水稻种植面积遥感估算的不确定性研究

被引：11

作者：

黄敬峰 ^{[1
,2
]}

陈拉 ^{[3
,2
]}

王晶 ^{[1
,2
]}

王秀珍 ^{[4
,5
]}

机构：

[1] 浙江大学农业遥感与信息技术应用研究所

[2] 浙江省农业遥感与信息技术重点实验室

[3] 教育部污染环境修复与生态健康重点实验室

[4] 杭州师范大学遥感与地球科学研究院

[5] 浙江省城市湿地与区域变化研究重点实验室

来源：

农业工程学报 | 2013年 / 29卷 / 06期

关键词：

遥感; 不确定性分析; 分类; 可视化; 水稻种植面积;

D O I：

暂无

中图分类号：

S511 [稻]; S127 [遥感技术在农业上的应用];

学科分类号：

082804 ;

摘要：

利用研究区地物类别亚米级GPS详查数据及TM影像光谱数据,模拟生成1m分辨率的遥感模拟影像。用3种非参数分类法(最临近法KNN、误差后向传播神经网络BPN,模糊自适应网络FUZZY ARTMAP)和一种参数分类法(最大似然法MLC)对研究区TM影像进行硬分类估算水稻面积;还采用BPN全模糊分类、BPN和KNN模糊分类、抽象级结合和测量级结合的多分类器结合方法对遥感影像进行分类估算水稻面积;采用最多数法则的尺度扩展算法,实现由3m空间分辨率参考图提取30m空间分辨率影像像元纯度信息,讨论混合像元问题对遥感影像分类精度的影响。结果表明:非参数分类法精度均高于参数分类法,3种非参数分类法之间的差异较小,用最大似然法估算水稻面积的用户精度最高,用K最临近值分类法估算水稻面积的生产者精度最高;水稻类全模糊分类法的面积和真实面积最为接近,水稻类像元内的面积估测和真实面积无极显著差异;多分类器结合的分类法无论采用投票法还是测量级方法都能提高分类的总精度,能够提高水稻类面积提取的精度;研究区在30m空间分辨率的情况下,各类别分类总精度、Kappa系数随像元纯度升高而升高,4种硬分类方法没有对混合像元的分类表现出特别强的能力。本研究最终制作出分类影像像元的分类结果图、分类最大概率值、熵值图和水稻类概率值等4张图层,构成了对研究区分类结果不确定性的空间分布图不确定性图层,为采取进一步降低不确定性的措施提供了线索。

引用

页码：166 / 176+300 +300

页数：12

共 14 条

[1]

MODIS数据提高水稻卫星遥感估产精度稳定性机理与方法研究.[D].程乾.浙江大学.2005, 03

[2]

遥感应用分析原理与方法.[M].赵英时等编著;.科学出版社.2003,

[3] A survey of image classification methods and techniques for improving classification performance [J].

Lu, D. ;

Weng, Q. .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2007, 28 (05) :823-870

[4]

Sub‐pixel mapping of rural land cover objects from fine spatial resolution satellite sensor imagery using super‐resolution pixel‐swapping.[J].M. W. Thornton;P. M. Atkinson;D. A. Holland.International Journal of Remote Sensing.2006, 3

[5]

Determining temporal windows for crop discrimination with remote sensing: a case study in south-eastern Australia.[J].Thomas G. Van Niel;Tim R. McVicar.Computers and Electronics in Agriculture.2004, 1

[6] Hard and soft classifications by a neural network with a non-exhaustively defined set of classes [J].