基于决策树和SVM的Sentinel-2A影像作物提取方法

摘要：

以河南省濮阳县为研究区,以2017年8月6日遥感影像为基础数据源,基于地面样方和样本点数据分析构建植被指数阈值分割分类决策树,结合支持向量机(Support vector machine,SVM)分类方法实现了秋季主要作物种植面积遥感识别,并与其他方法分类结果进行了精度验证与对比.结果表明,与最大似然法(Maximum likelihood,ML)和SVM法相比较,决策树和SVM相结合能较好地解决线状地物和小地块作物提取不全以及“椒盐”现象等问题,可以对秋季复杂作物进行有效识别,作物分类提取总体精度和Kappa系数分别为92.3％和0.886.利用中分辨率单时相遥感影像,结合波谱特征和植被指数能有效提高复杂作物分类精度,为区域复杂作物分类提取提供技术参考和借鉴价值.

关键词：秋季作物、Sentinel-2A、植被指数、决策树、支持向量机

所属期刊栏目：49

分类号：S127;TP79(农业物理学)

资助基金：国际科技合作项目182102410024;国家重点研发计划项目2016YFD0300609;国家自然科学基金项目41601213;河南省重大科技专项171100110600

在线出版日期：2018-10-16（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：146-153