共查询到20条相似文献，搜索用时 156 毫秒
1.
[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。 相似文献
2.
遥感技术能够获取大区域下冬小麦的空间分布，为冬小麦估产提供良好基础。基于2020年5月4日的高分2号多光谱卫星影像，构建包含光谱特征和植被指数的数据集，并通过改进UPerNet模型的上采样结构、激活函数以及增加注意力模块来优化模型提取冬小麦效果。选取杨凌示范区2块地物类型丰富地区作为研究区域，以此探究方法的可行性；然后基于最优方法，提取杨凌区冬小麦种植区域。研究区域结果表明，与仅使用光谱信息作为模型输入特征相比，基于多光谱和植被指数的分类效果更好。在融合光谱特征和植被指数的数据集上，改进的UPerNet模型分类精度最高，冬小麦提取精度为97.78%,总体分类精度相比于改进前的UPerNet提升了2.49%,对比DeepLab V3+提升了3.48%。基于改进方法，实现了杨凌示范区的冬小麦种植区提取；通过实地调查以及对比统计年鉴数据的方式，验证了杨凌示范区冬小麦空间分布与实际情况基本一致。改进后的UPerNet模型能够有效区分遥感数据中的地物类别，提升冬小麦种植区域提取精度，也为基于卫星影像获取冬小麦空间分布提供了技术支持。 相似文献
3.
[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。 相似文献
4.
《江苏农业科学》2019,(19)
为探索西南地区水稻种植信息的有效提取方法,以重庆市永川区朱沱镇为例,根据Sentinel-2多光谱影像,结合高分一号(GF-1)影像数据选取样本分布点,构建水稻作物信息随机森林提取模型,同时分析样本地类像元光谱曲线,构建不同地类样本影像像元光谱库,并将随机森林分类结果与传统最大似然法、光谱角及基于时差的光谱角水稻空间种植信息分类结果进行对比及精度分析。结果显示,通过光谱角分类器提取地物精度有限,结合时差特征能够明显提高目标提取精度,而基于水稻样本信息训练构建的光谱角模型提取方法获取水稻种植面积准确率高达90.62%,分类结果总体精度达91.50%,Kappa系数达到0.83,实现了对西南地块破碎地区分散作物种植信息的有效提取,可为西南地形复杂、地块破碎地区农作物信息提取提供一定参考。 相似文献
5.
【目的】中国南方地区云雨频繁且农业景观破碎，是我国农作物遥感监测最具挑战的区域之一。我国自主研发的高分系列卫星具有高时空分辨率和高质量成像的特点。本研究挖掘多源高分系列卫星的时间和空间双重优势，实现多云雨及景观异质区作物精细化识别。【方法】基于国产高空间分辨率高分二号（GF-2）影像表征农田空间几何特征，协同中空间分辨率高分一号（GF-1）和高分六号（GF-6）加密影像观测时间序列，充分表征农作物光谱季相节律。通过构建光谱-时相-空间三维分类特征，基于随机森林进行农作物分类并计算不同特征的重要性。同时，设置不同影像组合和不同分类单元下的多种分类场景，进一步分析不同高分数据协同利用在农作物识别上的表现差异。【结果】基于GF-1、GF-2和GF-6影像和面向对象的农作物分类在湖北省潜江市研究区的总体精度为95.49%,Kappa系数为0.94；在枣阳市的总体精度为93.78%,Kappa系数为0.92。协同GF-2和GF-6进行农作物分类精度优于协同GF-2和GF-1。此外，基于GF-2进行面向对象的农作物分类效果优于面向像元，其中潜江总体精度提升了1.4%，枣阳提升了1.32%。相比GF... 相似文献
6.
7.
【目的】油菜是我国重要的油料作物之一,监测油菜种植面积有助于了解油菜生长状况,为油菜病虫害、湿渍害、冻害等灾害损失评估提供数据基础。【方法】文章以湖北省荆州市江陵县为研究区,使用国产HJ-1A/B 30 m分辨率时序多光谱数据,通过地面调查及资料分析确定油菜与其它易混淆作物的主要NDVI时序特征,建立油菜识别决策树,估算了2009—2015年(不包括2011—2012年生长季)冬前油菜种植面积。将基于油菜开花期影像的最大似然法提取的油菜面积作为定性验证数据。以油菜籽面积统计数据和Google Earth高分辨率影像数据对冬前油菜提取的面积和空间位置结果进行定量评价。【结果】定性评价结果:2009—2011年生长季的决策树方法提取冬前油菜面积结果与开花期影像最大似然法提取结果基本一致,2012—2015年生长季的油菜提取面积空间分布差异较大。定量评价结果:决策树方法提取冬前油菜面积的用户精度达到80.40%～95.56%,生产者精度达到82.56%～91.43%,相对误差低于15%。【结论】基于NDVI时间序列特征的决策树算法估算冬前油菜面积具有可行性,但仍受到云和冬小麦的影响。 相似文献
8.
