基于Rapideye数据的棉花特征光谱指数构建及类型识别 |
| |
引用本文: | 王利民,刘佳※,姚保民,高建孟,季富华.基于Rapideye数据的棉花特征光谱指数构建及类型识别[J].中国农业信息,2019,31(5):25-37. |
| |
作者姓名: | 王利民 刘佳※ 姚保民 高建孟 季富华 |
| |
作者单位: | 中国农业科学院农业资源与农业区划研究所,北京100081,中国农业科学院农业资源与农业区划研究所,北京100081,中国农业科学院农业资源与农业区划研究所,北京100081,中国农业科学院农业资源与农业区划研究所,北京100081,中国农业科学院农业资源与农业区划研究所,北京100081 |
| |
基金项目: | 中国农业科学院创新工程领军人才C 类(农业遥感) |
| |
摘 要: | 【目的】特征光谱指数构建是提高农作物类型识别效率的前提,也是构建通用型识别方法的基础。【方法】基于2017年8月8日河北省冀州市5 m空间分辨率的Rapideye影像,采用红边、近红外波段反射率之和构建了棉花提取指数(Cotton Extraction Index,CEI),结合同期水体、裸地(含城镇建筑)掩模处理,实现了棉花类型识别。CEI指数方法具体过程是:样本点选择、水体及裸地(含城镇建筑)掩模处理、CEI指数构建、棉花识别及精度验证。其中,样本点采用随机方法获取,共获取了5 144个样本点,作为最佳CEI阈值以及精度验证的依据。【结果】基于CEI方法提取结果的总体精度达到88.80%,Kappa系数达到0.751 7。为了评价CEI指数方法的相对精度,分别采用最大似然分类方法和随机森林分类方法对影像进行分类和精度验证。结果表明基于最大似然分类方法的棉花提取总体精度和Kappa系数分别为86.53%和0.698 3,采用随机森林方法的棉花提取总体精度和Kappa系数分别为90.12%和0.766 7。【结论】对比3类方法,基于CEI指数方法获得的棉花提取结果,与其他2种常用方法的提取精度相当。该方法具有简单、高效,对样本依赖性较小的优势,在时效性要求较高的农作物面积识别中具有较高的应用价值。
|
关 键 词: | 棉花 遥感识别 Rapideye 特征光谱指数 随机森林 最大似然分类 |
收稿时间: | 2019/9/16 0:00:00 |
Construction and application of cotton characteristic spectral index based on Rapideye image |
| |
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 |
|