基于无人机多光谱影像的冬小麦倒伏提取适宜空间分辨率研究

摘要：

为了解无人机图像空间分辨率对倒伏小麦提取精度的影响,选取2019年6月9日冀南地区倒伏小麦农田为研究区,采用最大似然法、人工神经网络、支持向量机和随机森林四种分类方法,以倒伏小麦分类面积和空间一致性为指标,对不同空间分辨率下小麦倒伏的提取精度进行了比较.结果表明,最大似然法存在严重的错分现象,人工神经网络、随机森林和支持向量机的总体分类结果较好,其中人工神经网络对倒伏面积提取的结果最准确;随着像元尺寸的增大,倒伏小麦分类面积相对误差变化趋势缓慢,但像元尺寸大于40 cm时,分类结果与实际倒伏区域的空间一致性迅速降低.综合考虑无人机图像数据量、获取时间和倒伏小麦提取精度,本研究认为20～40 cm是提取冬小麦倒伏面积较为适宜的空间分辨率范围.

关键词：无人机遥感、倒伏、不同空间分辨率、多光谱、小麦

所属期刊栏目：41

分类号：S512.1;S311(禾谷类作物)

资助基金：河南省高等学校重点科研项目;河南师范大学国家级项目培育基金项目

在线出版日期：2021-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：254-261