為確定縣域尺度的烤煙種植面積,進而為烤煙生產(chǎn)決策提供更準(zhǔn)確的數(shù)據(jù)支撐,選取湖南省茶陵縣為測試點,研究Sentinel-2A數(shù)據(jù)對烤煙種植面積遙感監(jiān)測的效果。并對2019年6月份湖南省茶陵縣烤煙、林木、灌木草地、道路及水體的光譜特征和植被指數(shù)進行了分析,采用決策樹分類方法提取烤煙種植區(qū)域并繪制植煙區(qū)的域圖。精度驗證結(jié)果表明,Sentinel-2A數(shù)據(jù)對湖南省茶陵縣烤煙種植面積遙感監(jiān)測總體分類精度達(dá)90.29%,與實際調(diào)查的年度種植面積相比,誤差為3.7%,可滿足烤煙生產(chǎn)管理的實際需求。 

【文章來源】：煙草科技. 2020,53(11)北大核心CSCD

【文章頁數(shù)】：8 頁

【圖文】：

典型地物光譜特征分析

借助ENVI軟件進行精度檢驗[36]，由表3可知，總像元數(shù)為1 092個，被正確分類的像元數(shù)目沿著混淆矩陣的對角線分布，總和為986，則總體分類精度（986/1 092）達(dá)90.29%�？緹煹闹茍D精度和用戶精度分別為90.23%和90.94%。由表4可知，利用ENVI統(tǒng)計工具，計算得出茶陵縣烤煙種植區(qū)所占的像元總數(shù)為154 992個，與每個像元所代表的實地面積[10×10=100(m2）]相乘，最終提取得到烤煙種植面積是（154 992×100）÷10 000=1 549.2 hm2，與年度實際統(tǒng)計數(shù)據(jù)1 494 hm2相比，誤差為3.7%。

由表4可知，利用ENVI統(tǒng)計工具，計算得出茶陵縣烤煙種植區(qū)所占的像元總數(shù)為154 992個，與每個像元所代表的實地面積[10×10=100(m2）]相乘，最終提取得到烤煙種植面積是（154 992×100）÷10 000=1 549.2 hm2，與年度實際統(tǒng)計數(shù)據(jù)1 494 hm2相比，誤差為3.7%。3 討論

【參考文獻】：
期刊論文
[1]時序Sentinel-2A影像光譜特征的茶園提取應(yīng)用[J]. 趙曉晴,王萍,荊林海,譚炳香,趙鑫,劉德軍.  測繪科學(xué). 2020(06)
[2]基于Sentinel-2時序多特征的植被分類[J]. 郭文婷,張曉麗.  浙江農(nóng)林大學(xué)學(xué)報. 2019(05)
[3]棉花不同生長階段Sentinel-2衛(wèi)星植被指數(shù)變化特征[J]. 易秋香.  中國棉花. 2019(08)
[4]基于多時相Sentinel-2A的縣域農(nóng)作物分類[J]. 吳靜,呂玉娜,李純斌,李全紅.  農(nóng)業(yè)機械學(xué)報. 2019(09)
[5]基于GF-1衛(wèi)星影像的中國冬小麥制圖研究[J]. 劉佳,王利民,楊福剛,姚保民,楊玲波.  中國農(nóng)學(xué)通報. 2019(09)
[6]基于Radarsat-2全極化數(shù)據(jù)的多種雷達(dá)植被指數(shù)差異分析[J]. 梅新,聶雯,劉俊怡.  中國農(nóng)業(yè)資源與區(qū)劃. 2019(03)
[7]歐空局哨兵衛(wèi)星Sentinel-2A/B數(shù)據(jù)特征及應(yīng)用前景分析[J]. 田穎,陳卓奇,惠鳳鳴,程曉,歐陽倫曦.  北京師范大學(xué)學(xué)報(自然科學(xué)版). 2019(01)
[8]作物遙感精細(xì)識別與自動制圖研究進展與展望[J]. 劉哲,劉帝佑,朱德海,張琳,昝糈莉,童亮.  農(nóng)業(yè)機械學(xué)報. 2018(12)
[9]Sentinel-2A與Landsat-8影像在油菜識別中的差異性研究[J]. 韓濤,潘劍君,張培育,曹羅丹.  遙感技術(shù)與應(yīng)用. 2018(05)
[10]Sentinel-2A衛(wèi)星大氣校正方法及校正效果[J]. 潘嫄嫄,李長春,馬瀟瀟,王寶山,房旭.  遙感信息. 2018(05)

碩士論文
[1]基于Landsat8遙感影像的扶風(fēng)縣蘋果園地信息提取研究[D]. 劉佳岐.西北農(nóng)林科技大學(xué) 2015
[2]遙感植被指數(shù)分析及應(yīng)用研究[D]. 傅銀貞.福州大學(xué) 2010



本文編號：3573367