基于中分辨TM数据的水稻提取方法对比研究

被引：14

作者：

李志鹏 ^{[1
]}

李正国 ^{[1
]}

刘珍环 ^{[2
]}

吴文斌 ^{[1
]}

谭杰扬 ^{[1
]}

杨鹏 ^{[1
]}

机构：

[1] 中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室

[2] 中山大学地理科学与规划学院

来源：

中国农业资源与区划 | 2014年 / 01期

关键词：

水稻; 神经网络; 面向对象分类; TM影像;

D O I：

暂无

中图分类号：

S511 [稻];

学科分类号：

0901 ;

摘要：

水稻种植面积监测是当前农业土地变化科学的热点问题,但运用遥感技术对水稻种植面积精确实施监测一直是难点。中分辨率遥感影像能够满足我国大面积水稻作物监测,成为业务化运行的主要数据源。为此,该研究尝试以中分辨率TM影像为数据源,结合神经网络和面向对象(SVM)两种算法对对黑龙江省富锦市2010年两期不同时相影像分别进行水稻分类提取,并对分类结果进行滤波处理及混淆矩阵精度评定。结果表明:(1)在高纬度单季稻生长区,面向对象分类算法的精度显著高于神经网络的分类精度,水稻用户精度和生产者精度在6月份分别高0.55%、1.37%,在8月份分别高0.62%、2.34%;(2)对神经网络分类的结果进行Majority滤波处理,在一定程度上可以改善水稻分类的精度,水稻用户精度和生产者精度在6月份分别提高0.14%、0.5%,在8月份分别提高1.56%、1.43%;(3)选取关键水稻物候期的遥感影像获取水稻种植面积的精度更高,返青期水稻提取精度要高于乳熟期,其中神经网络算法的水稻用户精度及生产者精度分别提高2.67%、3.45%;面向对象算法的水稻用户精度及生产者精度分别提高2.6%、2.48%。未来需要重点考虑建立全国水稻物候历信息、面向对象算法中自动化最优尺度分割方法来提高水稻分类的精度。

引用

页码：27 / 33

页数：7

共 13 条

[1] 气候变化对农业和粮食生产影响的研究进展与发展方向 [J].