| 基于浅层学习方法的石漠化休耕试点区作物分类 |
| |
| 引用本文： | 董秀春,蒋 怡,黄 平,李宗南※,刘 轲.基于浅层学习方法的石漠化休耕试点区作物分类[J].中国农业信息,2019,31(2):11-17. |
| |
| 作者姓名： | 董秀春 蒋 怡 黄 平 李宗南※ 刘 轲 |
| |
| 作者单位： | 四川省农业科学院遥感应用研究所 |
| |
| 基金项目： | 四川省科技厅软科学研究项目“基于高分六号遥感影像的四川粮食作物布局研究”（2019JDR0121）；四
川省科技厅应用基础研究项目“基于空间大数据的乡村地区土地利用变化研究”（2019YJ0608）；四川省
重点研发项目“基于物联网+ 遥感技术的智慧农业研究”（2017GZ0160）；四川省省院省校合作项目“基
于大数据机器学习与冠层反射率模型结合的水稻叶面积指数提取技术”（2018JZ0054）；四川省应用基础
研究项目“基于互联网+ 多阶段遥感反演的区域水稻参数逐田块监测技术研究”（2017JY0284）；四川
省财政创新能力提升工程青年基金“基于冠层反射率模型多阶段反演的逐地块水稻参数采集技术研究”
（2017QNJJ-023） |
| |
| 摘 要： | 【目的】应用浅层结构的机器学习分类器和高空间分辨率影像实现休耕区绿肥、粮食及经济作物快速准确分类。【方法】利用分辨率为5 m的RapidEye影像,以云南省石林县部分休耕试点区为研究区,使用Softmax浅层机器学习分类器对研究区内绿肥作物、水稻、玉米及烟草等4种典型作物进行遥感识别与空间信息提取,并以极大似然分类法为参照,通过地面样方数据验证该方法的精度。【结果】基于Softmax方法的4种典型作物分类的总体精度和Kappa系数分别为85.98%和0.815 7,比极大似然分类高4.59%和0.061 7;绿肥、水稻、烟草的生产者精度和用户精度均达到84%以上,玉米则低于75%,原因是绿肥、水稻、烟草3种作物种植较为集中,而玉米种植地块面积小且极为分散;绿肥与烟草错分问题较明显,影响因素为"同物异谱、异物同谱"。【结论】基于Softmax的浅层机器学习分类器提高了分类精度,文章研究结果可为使用浅层机器学习方法快速准确掌握休耕情况提供参考。
|
| 关 键 词： | 遥感 Softmax 分类器 休耕 作物分类 |
| 收稿时间： | 2019/3/15 0:00:00 |
Shallow learning classification of summer crops
in rocky desertified fallow pilot area |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《中国农业信息》浏览原始摘要信息 |
| 点击此处可从《中国农业信息》下载免费的PDF全文 |
|