《江西农业学报》2022,(6)
以云南省文山州2010、2015及2019年冬末春初的12景TM/OLI影像、DEM等为数据源,将遥感监督分类法与基于阈值的决策树分类法相结合,提取文山州多时点三七种植区的空间分布信息,在此基础上,使用探索性数据分析、地图分析等方法探索研究区近10年三七种植区在空间上的变化转移规律。结果表明:(1)基于TM/OLI影像、DEM等多源数据,综合考虑三七种植区特殊影像光谱特征、生境特征等,将监督分类法与基于阈值的决策树分类法相结合,可以快速对三七种植区空间分布信息进行提取,且结果的精度较高,能够满足研究、应用等的要求;(2)三七种植模式上,呈现由小规模农户零散种植模式向大规模连片集中产业化种植模式转变;(3)三七种植区在水平分布上呈现出了由西部向西北、西南部及中部等扩张的特征;在海拔分布上呈现出向1200 m以下低海拔、2000 m以上高海拔地区扩展的特征;在坡度分布上呈现逐步向地势起伏更大的区域扩展延伸态势;在坡向分布上则呈现由阴坡面集中种植向阳坡及半阴坡面集中种植转移的趋势;(4)近10年云南文山三七种植区分布所呈现的时空变化特征,主要是受到了三七种植连作障碍的影响。 相似文献
9.
以云南省文山州2010、2015及2019年冬末春初的12景TM/OLI影像、DEM等为数据源,将遥感监督分类法与基于阈值的决策树分类法相结合,提取文山州多时点三七种植区的空间分布信息,在此基础上,使用探索性数据分析、地图分析等方法探索研究区近10年三七种植区在空间上的变化转移规律.结果表明:(1)基于TM/OLI影像、DEM等多源数据,综合考虑三七种植区特殊影像光谱特征、生境特征等,将监督分类法与基于阈值的决策树分类法相结合,可以快速对三七种植区空间分布信息进行提取,且结果的精度较高,能够满足研究、应用等的要求;(2)三七种植模式上,呈现由小规模农户零散种植模式向大规模连片集中产业化种植模式转变;(3)三七种植区在水平分布上呈现出了由西部向西北、西南部及中部等扩张的特征;在海拔分布上呈现出向1200 m以下低海拔、2000 m以上高海拔地区扩展的特征;在坡度分布上呈现逐步向地势起伏更大的区域扩展延伸态势;在坡向分布上则呈现由阴坡面集中种植向阳坡及半阴坡面集中种植转移的趋势;(4)近10年云南文山三七种植区分布所呈现的时空变化特征,主要是受到了三七种植连作障碍的影响. 相似文献
10.
基于Softmax分类器的小春作物种植空间信息提取 总被引：1，自引：0，他引：1
[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。 相似文献
11.
为提高高分辨率遥感影像分类精度,针对高分二号影像发展一种综合利用遥感影像光谱和纹理信息的茶园种植区提取方法。该方法首先利用归一化植被指数(NDVI)和修正的归一化植被指数(MNDVI)构建新的光谱特征——差异归一化差分植被指数(DNDVI),通过灰度共生矩阵(GLCM)构建新的纹理特征——灰度共生纹理(GLCT),然后结合光谱和纹理特征运用支持向量机(SVM)的方法进行分类。试验采用2种方案(原始波段+光谱特征,原始波段+光谱特征+纹理特征)对影像进行分类,分类总体精度分别为79. 6%、89. 8%,Kappa系数分别为0. 659、0. 788。结果表明,结合纹理信息能明显地提高分类精度,并较好地实现对高分二号影像茶园种植区的分类提取。 相似文献
12.
