排序方式: 共有6条查询结果,搜索用时 921 毫秒
1
1.
基于HJ-1B卫星遥感数据的水稻识别技术研究 总被引:4,自引:0,他引:4
为快速、准确地在遥感图像上识别水稻作物的信息,满足县级尺度水稻遥感监测的需要,以野外实地调查资料、1∶5万地形图数据为辅助,通过光谱分析法,分析研究HJ-1B星CCD数据的水稻作物的光谱反射特性,建立水稻作物遥感信息识别模型。采用决策树分类方法提取水稻作物信息,并将该技术方法应用于广西宾阳县水稻作物信息提取研究。采用实测样地数据,利用混淆矩阵进行精度评价验证,总精度为94.9%,Kappa系数为0.8533。研究表明,该水稻作物的识别技术,可以为了解我国水稻种植情况,进行水稻长势监测和产量估测提供技术参考。 相似文献
2.
为识别火烧迹地等地类,以广西百色市为研究区,采用HJ-1星多光谱影像数据近红外波段光谱值、林火发生前后两时相各自NDVI值以及NDVI变化值,基于先验知识和统计分析构建决策树分类模型,通过与传统最大似然分类提取结果的比较分析,表明基于多特征的决策树模型能够有效地对HJ-1星多光谱遥感数据进行火烧迹地等地类提取,在研究区并具有良好的推广性。 相似文献
3.
4.
5.
基于多时相Landsat8 OLI影像的作物种植结构提取 总被引:6,自引:0,他引:6
针对基于多时相遥感影像、多种特征量提取多种作物种植结构在我国研究较少的现状,利用多时相Landsat8OLI影像数据,根据温宿县不同作物的农事历,通过分析主要地物的光谱特征和归一化植被指数的时间变化信息,构建不同作物种植结构提取的决策树模型,实现了对温宿县多种作物种植结构信息的提取。结果表明:1水稻的最佳识别依据是5月20日影像的近红外波段和7月23日影像的NDVI值;棉花和春玉米的最佳识别依据是5月20日~9月9日影像的NDVI变化值;冬小麦—夏玉米和林果的最佳识别依据是5月20日~7月23日影像的NDVI变化值;2与单时相监督分类相比,多时相决策树法对多种作物种植结构的提取效果更理想,总体精度提高了7.90%,Kappa系数提高了0.10;3Landsat8OLI影像数据分辨率高、成本低、获取方便,是农作物遥感的良好数据源。 相似文献
6.
基于面向对象分类的南方水稻种植面积提取方法 总被引:10,自引:0,他引:10
南方丘陵地区水稻种植具有分散、地块小、形状多样等特点,利用中低分辨率遥感数据提取水稻种植面积,难以满足精度要求。以SPOT5遥感影像为数据源,应用面向对象的分类方法提取了广西玉林市辖区晚稻种植面积。针对试验区不同稻作区的种植特点,选择其适合的尺度及参数进行多尺度影像分割,建立影像对象的层次结构,计算对象的光谱、几何及拓扑关系等特征,形成分类规则对不同稻作区进行信息提取。采用野外实地调查数据对分类结果进行类别和面积一致性检验,总体精度96.31%,Kappa系数0.9226,面积一致性精度99.92%。
相似文献
相似文献
1