【摘要】：【目的】基于遙感影像的作物分類研究是提取作物種植面積和長勢分析及產量估測的基礎,也是推動現(xiàn)代化農業(yè)快速發(fā)展的動力。研究結果可為農業(yè)等相關部門掌握農情,進行宏觀調控提供依據(jù)。目前,農業(yè)遙感研究主要集中于中低分辨率遙感影像,影響植被信息提取的精度,應用高分辨率多時相遙感影像和選擇最優(yōu)分類方法可以提高植被信息提取精度。明確農作物遙感分類的時效性與最優(yōu)分類方法,為快速、準確地獲取作物空間分布數(shù)據(jù)和農情定量遙感監(jiān)測提供依據(jù)。【方法】基于黑龍江省虎林市2014年5—10月覆蓋完整生長期的20幅遙感影像,構建16 m分辨率NDVI時間序列曲線,建立決策樹分類模型,通過分類影像進行系列閾值分割,并結合輔助背景數(shù)據(jù)及專家知識,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式進行作物分類,明確最優(yōu)時相;將提取的耕地范圍作為作物分類規(guī)則,并與未提取耕地范圍的作物分類結果進行比較;同時通過最大似然法、馬氏距離法、神經網絡法、最小距離法、支持向量機、波譜角分類法、主成分分析法多種分類方法進行作物分類;利用農業(yè)保險投保地塊數(shù)據(jù)進行精度驗證�！窘Y果】(1)7月初、7月末到8月初、9月末是研究區(qū)一年一季作物遙感分類的3個關鍵時相;(2)決策樹分類方法在提取土地利用覆被信息的結果中精度最高,總體精度90.24%,Kappa系數(shù)0.87;(3)6月初與7月初2幅影像結合采用最大似然法對作物進行分類的總體精度高達94.01%,Kappa系數(shù)為0.79,6月初與7月初的影像結合,可以解決作物分類的時效性;(4)結合9月21日的影像,總體精度進一步提高,大豆分類精度明顯提高,最終確定最大似然法為最優(yōu)作物分類方法�！窘Y論】通過遙感數(shù)據(jù)能實現(xiàn)在7月上旬對作物進行精準分類,拓展了遙感數(shù)據(jù)在農業(yè)領域的應用價值,對一年一季地區(qū)作物快速分類與農情定量遙感監(jiān)測有重要意義。

【相似文獻】

相關期刊論文 前2條

1 王田娥;陳桂芬;萬保成;;不確定AHP中判斷矩陣排序的最大似然法[J];安徽農業(yè)科學;2009年33期

2 ;[J];;年期

相關碩士學位論文 前1條

1 吳洋;基于Landsat8數(shù)據(jù)的西寧市土地利用分類方法比較研究[D];西北農林科技大學;2015年

，

本文編號：2580618