类,总体精度达到98.10%,Kappa系数达到0.960 7;非分区分类总体精度为97.50%,Kappa系数为0.948 3。研究表明,基于分区与决策树分类法相结合的作物分类结果精度,明显优于不使用分区分类的结果。由分区与决策树分层相结合的分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。 相似文献
5.
传统马铃薯种植面积估算主要基于地面测量,再逐级上报,时效性和准确性难以得到保障。文章基于Google Earth Engine谷歌地球引擎和哨兵2号(Sentinel-2)遥感影像,对山东省马铃薯种植区进行面积提取和监测。结合实地调查所获数据与目视解译法进行样本点选取,获取各类地物遥感影像样本;对不同典型地物遥感反射率做归一化处理,通过随机森林算法实现马铃薯种植区从其他地物类型中的有效识别;并构建混淆矩阵进行精度验证及对比分析。结果表明:基于GEE对山东省马铃薯种植区面积提取的分类精度达到 92.5%,Kappa 系数达到 0.916,并获取山东省马铃薯种植区整体影像、山东省各地市马铃薯种植面积。实验精度结果良好,与统计年鉴相似性较高,有很大的实际应用意义。本研究实现了大尺度范围对马铃薯种植区面积的提取。 相似文献
6.
7.
8.
《山东农业科学》2020,(6)
为快速获取农情信息与农作物种植结构,通过面向对象的识别方法,对新疆主要粮食产区之一奇台县进行作物信息提取的研究。以Landsat 8遥感影像为数据源,通过更新2016年土地利用现状图得到耕地分布信息。使用e Cognition 9. 0软件进行多尺度分割,通过ESP2插件确定研究区最佳分割尺度后进行尺度分割,结合实地调查资料,利用面向对象的Cart决策树分类器和随机森林分类器将作物分为小麦、玉米、打瓜和葵花四类主要作物,提取新疆奇台县作物种植信息。结果表明:研究区最佳分割尺度为90;对于本研究,随机森林分类器Cart树数量为80~90时分类精度较高; Cart决策树总体精度达到0. 925,Kappa系数0. 893;随机森林分类器总体精度达到0. 945,Kappa系数0. 921。表明,在县域级农作物识别时使用面向对象的识别方法对中等空间分辨率遥感影像分类是可行的。 相似文献
9.
以吉林省白河林业局为中心研究区,利用星载高光谱Hyperion数据并结合其他辅助数据,综合利用影像光谱特征、纹理特征、地形特征、典型地类和主要森林类型外业调查样本数据,探究针对C5.0决策树算法的高光谱影像土地覆盖类型多层次信息提取与森林类型识别的有效方法。在分析典型地物光谱特征的基础上,优选8种纹理特征,引入主成分分量及与主要森林类型空间分布相关的敏感地形因子,采用分层分类的策略,根据光谱特征将地类划分层次,在层次间建立基于C5.0决策树算法的决策树模型,对研究区的地类进行细分。为便于对比,以相同的策略采用支持向量机(SVM)分类器进行分类。最后,结合野外采集样本并参考高分辨率影像,采用分层随机抽样的独立检验样本对森林类型精细识别结果进行精度验证。结果表明:C5.0决策树算法可综合利用高光谱影像的光谱、纹理及其他辅助数据,自动寻找出区分各类别的最佳特征变量及分割阈值,运算速度快,占用内存较小且无需人为参与,其分类精度达到优势树种级别,总体分类精度达81.9%,Kappa系数0.709 8。 相似文献
10.
及时准确的森林干扰信息是掌握森林时空演变规律和碳汇状态变化的重要基础知识。基于1999—2010年间的Landsat TM/ETM+遥感影像,本研究采用单类支持向量机(one class support vector machine,OCSVM)监测了近12 a以来西双版纳傣族自治州的热带森林干扰的时空变化。监测结果表明:1999—2010年间,西双版纳热带森林面积在各种因素的干扰下呈逐年减少趋势,热带森林保护形势依然严峻。OCSVM是一种快速提取热带森林面积的简单方法,具有较高的提取精度(90.19%)。将长时间序列MODIS数据与Google Earth高分辨率影像结合是快速获取丰富的高质量采样数据的有效途径,能够为遥感分类算法训练和结果验证提供可靠数据源。 相似文献
11.
12.
黄土高原半干旱区旱作农田土壤干燥化研究 总被引:1,自引:0,他引:1
为了揭示黄土高原半干旱区旱作农田土壤干燥化发生规律,为黄土高原旱作农田土壤水分可持续利用和当地粮食生产的可持续发展提供科学依据,在黄土高原半干旱区固原、定西和海原3个有代表性的区域实地观测了不同类型旱作农田的深层土壤湿度,分析了旱作农田的土壤干燥化发生规律和土壤干层分布特征。结果表明:(1)黄土高原半干旱区固原、定西和海原各类农田0~600cm土层土壤湿度平均值分别为11.46%、14.37%、9.27%,各类农田土壤湿度均明显低于其土壤稳定湿度值,均发生了不同程度的土壤干燥化现象;(2)固原高产麦田和高产马铃薯田土壤干层厚度分别比低产农田土壤干层厚120cm和260cm;海原高产麦田和高产马铃薯田比低产农田土壤干层厚度厚20cm和80cm。黄土高原半干旱区随着旱作粮田产量的提高,农田深层土壤湿度逐渐降低,土壤干层逐渐加深和加厚。 相似文献
13.
14.
15.
16.
17.
18.
Winter wheat yield estimation based on assimilated Sentinel-2 images with the CERES-Wheat model 下载免费PDF全文
Zheng-chun LIU Chao WANG Ru-tian BI Hong-fen ZHU Peng HE Yao-dong JING Wu-de YANG 《农业科学学报》2021,20(7):1958-1968
Assimilating Sentinel-2 images with the CERES-Wheat model can improve the precision of winter wheat yield estimates at a regional scale. To verify this method, we applied the ensemble Kalman filter(EnKF) to assimilate the leaf area index(LAI) derived from Sentinel-2 data and simulated by the CERES-Wheat model. From this, we obtained the assimilated daily LAI during the growth stage of winter wheat across three counties located in the southeast of the Loess Plateau in China: Xiangfen, Xinjiang, and Wenxi. We assigned LAI weights at different growth stages by comparing the improved analytic hierarchy method, the entropy method, and the normalized combination weighting method, and constructed a yield estimation model with the measurements to accurately estimate the yield of winter wheat. We found that the changes of assimilated LAI during the growth stage of winter wheat strongly agreed with the simulated LAI. With the correction of the derived LAI from the Sentinel-2 images, the LAI from the green-up stage to the heading–filling stage was enhanced, while the LAI decrease from the milking stage was slowed down, which was more in line with the actual changes of LAI for winter wheat. We also compared the simulated and derived LAI and found the assimilated LAI had reduced the root mean square error(RMSE) by 0.43 and 0.29 m2 m–2, respectively, based on the measured LAI. The assimilation improved the estimation accuracy of the LAI time series. The highest determination coefficient(R2) was 0.8627 and the lowest RMSE was 472.92 kg ha–1 in the regression of the yields estimated by the normalized weighted assimilated LAI method and measurements. The relative error of the estimated yield of winter wheat in the study counties was less than 1%, suggesting that Sentinel-2 data with high spatial-temporal resolution can be assimilated with the CERES-Wheat model to obtain more accurate regional yield estimates. 相似文献