高分一号卫星影像监测水稻种植面积研究综述 总被引：2，自引：0，他引：2
《湖南农业科学》2014,(13)
简要介绍了高分一号卫星应用于农情遥感监测的优势和水稻种植面积遥感监测的原理,着重对遥感影像数据预处理、遥感影像分类方法与水稻面积提取技术等方面的研究进展进行了综述。高分一号卫星具有高空间分辨率和时间分辨率的特点,反映作物的光谱特征明显,适合选用为农情遥感监测的数据源;基于高分辨率卫星影像的水稻种植面积提取技术比较成熟;基于决策树、人工神经网络、专家知识、人工目视解译等分类提取方法应用前景广阔,但精度有待进一步提高。 相似文献
13.
《中国农业信息》2021,(2)
【目的】提取四川省粮食生产核心区川西平原油菜种植区域空间分布信息,分析种植区域的空间特征和面积变化,以期为四川省农业政策制定、产业结构进一步调整和优化提供参考。【方法】文章将GF-1、Sentinel-2和Landsat-8全色波段影像和多光谱影像进行融合,分别得到空间分辨率为15 m、10 m和15 m的融合图像;利用最大似然分类法对融合图像的RGB假彩色图像进行地物分类,提取油菜种植区域信息。以Google Earth发布的历史影像建立验证样区,通过目视解译提取油菜种植区域,验证遥感影像的提取精度。【结果】获得了该地区2016年和2018年共2期油菜种植区域空间信息。川西平原油菜主要分布在北部、东北部、西部和南部浅丘地带,零散分布于中部平原地区。2018年油菜种植面积较2016年有所增长,主要增加区域在川西平原崇州市、大邑县、邛崃市等市县。【结论】川西平原近年来油菜种植面积总体保持增长势态。四川省油菜产业的发展使得油菜种植区域差异化逐渐明显,需要进行针对性分析,因地制宜地研究和确定产业的战略目标与规划、区域农业产业化经营应遵循的法律或规则。 相似文献
14.
基于高分二号卫星影像的粤北地区香芋遥感识别研究 总被引：1，自引：0，他引：1
【目的】高分辨率遥感影像为农作物监测提供高精度的支撑,香芋作为粤北地区的特色作物,是国家地理标志产品,对其监测有助于加强管控和调控。【方法】选择香芋关键物候期的高分二号卫星遥感影像,提取归一化植被指数、归一化差异水体指数、纹理信息,构建融合多特征光谱纹理影像,比较多种组合影像,采用支持向量机作为分类器,对香芋的识别精度进行分析。【结果】融合多特征光谱纹理影像的香芋识别精度最高,总体精度达到96.04%,对香芋的识别精度达到95.30%,比多光谱影像分类精度分别提高5%和6.8%,是多光谱全色融合影像分类精度提升幅度的2倍,且各类地物边界轮廓清晰,图像平滑,细碎图斑很少。【结论】高分二号影像是识别粤北地区香芋的理想数据源,分类精度较高,能够满足农作物监测的需求,能为制定病虫害防治措施,调节种植结构提供支持。 相似文献
15.
《山东农业科学》2017,(8)
为探讨国产高分一号(GF-1)卫星影像在作物面积提取中的适用性,以冬小麦主产区山东省菏泽市为研究区域,利用GF-1卫星携带的多光谱宽幅相机(WFV)16米遥感影像为主要数据源,以菏泽市土地利用类型和野外地面调查数据作为辅助,采用决策树分类法和监督分类—最大似然分类法相结合的方法,通过分区解译方式,分别提取出菏泽市2014和2015年冬小麦种植面积和分布区域,并利用地面样方数据对分类结果进行精度验证,同时开展年际变化动态监测分析。结果表明:以GF-1/WFV 16米影像为主要数据源,将多源信息引入决策树和监督分类模型,进行种植结构复杂地区冬小麦种植面积遥感估算的方法是可行的。GF-1/WFV 16米影像在作物面积遥感监测业务运行中具有较大的开发应用潜力。2014和2015年菏泽市冬小麦位置提取精度分别达到96.5%和96.7%,面积总量提取精度分别达到96.8%和95.0%;遥感提取的两年冬小麦种植面积均略小于官方提供的统计数据,但两者呈现出的变化趋势一致,即菏泽市两年间的冬小麦种植面积呈减少趋势。 相似文献
16.
