基于多光谱影像和专家决策法的作物分类研究

[目的]探讨基于多光谱影像和专家决策法的作物分类,验证利用单时相多光谱影像区分农作物的可行性。[方法]以呼伦贝尔地区典型农业种植区为研究区,根据野外实测光谱数据,寻找区分研究区主要作物大麦、小麦、油菜的最佳时间,根据作物波谱特征,采用决策树方法,结合光谱角度制图（SAM）等光谱匹配方法,开展了作物分类研究。[结果]利用8月上旬获取的LandsatTM影像,在对影像进行几何校正、大气校正的基础上,构建决策树,成功提取了小麦、大麦、油菜、种植草场的种植信息,分类总体精度达到86.90%,Kappa系数达到0.8311。[结论]以典型时相的多光谱影像为数据源,应用决策树方法提取作物类型信息,具有较好的应用前景。     

基于多光谱影像和专家决策法的作物分类研究

[目的]探讨基于多光谱影像和专家决策法的作物分类,验证利用单时相多光谱影像区分农作物的可行性。[方法]以呼伦贝尔地区典型农业种植区为研究区,根据野外实测光谱数据,寻找区分研究区主要作物大麦、小麦、油菜的最佳时间,根据作物波谱特征,采用决策树方法,结合光谱角度制图（SAM）等光谱匹配方法,开展了作物分类研究。[结果]利用8月上旬获取的LandsatTM影像,在对影像进行几何校正、大气校正的基础上,构建决策树,成功提取了小麦、大麦、油菜、种植草场的种植信息,分类总体精度达到86.90%,Kap-pa系数达到0.831 1。[结论]以典型时相的多光谱影像为数据源,应用决策树方法提取作物类型信息,具有较好的应用前景。     

基于多光谱成像技术选取稻飞虱为害后水稻叶片的特征波段

[目的]研究选取稻飞虱为害后水稻叶片的有效特征波段,用于从大量成像光谱数据中快速识别和分类稻飞虱为害后的水稻叶片。[方法]实验采用多光谱成像系统对400-720 nm波段范围,每隔5 nm的稻飞虱为害后的水稻叶片进行多光谱成像。[结果]根据波段指数原理,计算得出波段515,510,710,555,630,535,505,530和595 nm具有较理想的波段指数值,这些波段信息量丰富、相关性小;实验通过两种分类方法分别对稻飞虱为害后的水稻叶片的分类精度予以计算,得出全波段和特征波段的分类精度均大于90.00%。[结论]这些选取的波段可以作为稻飞虱为害后水稻叶片的有效特征波段,可以用于从大范围农作物中快速识别和分类水稻叶片。     

基于Softmax分类器的小春作物种植空间信息提取

[目的]使用浅层机器学习分类方法和多光谱遥感影像快速准确提取研究区小春作物(油菜、小麦)种植空间信息。[方法]选择研究区小春作物识别最佳时期的Sentinel 2A MSI多光谱影像,融合得到10 m分辨率影像,然后降尺度生成15、20、30 m分辨率影像,结合地面调查数据,建立油菜、小麦、林地、居民地、水体等典型地物感兴趣区,训练Softmax分类器,基于不同空间分辨率影像提取油菜、小麦种植空间信息。[结果]①基于Softmax分类器和10 m分辨率融合影像的小春作物分类总体精度为90.02%,Kappa系数为0.8344,其中油菜生产者精度和用户精度分别为93.14%、91.42%,小麦的分别为87.93%,98.09%;②Softmax法的小春作物分类精度随影像空间分辨率下降而降低,15、20、30 m分辨率影像的分类精度较10 m的分别下降9.80%、12.04%和13.04%,Kappa系数依次减少0.1538,0.1873和0.2088;③15、20、30 m分辨率影像的油菜分类精度较小麦的低,影响因素为油菜花期和种植地块破碎分散。[结论]Softmax分类器在10～30 m中高分辨率影像小春作物分类中具备较高的精度,可作为常规方法应用于业务化的作物监测工作。     

结合地理信息的洞庭湖湿地分类方法研究(英文)

[目的]提高洞庭湖区湿地遥感分类的准确性。[方法]利用洞庭湖TM数据,并辅助地面GIS信息,通过专家分类知识库建立决策树分类方法,结合研究区的DEM进行洞庭湖湿地的影像分类,通过决策树层次实现了包括水体、泥沙滩地、防护林滩地、湖草、芦苇滩地和苔草滩地以及其他水体7种湿地类型的分类。[结果]决策树分类总体精度80.29%,总体Kappa系数为0.8839,分类精度相对于传统手段要高,证明基于该方法得到的数据准确度能够满足实际工作的需要;另外,基于知识分类的影像分类结果能够较好地解决一些错分的现象,针对湿地而言,混分现象最严重的泥滩地,在传统分类中大量的被分为了建筑用地,或者裸地,同时草滩地与林地的混分在基于知识分类的影像中边界也较明显。[结论]相比传统分类方法,决策树分类以规则为基础,可以同时利用多个条件进行分类,减少了数据处理时间,同时还提高了分类精度,最终得到试验区较为可靠的遥感分类图像。     

