本文選題：GF- + PMS影像��； 參考：《中國農業(yè)資源與區(qū)劃》2016年11期

【摘要】：為應用國產高空間分辨率影像快速、準確估算丘陵區(qū)檸檬種植面積,文章基于GF-1 PMS影像使用不同數(shù)據(jù)預處理及分類法估算檸檬種植面積。通過對影像進行大氣校正、數(shù)據(jù)融合、濾波等處理,分別得到光譜反射率數(shù)據(jù)、融合影像和紋理特征數(shù)據(jù)(分辨率分別為8m、2m、2m)。通過可分離性分析,發(fā)現(xiàn)荒草地和未成林檸檬的可分性最差,二者在光譜反射率數(shù)據(jù)、融合影像和紋理圖像中的可分性數(shù)值均小于1.8,是影響檸檬分類精度的主要因素�；谧畲笏迫环ǖ姆诸惥仍u價結果顯示,紋理圖像數(shù)據(jù)估算精度好于8m分辨率的多光譜反射率數(shù)據(jù)和2m分辨率的融合圖像,適當?shù)挠跋耦A處理有助于提高監(jiān)督分類精度。對比基于最大似然法的精度,基于面向對象法的檸檬面積估算精度達95.09%,高于監(jiān)督分類法的,使用GF-1 PMS影像估算檸檬面積最優(yōu)方法為面向對象法。該研究為應用國產高分辨率遙感數(shù)據(jù)快速、準確估算丘陵地區(qū)果樹種植面積提供了相關參考。
[Abstract]:In order to estimate the planting area of lemon in hilly area accurately by using high spatial resolution images made in China, different data preprocessing and classification methods were used to estimate the planting area of lemon based on GF-1 PMS image. The spectral reflectivity data are obtained by atmospheric correction, data fusion, filtering and so on. The fused image and texture feature data (the resolution is 8mt / 2mt / m respectively) are obtained. Through the analysis of separability, it was found that the fractionability of barren grassland and non-forest lemons was the worst. The main factors affecting the classification accuracy of lemons were spectral reflectivity data and the values of separability in fused image and texture image were all less than 1.8. The results of classification accuracy evaluation based on maximum likelihood method show that the estimation accuracy of texture image data is better than that of multi-spectral reflectance data with 8m resolution and fusion image with 2m resolution. Proper image preprocessing is helpful to improve the supervised classification accuracy. Compared with the precision of maximum likelihood method, the accuracy of lemon area estimation based on object oriented method is 95.09, which is higher than that of supervised classification method. The best method of using GF-1 PMS image to estimate lemon area is object oriented method. This study provides a reference for estimating the planting area of fruit trees in hilly area by using high resolution remote sensing data.
【作者單位】： 四川省農業(yè)科學院遙感應用研究所;
【基金】：四川省農業(yè)科學院青年基金項目“基于數(shù)據(jù)同化的成都平原水稻估產方法研究”(2015QNJJ-022) 四川省財政創(chuàng)新能力提升工程專項資金項目“基于遙感技術的四川盆地主要農作物估產系統(tǒng)研究”(2016GXTZ-012)
【分類號】：S666.5;S127

