10.3969/j.issn.1672-8785.2019.03.005
基于决策树和神经网络的农作物分类研究——以廊坊市为例
以河北省廊坊市永清县整个县域为研究区,以GF1-WFV 16 m分辨率影像为数据源,选取覆盖作物完整生长期多个时相的影像数据,构建作物归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列.通过对研究区NDVI曲线的分析,发现利用该数据构建的NDVI时间序列可描述研究区作物的生长特性,体现当地不同作物的物候差异,能有效地区分出当地的种植模式.选取NDVI曲线上最大值、最小值、峰值的出现时间、峰值数量和阈值等特征参数构建决策树.根据研究区的物候历和对当地种植结构的调查,利用最佳时相的影像,针对某一种或特定几种作物进行分类提取.分别采用决策树分类、神经网络分类等方法进行精度验证,综合比较得出最佳的作物分类方法.研究结果表明,在永清县这一县域研究区,利用GF1-WFV 16 m分辨率多时相遥感数据进行作物分类,采用决策树分类、神经网络分类两种方法的精度分别为72.0729%、87.3%.利用决策树分类的效果最优.
多时相、NDVI时间序列、决策树、神经网络、作物分类
40
P237(摄影测量学与测绘遥感)
国家自然科学基金项目41701387;高分专项省自治区域产业化应用项目67-Y40G09-9002-15/18;河北省青年科学基金D2018409029;河北省高等学校科学技术研究重点项目ZD2016126
2019-06-10(万方平台首次上网日期,不代表论文的发表时间)
共9页
24-31,36