本文選題：芒果林地 + 面向對象分類��； 參考：《資源科學》2017年08期

【摘要】：中國芒果種植面積居世界第二,并有持續(xù)增長的趨勢。國內外利用遙感手段提取農作物的相關研究較多,但有關芒果林遙感提取的研究仍較少。本研究基于2016年12月的高分辨率衛(wèi)星SPOT-6數據,結合植被覆蓋度(FVC)和坡度(SLOPE)因子,利用面向對象分類方法對芒果林地信息進行提取,結果表明,利用FVC和SLOPE參與分割的面向對象分類方法,提取芒果林地的生產者精度達92.81%,用戶精度達97.19%。該方法相比于最大似然法分類以及FVC和SLOPE未參與分割的面向對象分類,提取芒果林地的生產者精度分別提高了19.28%和3.62%;用戶精度分別提高了8.62%和3.86%。本研究可為果園用地的遙感識別與信息提取有效的方法借鑒。
[Abstract]:China has the second largest mango planting area in the world and has a growing trend. There are many researches on crop extraction by remote sensing at home and abroad, but there are few researches on remote sensing extraction of mango forest. Based on the high resolution satellite SPOT-6 data from December 2016 and combining the vegetation coverage (FVC) and slope (slope) factors, the information of mango forest land is extracted by using object-oriented classification method. The results show that, By using the object oriented classification method of FVC and slope, the precision of mango forest is 92.81 and 97.19.1 respectively. Compared with the maximum likelihood classification and the object oriented classification without FVC and slope, the accuracy of mango forest is improved by 19.28% and 3.62%, respectively, and the user accuracy is increased by 8.62% and 3.86% respectively. This study can be used for reference in remote sensing identification and information extraction of orchard land.
【作者單位】： 中國科學院遙感與數字地球研究所數字地球重點實驗室;中國科學院大學;海南省地球觀測重點實驗室;
【基金】：海南省自然科學基金項目(2016CXTD015) 海南省應用技術研發(fā)與示范推廣專項(ZDXM2015102) 海南省重大科技計劃項目(ZDKJ2016021-02)
【分類號】：S127;S667.7

【相似文獻】

相關期刊論文 前4條

1 蔣永濤;任國業(yè);鄧良基;高雪松;龔碧凱;;面向對象土地利用信息提取技術研究[J];西南農業(yè)學報;2009年03期

2 劉煒;王聰華;趙爾平;杜鶴娟;;基于面向對象分類的細小河流水體提取方法研究[J];農業(yè)機械學報;2014年07期

3 鄧勁松;石媛媛;陳利蘇;王珂;祝錦霞;;基于近紅外傳感器和面向對象光譜分割技術的田間棉株識別與提取[J];光譜學與光譜分析;2009年07期

4 王海君;樂成峰;;應用基于紋理的面向對象分類模糊方法提取水田信息[J];地理與地理信息科學;2008年05期

相關碩士學位論文 前1條

1 馬洋洋;面向對象分類方法在木薯種植面積提取中的應用研究[D];遼寧工程技術大學;2014年

，

本文編號：2090510