基于资源三号卫星遥感影像的山区套种烟草面积估测

[目的]针对传统实地测量难以实现山区大面积套种烟草面积监控的问题,研究一种快捷、高精度的估测途径。[方法]利用ENVI5.1软件处理资源三号卫星2.1 m全色影像和5.8 m多光谱影像,导入1∶1万DEM数据进行正射校正以纠正地形起伏引起影像上的误差。野外获得具有代表性的地面控制点(GCP),利用面向对象分类方法,对影像进行智能化的分割和合并,以GCP的光谱、纹理和形状属性创建规则,进而提取烟草面积。[结果]经过分类后处理提取的研究区烟草面积为14 088.46 hm2,分类精度达到94.63%。[结论]面向对象分类方法提取遥感影像信息的实用性较高。     

紫茎泽兰不同组织水提取液对水稻·玉米化感作用机制

[目的]研究紫茎泽兰不同组织根、茎、叶水浸提取液对2种农作物玉米、水稻化感作用及对受试农作物生理指标的影响,以探讨化感物质作用机制。[方法]采用培养皿滤纸法测定不同浓度根、茎、叶水浸提液对受试种子萌发率和幼苗生长影响,并检测受试农作物生理指标丙二醛（MDA）含量、过氧化物酶（POD）活力的变化。[结果]紫茎泽兰根、茎、叶水浸提液对受试玉米、水稻的发芽率和幼苗根长、株高均有不同程度的影响,使受试农作物幼苗体内丙二醛（MDA）含量增加、过氧化物酶（POD）活性呈现先增加后降低趋势。[结论]紫茎泽兰不同组织水提液对受体植物的种子萌发、幼苗生长过程均具有明显的抑制作用,其茎的化感敏感效应大于根、叶,水提液抑制受试农作物光合效率,提高了幼苗体内的MDA含量,并降低了POD酶活性。     

一种基于粗糙集理论的特征选择方法

目的 特征集中特征质量的好坏能够影响到文本分类的精度,所以选择一种好的特征选择方法对于文本分类的效果起着重要的作用.方法 粗糙集理论为研究不精确数据的分析、推理,挖掘数据间的关系、发现潜在的知识提供了有效的工具.提出了一种基于粗糙集的特征选择方法.结果 通过实验结果表明该方法利用粗糙集的约简理论降低了特征维数,同时保证了分类性能.使用该方法进行特征选择时比目前常用的特征选择方法获得较好的分类效果.结论 粗糙集的属性约简理论可以用在规则提取和特征选择上,利用粗糙集的属性约简理论进行特征选择时能够获得较理想的分类效果.     

基于SPOT高分辨率遥感数据的农作物估产方法研究

[目的]为了达到基于SPOT高分辨率遥感数据的农作物估产方法研究的目的。[方法]以邢台市为例,利用SPOT-5卫星2.5 m分辨率全色影像与10 m分辨率多光谱影像的融合得到高分辨率多光谱影像,以此对农作物估产方法进行研究。[结果]结果表明,基于SPOT高分辨率遥感数据的农作物估产结果与地面实测结果相比,其检验结果可信。[结论]该研究为农作物遥感估产的实践应用提供了参考依据。     

基于无人机高分辨率影像的农作物分类研究

农作物分类是精准农业中的重要技术之一.为探究多品类作物分类的有效方法,基于无人机高分辨率遥感影像,分别应用基于像元和面向对象分类方法建立了研究区内28类典型农作物分类模型,并采用总体精度、Kappa系数、用户精度、生产者精度对分析结果进行了评价.结果表明:基于像元的最小距离法、马氏距离法、最大似然法、神经网络法和支持向...     

