首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到10条相似文献,搜索用时 15 毫秒
1.
【目的】以红花为研究对象,以遥感技术为基础,探索药用植物资源调查的方法。【方法】以红花的一个典型分布区新疆昌吉州吉木萨尔县作为研究样区,对研究样区开展野外遥感调查获取红花的生境及判读特征;采用中国资源三号卫星(ZY-3)影像对红花监测并进行图像预处理,完成基于主成分分析和纹理特征分析的最大似然监督分类法的分类,计算分类结果,得出分类精度。【结果】其样本准确率为68.75%,总体分类精度达到68.757%,卡帕系数为0.573,分类结果为中度一致性。【结论】利用遥感技术解译药用植物有一定的难度,利用中国资源三号卫星对药用植物红花的遥感资源调查基本是可行的。  相似文献   

2.
基于高分二号卫星影像的粤北地区香芋遥感识别研究   总被引:1,自引:0,他引:1  
【目的】高分辨率遥感影像为农作物监测提供高精度的支撑,香芋作为粤北地区的特色作物,是国家地理标志产品,对其监测有助于加强管控和调控。【方法】选择香芋关键物候期的高分二号卫星遥感影像,提取归一化植被指数、归一化差异水体指数、纹理信息,构建融合多特征光谱纹理影像,比较多种组合影像,采用支持向量机作为分类器,对香芋的识别精度进行分析。【结果】融合多特征光谱纹理影像的香芋识别精度最高,总体精度达到96.04%,对香芋的识别精度达到95.30%,比多光谱影像分类精度分别提高5%和6.8%,是多光谱全色融合影像分类精度提升幅度的2倍,且各类地物边界轮廓清晰,图像平滑,细碎图斑很少。【结论】高分二号影像是识别粤北地区香芋的理想数据源,分类精度较高,能够满足农作物监测的需求,能为制定病虫害防治措施,调节种植结构提供支持。  相似文献   

3.
基于ZY1-02C卫星P/MS数据的草原伪步甲灾害遥感监测   总被引:1,自引:0,他引:1  
【目的】运用2011年底发射的国产ZY1-02C卫星P/MS数据,探讨遥感监测草原伪步甲(Prosodes dilaticollis Motsch)生物灾害的可行性。【方法】研究区位于新疆玛纳斯和呼图壁两县草场,采用遥感和GIS技术,在遥感影像预处理的基础上,根据不同目标地物的光谱特征进行监督分类,将研究区内草原伪步甲危害区分为严重危害区、轻度危害区和无危害区3类,并进行精度评价。【结果】解译总体精度最高达74.2%,Kappa系数为0.78,地面实地验证精度为72%。【结论】国产卫星ZY1-02C的P/MS数据监测草原伪步甲生物灾害具有可行性。  相似文献   

4.
【目的】中国南方地区云雨频繁且农业景观破碎,是我国农作物遥感监测最具挑战的区域之一。我国自主研发的高分系列卫星具有高时空分辨率和高质量成像的特点。本研究挖掘多源高分系列卫星的时间和空间双重优势,实现多云雨及景观异质区作物精细化识别。【方法】基于国产高空间分辨率高分二号(GF-2)影像表征农田空间几何特征,协同中空间分辨率高分一号(GF-1)和高分六号(GF-6)加密影像观测时间序列,充分表征农作物光谱季相节律。通过构建光谱-时相-空间三维分类特征,基于随机森林进行农作物分类并计算不同特征的重要性。同时,设置不同影像组合和不同分类单元下的多种分类场景,进一步分析不同高分数据协同利用在农作物识别上的表现差异。【结果】基于GF-1、GF-2和GF-6影像和面向对象的农作物分类在湖北省潜江市研究区的总体精度为95.49%,Kappa系数为0.94;在枣阳市的总体精度为93.78%,Kappa系数为0.92。协同GF-2和GF-6进行农作物分类精度优于协同GF-2和GF-1。此外,基于GF-2进行面向对象的农作物分类效果优于面向像元,其中潜江总体精度提升了1.4%,枣阳提升了1.32%。相比GF...  相似文献   

5.
【目的】验证GF-1 WFV(16 m分辨率)在不食草马先蒿遥感监测的适用性,了解巴音布鲁克草原不食草马先蒿的分布。【方法】利用校正后的GF-1 WFV遥感卫星影像,结合实测光谱数据,采用目视解译结合监督分类的方法,对研究区的不食草马先蒿进行识别,验证其分类精度,并对研究区马先蒿的分类精度和分布情况进行分析。【结果】影像解译整体精度为80.91%,Kappa系数为0.71,分类结果较好;得到了巴音布鲁克草原不食草马先蒿分布范围和影响分类精度的主要原因。【结论】利用16 m分辨率GF-1 WFV多光谱遥感数据对巴音布鲁克草原不食草马先蒿进行遥感监测是可行的。通过对研究区遥感解译的分类结果和实地踏查发现,不食草马先蒿危害面积较大,且多为连片分布、顺河流分布;危害较为严重的区域为巴音布鲁克总场巴音布鲁克分场、巴音郭楞乡哈尔萨拉村、巴音布鲁克镇巴西里克村。  相似文献   

