針對(duì)我國南方地區(qū)植被類型復(fù)雜、地形復(fù)雜和地塊破碎等原因?qū)е赂匦畔⑻崛【容^低問題,提出了一種面向?qū)ο蠛虲ART決策樹結(jié)合的復(fù)雜條件下耕地面積提取方法。以廣西南寧市隆安縣與武鳴縣地區(qū)為研究區(qū),采用Sentinel-2A影像,結(jié)合數(shù)字高程數(shù)據(jù)（Digital Elevation Model,DEM）及歸一化植被指數(shù)（Normalized Difference Vegetation Index,NDVI）等多源數(shù)據(jù),利用面向?qū)ο蠓指罴夹g(shù)識(shí)別地塊信息,然后以地塊為單位采用CART（Classification And Regression Tree,CART）決策樹分類法,依據(jù)不同地類的形狀、光譜特征,提取研究區(qū)的耕地。結(jié)果表明:面向?qū)ο蟮腃ART決策樹分類方法分類總體精度和Kappa系數(shù)分別為96.1%和0.94,相比較于未加入面向?qū)ο蠓指畹腃ART決策樹耕地信息提取總體精度提高Kappa系數(shù)提高0.54,面向?qū)ο蟮姆指罘椒ㄓ欣跍p少復(fù)雜背景對(duì)耕地提取的影響。基于面向?qū)ο蟮腃ART決策樹分類方法相比較于傳統(tǒng)方法對(duì)研究區(qū)耕地信息的提取有較好的精確性,能夠提高耕地信息的提取精度。 

【文章來源】：遙感技術(shù)與應(yīng)用. 2020,35(05)北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

研究區(qū)位置

主要以Sentinel-2A數(shù)據(jù)和DEM數(shù)據(jù)構(gòu)建的多源數(shù)據(jù)，提出了一種面向?qū)ο蠛虲ART決策樹結(jié)合的復(fù)雜條件下的耕地面積遙感提取方法。利用e Cognition對(duì)Sentinel-2A、DEM與NDVI組成的多源數(shù)據(jù)集進(jìn)行面向?qū)ο蟮姆指�，綜合考慮各類特征將研究區(qū)分割成相對(duì)同質(zhì)的對(duì)象地塊，選取訓(xùn)練樣本，以地塊為單位，利用CART工具自動(dòng)構(gòu)建決策樹，實(shí)現(xiàn)耕地面積的面向?qū)ο筇崛�，最后利用地面調(diào)查數(shù)據(jù)進(jìn)行精度評(píng)價(jià)，并對(duì)比分析了利用面向?qū)ο蟮腃ART決策樹分類法和未入面向?qū)ο蠓指畹腃ART決策樹分類法的提取效果。技術(shù)流程如圖2所示。3.1 多源數(shù)據(jù)集構(gòu)建

通過設(shè)置波段的權(quán)重、分割尺度、形狀因子和緊致因子等對(duì)影像進(jìn)行分割并對(duì)特征指數(shù)計(jì)算，特征指數(shù)主要包括光譜、紋理、面積、亮度、形狀指數(shù)、同質(zhì)性和矩形擬合度。3.4 CART決策樹自動(dòng)分類

【參考文獻(xiàn)】：
期刊論文
[1]工業(yè)化區(qū)域撂荒耕地空間格局演變及影響因素分析[J]. 張?zhí)熘?張鳳榮,黃敬文,李超,張佰林.  農(nóng)業(yè)工程學(xué)報(bào). 2019(15)
[2]利用物候差異與面向?qū)ο鬀Q策樹提取油菜種植面積[J]. 李中元,吳炳方,張淼,邢強(qiáng),李名勇,閆娜娜.  地球信息科學(xué)學(xué)報(bào). 2019(05)
[3]基于多時(shí)相Landsat 8 OLI影像的農(nóng)作物遙感分類研究[J]. 李曉慧,王宏,李曉兵,遲登凱,湯曾偉,韓重遠(yuǎn).  遙感技術(shù)與應(yīng)用. 2019(02)
[4]Stable classi?cation with limited sample: transferring a 30-m resolution sample set collected in 2015 to mapping 10-m resolution global land cover in 2017[J]. Peng Gong,Han Liu,Meinan Zhang,Congcong Li,Jie Wang,Huabing Huang,Nicholas Clinton,Luyan Ji,Wenyu Li,Yuqi Bai,Bin Chen,Bing Xu,Zhiliang Zhu,Cui Yuan,Hoi Ping Suen,Jing Guo,Nan Xu,Weijia Li,Yuanyuan Zhao,Jun Yang,Chaoqing Yu,Xi Wang,Haohuan Fu,Le Yu,Iryna Dronova,Fengming Hui,Xiao Cheng,Xueli Shi,Fengjin Xiao,Qiufeng Liu,Lianchun Song.  Science Bulletin. 2019(06)
[5]決策樹分類提取寧夏耕地復(fù)種指數(shù)[J]. 王連喜,章婷,李琪,吳東麗,陳夏.  遙感信息. 2018(01)
[6]基于MODIS-NDVI時(shí)序數(shù)據(jù)集的面向?qū)ο蠓诸愄崛V西耕地面積的方法研究[J]. 童新華,毛碑裙,韋燕飛.  廣西師范學(xué)院學(xué)報(bào)(自然科學(xué)版). 2017(04)
[7]利用高分二號(hào)數(shù)據(jù)提取香蕉林信息及精度分析[J]. 任傳帥,黃文江,葉回春,崔貝.  遙感信息. 2017(06)
[8]基于面向?qū)ο蠛虲ART決策樹方法的遙感影像濕地變化檢測(cè)研究——以龍祥島地區(qū)為例[J]. 馬宇龍,林志壘.  福建師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(06)
[9]基于CART決策樹分類的沙漠化信息提取方法研究[J]. 呂利利,頡耀文,黃曉君,張秀霞,李汝嫣.  遙感技術(shù)與應(yīng)用. 2017(03)
[10]基于改進(jìn)的面向?qū)ο筮b感影像分類方法研究——以西藏米林縣典型林區(qū)為例[J]. 施佩榮,陳永富,劉華,吳云華,魏新,鐘澤兵.  遙感技術(shù)與應(yīng)用. 2017(03)

碩士論文
[1]紋理增強(qiáng)提取與面向?qū)ο蠼Y(jié)合的高分影像分類的應(yīng)用[D]. 郝劍南.東華理工大學(xué) 2018



本文編號(hào)：3055825