喀斯特地区土地分类方法研究

[目的]寻找喀斯特地区土地最优分类方法。[方法]选取覆盖柳州市的美国陆地卫星的Landsat-5TM数字影像(2011年),采用最大似然、神经网络和支持向量机(SVM)3种分类方法,对研究区域的土地进行分类,比较分类后的混淆矩阵,分别求出3种分类结果的总体正确率和Kappa系数。[结果]3种分类方法的总体正确率都在90%以上,Kappa系数也较高;SVM分类方法的总体分类正确率和Kappa系数最高,优于神经网络、最大似然法分类。[结论]SVM分类方法可提高喀斯特地区土地利用信息遥感分类的精度,为后期有效地动态监测喀斯特地区土地利用的变化奠定了基础。     

基于高空间分辨率卫星影像的新疆阿拉尔市棉花与枣树分类

【目的】 枣树和棉花是新疆地区的两大优势作物。利用高空间分辨率遥感影像对作物进行识别,更加快速、准确地获取枣树和棉花的种植面积及其分布区域,以利于相关部门政策的制定及农作物的精确管理。【方法】 本文以新疆阿拉尔市主要农作物为研究对象,运用基于像素与面向对象的遥感影像分类方法,通过比较光谱角制图（SAM）、支持向量机（SVM）、CART决策树（DTs）、随机森林（RF）这4种机器学习算法在高空间分辨率卫星影像分类中的作物识别精度,探究影像获取时期（2016-05-10、2016-09-07、2016-10-08）及面向对象的信息提取技术对作物分类精度的影响。【结果】 5月份影像（即棉花覆膜期影像）作物分类精度最高,10月份影像次之,9月份影像最差;与基于像素的作物分类方法相比,面向对象的作物分类方法可以使各时期的作物分类总体精度得到一定提高（除SAM之外）,各时期分类精度分别提高了4.83%、7.77%、7.22%,最高分类精度分别为93.52%（2016-05-10）、85.36%（2016-09-07）、88.88%（2016-10-08）,均实现了较好的作物分类效果。【结论】 5月份（棉花覆膜期）影像对棉花和枣树分类效果最好,该时期的棉花被地膜覆盖,且枣树表现出明显的植被光谱特性,两种作物生长早期呈现出差异化的光谱特征,因此棉花和枣树的遥感识别应在作物生长早期进行;面向对象的分类方法可以综合运用光谱、纹理及空间信息,特别是纹理信息的加入,可以取得比基于像素方法更高的分类精度,且提供一种高效提取田块边界的手段,对当地农田信息化管理具有重要应用价值。在棉花和枣树识别过程中,纹理特征的重要性高于光谱和空间特征,红光和绿光波段在所有波段中对棉花和枣树的识别贡献最大。     

基于遥感影像的土地利用分类系统的设计——以石河子垦区为例

[目的]有效保护、合理开发利用土地资源,把握真实、准确和实时的土地利用信息.[方法]以石河子垦区为例进行了基于遥感影像的土地利用分类系统的设计.[结果]遥感影像处理、分析的方法在区别不同的目标、不同的状态时,效果也有很大的差异,针对具有明显区域特征的示范区,研究确定了最佳的土地类型分类的方法与模型.[结论]设计了在示范区建立适应的土地利用分类系统的技术路线,并介绍了数据分析、影像处理、遥感影像分类处理以及分类精度评价与方法验证等关键研究方法.     

一种基于粗糙集理论的专家系统结构

基于s.H.Nguyen提出的布尔逻辑和粗糙集理论相结合的离散化算法,在一种改进的启发式离散化算法基础上,提出了一种基于粗糙集数据挖掘的系统结构;给出了一种基于粗糙集的专家系统结构.该结构可应用于诸多领域,具有较强的实用性和一定的通用性.     

基于PALSAR雷达数据在南方水体信息提取研究

[目的]利用具有L波段的双极化PALSAR雷达数据在福建寿宁地区开展水体信息提取的研究。[方法]对双极化PALSAR雷达数据进行了极化差、滤波、彩色合成等图像处理手段,增强地物信息,分析了典型地物在雷达影像上的特点,利用地形建模消除山区阴影影响,基于SVM分类方法对研究区进行了水体信息提取,最后结合目视解译结果进行了精度评价。[结果]PALSAR雷达数据可准确地在我国南方地区进行水体信息的提取应用。[结论]该研究为解决在我国南方地区受云雨天气影响,光学遥感数据无法准确地提取地表水体信息的问题提供了理论依据。     

基于时序影像及关键物候特征的江苏省夏收农作物提取

农作物遥感分类与识别是提取农作物种植范围和面积的基础,也是开展农作物长势、产量、所受灾害等相关信息监测的基础。油菜和小麦是江苏省越冬主要农作物,为解决江苏省主要夏收农作物快速、准确提取的难题,以宜兴市为例,提出了基于时序影像及关键物候特征的夏收农作物提取方法,基于不同农作物在生长发育过程中差异性特征,结合农作物的物候信息,采用表达作物每个生长期阶段特征的时间序列影像数据,对不同的农作物进行提取,提取结果显示,总体精度为92.65%,Kappa系数为0.86,说明利用该方法提取江苏省夏收农作物技术可行,提取结果可为农作物种植面积估算提供参考,为农作物精细监测、耕地非粮化监测提供技术支撑。     

