基于GF-1数据和非监督分类的冬小麦种植信息提取模型

论文摘要

针对当前冬小麦种植信息提取方法普遍存在严重依赖地面样本数据和人为主观干扰过多的现象,而非监督分类算法自身又具有独特的特点,研究了基于非监督分类的冬小麦提取方法。在实际应用中,非监督分类的初始分类数目难以准确确定,这会导致分类精度降低或分类结果需要进行二次人工合并。通过时间序列曲线和差值增强技术解决了初始分类数目难以准确确定的问题,提出了一种以归一化植被指数为冬小麦信息识别指标,基于高分一号数据和非监督分类的冬小麦种植信息提取模型。以河北省辛集市为研究区,应用该模型提取了2014和2015年辛集市冬小麦种植信息,并应用混淆矩阵方法进行精度验证和与监督分类方法对比分析。结果表明:①该模型冬小麦的制图精度为94.23%～96.64%,用户精度为92.31%～95.45%,Kappa系数0.89,整体精度达到94.33%以上;②在无需地面样本数据支持的条件下,该模型可以达到近似监督分类的提取精度。可见提出的冬小麦种植信息提取模型精度较高,可以满足区域内冬小麦种植信息地面遥感监测的需求,是一种行之有效的冬小麦种植信息提取新方法。

论文目录

• 1 材料与方法
•   1.1 研究区概况
•   1.2 空间数据
•     1.2.1 数据源
•     1.2.2 数据选取与预处理
•   1.3 方法
•     1.3.1 差值增强和非监督分类
•     1.3.2 非监督分类与时间序列曲线和差值技术的结合
• 2 结果与分析
•   2.1 基于GF-1数据和非监督分类的冬小麦种植信息提取模型
•   2.2 精度验证
•   2.3 与监督分类方法比较
• 3 讨论
• 4 结论

文章来源

类型: 期刊论文

作者: 王冬利,赵安周,李静,张安兵

关键词: 非监督分类,冬小麦,植被指数,高分一号,时间序列曲线,差值增强

来源: 科学技术与工程 2019年35期

年度: 2019

分类: 工程科技Ⅱ辑,农业科技

专业: 农业基础科学,农作物

单位: 河北工程大学矿业与测绘工程学院河北省煤炭资源综合开发与利用协同创新中心

基金: 国家高技术研究发展计划(863计划)(2015AA123901),河北省自然科学基金(D2017402159),河北省高等学校科学技术研究青年拔尖人才项目(BJ2018043),河北省高等学校科学技术研究重点项目(ZD2018230)资助

分类号: S512.11;S127

页码: 95-100

总页数: 6

文件大小: 2850K

下载量: 165