【參考文獻】

相關期刊論文 前6條

1 劉錕;付晶瑩;李飛;;高分一號衛(wèi)星4種融合方法評價[J];遙感技術與應用;2015年05期

2 岳俊;王振錫;馮振峰;李子藝;王玲段;;基于光譜與紋理特征的南疆盆地果樹樹種遙感識別研究[J];新疆農業(yè)大學學報;2015年04期

3 李志鵬;劉珍環(huán);李正國;唐鵬欽;譚杰揚;楊鵬;;水稻空間分布遙感提取研究進展與展望[J];中國農業(yè)資源與區(qū)劃;2014年06期

4 胡佩敏;李正躍;李傳仁;曹詩宏;;宜都市柑橘空間分布的遙感反演[J];湖北農業(yè)科學;2014年04期

5 雷彤;趙庚星;朱西存;董超;孟巖;戰(zhàn)冰;;基于高光譜的蘋果果期冠層光譜特征及其果量估測[J];生態(tài)學報;2010年09期

6 李金蓮;劉曉玫;李恒鵬;;SPOT5影像紋理特征提取與土地利用信息識別方法[J];遙感學報;2006年06期

【共引文獻】

相關期刊論文 前10條

1 翟t;;高分一號衛(wèi)星數(shù)據(jù)在內蒙古草原遙感監(jiān)測研究中的應用前景[J];畜牧與飼料科學;2016年11期

2 鄧文;譚杰揚;劉英;祝琪雅;王劍;;湖南雙季稻生產重心移動軌跡及發(fā)展對策[J];湖南農業(yè)科學;2016年11期

3 董倩;岳彩榮;;高分一號衛(wèi)星影像融合方法及質量評價[J];林業(yè)調查規(guī)劃;2016年05期

4 劉穎;王克健;謝讓金;呂強;何紹蘭;易時來;鄭永強;鄧烈;;基于冠層高光譜信息的蘋果樹花量估測[J];中國農業(yè)科學;2016年18期

5 楊振州;陳利軍;韓佳鵬;;基于GlobeLand 30的水田提取方法研究[J];測繪與空間地理信息;2016年08期

6 王宗梅;徐天蜀;岳彩榮;;基于高分辨率遙感影像的森林信息提取方法綜述[J];林業(yè)調查規(guī)劃;2016年04期

7 程立真;朱西存;高璐璐;王凌;趙庚星;;基于隨機森林模型的蘋果葉片磷素含量高光譜估測[J];果樹學報;2016年10期

8 馮海寬;楊福芹;李振海;楊貴軍;郭建華;賀鵬;王衍安;;最優(yōu)權重組合模型和高光譜估算蘋果葉片全磷含量[J];農業(yè)工程學報;2016年07期

9 徐異凡;楊敏華;;GF-2衛(wèi)星數(shù)據(jù)影像融合方法的比較研究[J];國土資源導刊;2016年01期

10 宋玉;塔西甫拉提·特依拜;李崇博;侯艷軍;阿爾達克;張飛;;荒漠胡楊葉片含水率的高光譜反演[J];西北農業(yè)學報;2016年02期

【二級參考文獻】

相關期刊論文 前10條

1 逄錦嬌;孫睿;王汶;;高分辨率影像配準誤差對土地覆蓋分類和變化檢測的影響[J];遙感技術與應用;2014年03期

2 王鶴霖;范文義;趙妍;楊國舜;楊曉琴;;基于紋理信息的森林類型遙感識別技術[J];東北林業(yè)大學學報;2013年06期

3 張浩;蔣平安;武紅旗;王新軍;;基于GIS/RS技術的博爾塔拉河流域土壤侵蝕定量評價[J];新疆農業(yè)大學學報;2013年03期

4 黃振國;陳仲新;劉芳清;劉軍;;利用SPOT5影像提取水稻種植面積的研究——以湖南株洲市區(qū)為例[J];湖南農業(yè)大學學報(自然科學版);2013年02期

5 黃鶴;馮毅;張萌;李明濤;;天繪一號衛(wèi)星影像的融合及評價研究[J];測繪通報;2013年01期

6 董師師;黃哲學;;隨機森林理論淺析[J];集成技術;2013年01期

7 劉友山;呂成文;祝鳳霞;高超;;基于PCA和多尺度紋理特征提取的高分辨率遙感影像分類[J];遙感技術與應用;2012年05期

8 單捷;岳彩榮;江南;孫玲;;基于環(huán)境衛(wèi)星影像的水稻種植面積提取方法研究[J];江蘇農業(yè)學報;2012年04期

9 羅萬杰;;新疆特色林果業(yè)發(fā)展現(xiàn)狀、存在問題及對策[J];新疆農墾科技;2012年08期

10 劉恩勤;周萬村;周介銘;莫開林;;基于光譜和紋理特征的ALOS影像土地利用信息提取[J];地理與地理信息科學;2012年04期

，

本文編號：1963378