基于多时相 Sentinel-2 卫星数据的农作物分类研究

【目的】探究研究区农作物分类最佳时相;结合遥感指数探究一种有效的多时相分类方法,提取主要农作物种植分布情况。【方法】基于多时相Sentinel-2卫星数据,采用支持向量机的分类方法对不同时相进行分类,对比分类精度;融合时间序列的NDVI、MNDWI指数之后采用支持向量机的方法进行分类,之后分别利用MNDWI和CI指数结合决策树的分类方法提取水域和田埂。【结果】7月份的分类效果最好,总体精度达到91.05%,Kappa系数达到0.8518;通过时相数据不同组合的分类精度比较,采用3—10月NDVI数据叠加后分类的效果较好,总体精度达到92.25%,Kappa系数达到0.8736;对比3种不同分类方法,以支持向量机的分类结果精度最高,总体精度达到94.19%,Kappa系数达到0.9024。【结论】7月份是研究区农作物分类的最佳时相;多时相分类精度明显高于单景数据分类;结合多时相NDVI、MNDWI、CI 3种遥感指数进行分类可以有效提取研究区主要农作物的种植分布情况。     

资源三号卫星在野生罗布麻宏观监测中的应用评价

[目的]利用国产卫星资源三号影像,选取新疆阿勒泰阿拉哈克乡野生罗布麻自然保护区,进行药用植物宏观监测分析评估.[方法]采用遥感与地面调查相结合的方法对野生罗布麻进行遥感识别,在传统分类方法中加入PCA(第一主分量)和纹理特征作为辅助数据来提高国产卫星对野生罗布麻进行遥感识别的分类精度.[结果]利用遥感影像分类提取野生罗布麻效果较好,总体分类精度为90.23;,kappa系数为0.8658,但是罗布麻的生产者精度只有73.09;,存在漏判现象.[结论]分析漏判原因,并对国产卫星资源三号是否适用于野生药用植物宏观监测做出评价.     

基于多时相影像植被指数变化特征的作物遥感分类

高分一号GF1/WFV遥感影像具有较高的时间和空间分辨率,利用多时相影像开展农作物分类调查具有明显优势。以安徽省颍上县为研究区域,利用2017年5月至9月共6景多时相GF-1/WFV卫星遥感影像数据对主要农作物的分类识别提取。首先,通过分析研究区主要农作物的典型植被指数NDVI、EVI和WDRVI时序变化特征,明析了不同作物在各时相对不同VI的响应特征;其次,基于作物在不同时相的敏感VI变化响应,构建了决策树分层分类模型,成功提取了研究区玉米、水稻、大豆和甘薯四种主要作物种植空间分布情况。结果表明:总体精度达到90.9%,Kappa系数为0.895。同时,采用最大似然法、支持向量机对研究区作物进行分类,通过分类效果对比发现,最大似然法最差,支持向量机次之,决策树分类方法最佳。研究表明:利用多时相时间序列的遥感影像数据,结合作物植被指数特征,采用决策树分类方法可以有效提高作物分类的精度。     

基于多分类器集成的GF-2作物信息精细提取研究

【目的】将多种分类器的优点融合，以便提升遥感影像作物信息提取的精度。【方法】以渭库绿洲为研究区，利用国产高分2号(GF-2)数据和野外调查数据，基于提取的遥感识别特征制定不同分类方案，采用马氏距离(MsDC)、最小距离(MDC)、最大似然(MLC)、神经网络(NNC)、支持向量机(SVM)5种传统机器学习方法分别对6种特征组合方案的影像进行分类，然后选择基分类器，并应用多数投票法和保守投票法2种多分类器集成算法，对研究区农作物进行精细分类提取。【结果】(1)辅助特征的加入对于子分类器的精度提高明显。5种分类器中除了MLC,其余4种分类器都是在加入归一化植被指数特征(NDVI)和纹理特征后取得了最高精度。(2)基分类器中精度最高的是NNC-4(人工神经网络的第4种特征组合方案),OA达到83.54%,Kappa系数为0.77。(3)相比基分类器，多分类器集成方法能够在制图精度和用户精度两方面提高农作物的提取精度。并且保守投票法优于多数投票法，OA为85.89%,Kappa系数为0.80。(4)集成分类结果中除了棉花的识别精度与最优基分类器NNC-4相等，达到94.94%外，其他的农作物如...