基于多时相Sentinel-2遥感影像的江汉平原夏收作物提取方法 总被引：2，自引：0，他引：2
《福建农林大学学报(自然科学版)》2021,(1)
以江汉平原潜江市为研究区,选取2017年9月至2018年7月期间12幅Sentinel-2多光谱(MSI)影像,通过分析研究区夏收作物不同生长期的光谱特征和归一化植被指数的时序变化,利用决策树算法提取2017—2018年夏收作物种植面积;将提取结果与最佳时相的多光谱数据面向对象、随机森林算法的提取结果进行对比试验,利用实测数据计算混淆矩阵评价分类精度.结果表明,基于Sentinel-2时序NDVI的面向对象决策树方法的提取精度最高,总体精度为96.47%,Kappa系数为0.951 8.基于Sentinel-2的面向对象决策树分类能够准确而有效地提取研究区农作物种植面积,并直观地反映作物的空间分布格局,为江汉平原地区调整作物种植结构提供依据,也为其他区域精细尺度作物的提取提供参考和借鉴. 相似文献
17.
《天津农业科学》2020,(2)
由于国产高分一号卫星WFV相机的16 m数据获取具有免费、时效性好等特点而被广泛应用于遥感信息提取。面向对象的分类方法能够解决基于传统像素的分类方法所具有的破碎性强、易产生同谱异物现象的问题。本研究采用基于面向对象的分类思路,以天津市宝坻区为研究区域,通过获取高分一号卫星影像并进行预处理,利用遥感信息处理软件eCognition对该数据进行影像分割,并对影像分割斑块进行基于规则的分类,提取出宝坻区范围内植被、水体、建设用地、裸地四类地物,并利用高分辨率影像对比进行精度验证,分类总精度达到93%。结果表明:利用高分一号国产卫星16 m影像,采用面向对象的分类思路进行地表覆盖类别的信息提取,可以快速便捷地实现目标区域空间地理信息的获取,对于监测地表覆盖面积和分布状况起到指导作用。 相似文献
18.
基于高光谱遥感的农作物分类研究进展 总被引：3，自引：1，他引：2
【目的】农作物类型识别是农作物面积、长势监测与产量预测的重要前提。及时、准确地获取农作物类型、空间分布以及种植面积对制定农业政策、促进社会经济发展和保障国家粮食安全具有重要意义。近年来,高光谱遥感凭借光谱分辨率高、光谱信息丰富等优点,已广泛应用于农作物制图中。【方法】文章归纳了高光谱遥感应用于农作物分类的研究进展,总结了国内外农作物分类常用的高光谱数据源,并分析了各种数据源的适用范围。梳理了农作物高光谱遥感分类方法,讨论了各种分类方法的优缺点。【结果】现有农作物高光谱遥感分类研究存在一些不足:(1)机载高光谱影像光谱分辨率高,但影像监测面积小,不适合大区域农作物面积提取研究;(2)星载高光谱影像监测面积较大,但空间分辨率较低,某些农作物面积提取实际应用中精度较低;(3)由于缺乏对农作物高光谱特征的研究,导致分类算法机理性不足,普适性较差。【结论】农作物高光谱遥感分类未来研究方向是:(1)丰富高光谱遥感监测的农作物类型;(2)提高高光谱影像的空间分辨率,实现农作物种植结构复杂、地块破碎地区的农作物分类研究;(3)进一步研究利用高光谱遥感进行农作物分类的机理和多源数据融合的方法。 相似文献
19.
高分二号全色-多光谱影像融合方法对比研究 总被引：1，自引：0，他引：1
基于高分二号卫星影像,选取GS变换、自适应GS变换、主成分分析、NND融合算法、UNB融合算法、SRM算法6种主流的融合方法进行融合试验,采用目视判读和定量评价的方法对融合结果进行直接评价,通过分类精度对融合结果进行间接评价,探究适用于高分二号卫星影像的融合方法。结果表明:研究区覆盖的地物类型不同,各融合方法的效果也不同。对于水体和绿色植被区域,GSA、GS和PCA方法的光谱保真性和细节增强能力较好,这3种方法适用于目视解译;从地物分类的角度来说,SRM方法的分类精度最高,适合用于地物分类方面的应用;UNB融合方法效果适中,可用作高分二号卫星影像融合的替补方法;而NND方法会出现轻微光谱失真现象,且其分类精度偏低,在实际应用中则不建议采用。 相似文献
20.
在提取作物种植分类信息方面,多时相和多光谱特征信息综合应用十分重要。环境与灾害监测预报小卫星影像具有较高的时间、空间分辨率,采用时间序列分析的方法提取作物种植分类信息优势显著。本研究以宁夏平罗地区作物为研究对象,利用HJ-CCD数据提取主要农作物分类信息,采用非监督分类、最大似然分类、决策树分类3种算法挖掘数据。研究表明,通过构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,能够有效进行农作物分类。 相似文献