排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
2.
水稻是中国主要的粮食作物之一,实时且准确获取稻田区域及其空间分布特征是指导和管理农业生产的基础,对于保障国家粮食安全具有重要意义。但传统遥感变量与基于像元的机器学习分类算法在准确识别破碎度较高的稻田方面存在较大挑战。物候参数能够反映不同植被的生长动态,在识别稻田方面具有较大的应用潜力。面向对象的随机森林分类可以有效避免“椒盐”现象,提高稻田的分类精度。鉴于此,该研究以中国南方典型山地丘陵区——福建省漳州市稻田为研究对象,基于归一化植被指数、改进归一化水体指数、土壤调节植被指数、垂直极化后向散射系数、交叉极化后向散射系数和物候参数等多个遥感变量,利用面向对象的随机森林分类算法识别稻田,验证和分析物候参数与面向对象的随机森林分类法在提高南方复杂地形区稻田识别精度方面的有效性。结果表明：1）福建省漳州市稻田的最高识别精度为94.47%,Kappa系数为0.92,传统遥感变量、物候参数及面向对象的随机森林分类算法在准确识别破碎度较高的稻田方面具有协同优势;2）物候参数在表征植被生长与植被类型差异等方面具有显著优势,相较于仅基于传统遥感变量的试验组,物候参数与传统遥感变量的组合能够将稻田识别总体精度提高8.78～9.36个百分点;3）对于复杂地形区破碎度较高的稻田,面向对象的随机森林分类方法能够清晰明确地勾勒出稻田的形状与边界信息,且能够有效避免“椒盐”现象,相较于基于像元的分类方法,面向对象的分类法可将稻田识别精度提高0.58～1.53个百分点,因此,更适用于复杂地形区破碎农田的遥感提取。该研究结果可提高福建省漳州市稻田制图产品的应用价值,也可为中国南方复杂地形区稻田识别精度的进一步提高提供参考。 相似文献
3.
高精度土壤有机碳制图是研究耕地土壤有机碳时空格局及其影响机制的基础，相关研究结果可为农田“固碳减排”措施的制定提供决策支持。农业管理活动是农田土壤有机碳发生变化的重要影响因子，但基于农业管理活动的土壤有机碳制图却较为少见。基于遥感影像提取的物候参数是农业管理活动的直接反映，在研究农业管理活动对农田土壤有机碳的影响方面有较大应用潜力。基于此，本研究以福建省漳州市水稻田为研究对象，利用随机森林算法，基于5组不同的变量组合（A组：仅自然环境变量；B组：自然环境变量+早稻物候参数：C组：自然环境变量+晚稻物候参数；D组：自然环境变量+早稻物候参数+晚稻物候参数；E组：仅早稻物候参数+晚稻物候参数），分别构建土壤有机碳含量预测模型。通过对比5组模型的预测精度、预测值的空间分布特征和相关影响因子的重要性，分析物候参数对于土壤有机碳制图精度的影响作用，挖掘漳州市水田土壤有机碳制图的主要影响因子，解析对漳州市水田土壤有机碳有重要影响作用的农业管理活动。研究结果表明：物候参数的加入能够降低预测模型的误差和提升模型解释方差的能力；对漳州市水田土壤有机碳影响作用最大的物候参数依次为早稻季的NDVI增长速率（h1）、早稻生长季节开始的时间（a1）与早稻季NDVI下降速率（i1）；三个最重要的物候参数与土壤有机碳含量分别呈正相关、负相关和负相关，因此，采取能够促使早稻苗早生快发、加快早稻分蘖速率和减缓早稻衰老速率的水肥管理措施可增加耕地土壤有机碳含量。基于物候参数构建预测模型能有效提高农田土壤有机碳制图精度，基于物候参数的农田土壤有机碳制图研究可为农田管理提供决策支持，此次研究结果可为相关研究提供理论依据。 相似文献
1