| 县域尺度上基于GF-1PMS影像的冬小麦种植面积遥感监测 |
| |
| 作者姓名： | 田海峰 周伯燕 陈燕芬 邬明权 牛铮 |
| |
| 作者单位： | 中国科学院 遥感与数字地球研究所 遥感科学国家重点实验室, 北京 100101;中国科学院大学 环境与资源学院, 北京 100049,河南大学 环境与规划学院, 河南 开封 475004,中国科学院 遥感与数字地球研究所 遥感科学国家重点实验室, 北京 100101;中国科学院大学 环境与资源学院, 北京 100049,中国科学院 遥感与数字地球研究所 遥感科学国家重点实验室, 北京 100101,中国科学院 遥感与数字地球研究所 遥感科学国家重点实验室, 北京 100101;中国科学院大学 环境与资源学院, 北京 100049 |
| |
| 基金项目： | 国家自然科学基金项目（41301390,4137138）;国家"973"计划项目（2013CB733405）;国家"863"计划项目（2014AA06A511）;云南省科技计划（2010AD004）;高分辨率国家重大专项（20-Y30B17-9001-14/16） |
| |
| 摘 要： | 为探究县域尺度上基于高分一号卫星(GF-1)PMS影像进行冬小麦遥感监测的可行性及精准性,以河南省滑县为研究区,遴选2015年2月上旬GF-1 PMS影像6景,对影像进行辐射定标、FLAASH大气校正、NNDiffuse融合、几何精校正、地图投影转换等预处理后,在外业调查和样本分析的基础上构建一种新的冬小麦决策树分类模型,模型第1层决策方案中NDVI0.311的像元为冬小麦,得到冬小麦的粗分类结果;在此基础上进行第2层决策分类,以进一步提高冬小麦的分类精度,分类方案为第1波段地表反射率0.146、第2波段地表反射率0.148、第3波段地表反射率0.135、第4波段地表反射率0.250的像元为冬小麦。对分类结果进行形态学滤波处理,以消除或减少分类结果中孤立的像元。分别基于决策树分类模型与ENVI软件自带的IsoData非监督分类模型,对比分析GF-1PMS影像和同时期Landsat-8OLI影像在冬小麦面积提取上的精度。结果表明:基于新构建的决策树分类模型,2015年滑县冬小麦种植面积为115 715.81hm2,混淆矩阵检验总体精度为99.62%,Kappa系数为0.99;PMS影像提取冬小麦的混淆矩阵总体精度比OLI影像高出9个百分点。说明县域尺度上基于单时相GF-1PMS影像在冬小麦收获前提取冬小麦种植面积是可行的,提取精度较高。
|
| 关 键 词： | 冬小麦 高分一号 县域尺度 决策树 PMS影像 Landsat |
| 收稿时间： | 2016-09-19 |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《中国农业大学学报》浏览原始摘要信息 |
|
点击此处可从《中国农业大学学报》下载免费的PDF全文 |
|
