实现复杂农区作物种植信息的精准、动态监测是中国农业精细化管理面临的迫切需求,而作物种植碎片化和异质性给作物遥感精细分类带来了诸多挑战,该文旨在探索基于高分辨率影像的地块尺度多种作物同步识别方法,以满足实时获取复杂农区作物详细分布信息需要。研究选取武汉市新洲北部为典型区,以WorldView-2影像为数据源,利用ReliefF-Pearson方法优选作物遥感特征,采用人工神经网络、K最近邻和随机森林算法进行作物分类,并对比分析其精度。研究发现:1)RVI、NDVI、相关性和边界长度等12个特征构成了地块尺度作物分类的相对较优特征,可在充分表征影像信息同时降低数据冗余;2)相比于人工神经网络和K最近邻算法,随机森林算法分类精度最高,其总体精度达79.07%;3)以光谱特征差异为作物区分基础,形状和纹理特征的使用能有效改善地块尺度作物分类精度,总体精度可提高4%左右;4)研究所采用的方法体系能有效提升复杂种植区地物分类精度,水稻、棉花、荷等主要作物以及裸旱地、裸水田等地物分类精度均达到了80%以上。研究成果可为复杂种植区作物遥感精细分类提供新的思路和方法借鉴,亦可为作物种植信息精准普查、土地利用精细化管理以及农业产业结构调整动态监测等提供参考。
类型: 期刊论文
作者: 张鹏,胡守庚
关键词: 遥感,作物,分类,地块尺度,复杂种植区,随机森林,特征选择,高分辨率影像
来源: 农业工程学报 2019年20期
年度: 2019
分类: 农业科技
专业: 农业基础科学
单位: 中国地质大学(武汉)公共管理学院,国土资源部法律评价工程重点实验室
基金: 国家社科基金重大项目(18ZDA053),国家自然科学基金项目(41671518),教育部人文社科基金项目(16YJAZH018,14YJCZH192)
分类号: S127
页码: 125-134
总页数: 10
文件大小: 6255K
下载量: 333
本文来源: https://www.lunwen90.cn/article/1d4f0b595c2f2697ba11414e.html