6.
HJ-1号卫星数据与统计抽样相结合的冬小麦区域面积估算   总被引:18,自引:0,他引:18  
【目的】探讨利用HJ-1号卫星遥感数据进行冬小麦种植面积测量的可行性,并进一步结合统计抽样的方法,估算区域冬小麦种植面积,解决单靠遥感进行冬小麦种植面积测量时多期影像信息误差积累和生长差异性影响的问题。【方法】以北京市为研究区,采用多时相HJ-1号卫星遥感数据与分层抽样相结合的方法进行冬小麦种植面积测量:利用多时相HJ-1号卫星遥感数据获取冬小麦遥感识别结果(56506.67hm2),结合耕地地块数据建立入样总体,以耕地地块内冬小麦遥感识别面积作为分层标志进行分层随机抽样,反推得到北京市冬小麦面积总量(59680hm2)。【结果】多时相冬小麦遥感识别结果MAE为0.17,bias为-0.05,抽样反推区域总量面积提高了约5%,在一定程度上纠正了HJ-1号卫星多期遥感影像提取冬小麦区域面积偏低的问题。【结论】本文方法能够准确测量出区域冬小麦总量面积,具有较强的应用性和普适性,为采用HJ-1号卫星遥感数据进行农作物种植面积遥感测量进行了先期的方法探讨,深化了该遥感数据源的应用。  相似文献   

7.
【目的】分析Landsat 8 OLI卫星遥感影像数据面向农用地分类的实际应用方法和效果,以新疆奇台县南部为研究对象。【方法】使用随机森林(RF)、支持向量机(SVM)和神经网络(Neural Net)三种分类器进行研究区农用地分类对比。【结果】通过对三种分类器参数设置参数精度检验,利用上述三种算法对农用地地物分类进行精度评价,在整体分类精度中,支持向量机算法(SVM)随机森林算法(RF)神经网络算法(Neural Net),分类精度分别为:90.75%,94.30%和94.84%。【结论】神经网络方法(Neural Net)在该地区的农用地物整体分类上,比支持向量机(SVM)和随机森林法(RF)相比具有一定的优势,并获得较好的分类精度。  相似文献   

8.
【目的】在遥感影像和地形图基础上对干旱半干旱地区天然荒漠草地进行分类,旨在为干旱半干旱地区草地分类及监测提供参考。【方法】采用基于决策树的天然草地分类方法,以天山北坡新疆阜康地区的TM遥感影像(2010-09-24)多光谱波段特征为主要分类变量,结合研究区数字高程模型(DEM),辅以影像目视解译结果,构建了对天然荒漠地区草地进行分类的决策树分类模型,对研究区主要地物类型进行了分类,并对分类精度进行了评价。【结果】综合考虑了遥感图像植被指数(NDVI)特征、DEM特征的分类策略,可以忽略山区的地形影响,简化分类过程,提高分类精度;与传统的非监督分类精度评价结果相比,基于专家知识的分类方法中总分类精度提高了37.4%,Kappa系数提高了78%,错分误差和漏分误差大幅减小;调整NDVI和DEM阈值可以使分类结果更加精准,模型适用区域更加广阔。【结论】基于决策树的典型荒漠草地遥感分类模型适用于荒漠区天然草地类型的提取与划分,可以提高利用遥感图像进行荒漠草地类型分类的精度。  相似文献   

9.
Landsat-5 TM影像在冰川面积信息提取中的精度评价   总被引:1,自引:0,他引:1       下载免费PDF全文
【目的】评估Landsat-5TM遥感影像在冰川面积提取中的精度。【方法】以位于祁连山北坡的老虎沟12号冰川和宁缠河3号冰川为研究对象,于2009年利用GPS-RTK技术获取高精度冰川边界数据,比较目视解译法、归一化积雪指数(NDSI)法、监督分类法对同时期Landsat-5TM遥感影像解译结果与大地测量法所得结果的差异。【结果】利用遥感影像提取的老虎沟12号冰川和宁缠河3号冰川的面积均小于大地测量法的结果,且各种方法提取冰川面积的精度误差不一。在老虎沟12号冰川和宁缠河3号冰川中,利用目视解译法得出的结果最接近大地测量值,其误差最小,分别为-0.79%和-1.83%;NDSI法误差次之,分别为-1.19%和-3.82%;监督分类法误差最大,分别为-1.79%和-5.99%。【结论】利用Landsat卫星数据监测冰川变化是一种简单而有效的手段;目视解译法提取冰川面积信息效果最好,误差不超过±2%;面积较大冰川的解译精度高于面积较小的冰川。  相似文献   

10.
一年一季农作物遥感分类的时效性分析   总被引:4,自引:1,他引:3  
【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号