基于GF-1遥感数据决策树与混合像元分解模型的冬小麦种植面积早期估算

摘要：

我国西北地区耕地细碎,冬小麦种植面积提取时混合像元较多,所以将决策树和混合像元分解相结合可大大提高解译精度.以高时间分辨率及较高空间分辨率的GF-1卫星遥感数据为研究数据源.根据冬小麦和其他各类地物在不同时相数据上NDVI值的变化特性及特征值差异,建立决策树模型,快速高效地提取冬小麦像元.运用线性光谱混合模型,降低混合像元的影响,进一步精确提取冬小麦的种植面积.最后与实测样方的冬小麦种植面积数据进行比较,验证提取精度.结果表明:研究区内冬小麦种植面积提取精度达90％以上,Kappa系数接近0.8,可较为准确地反映出区域内冬小麦的分布情况.利用较高分辨率的遥感影像并结合决策树分类和混合像元分解可以较准确地提取耕地破碎地区作物种植面积,对开展早期农作物面积遥感监测有较大帮助.

关键词：冬小麦、种植面积、早期估算、遥感、决策树、混合像元分解

所属期刊栏目：33

分类号：TP79(遥感技术)

资助基金：国家自然科学基金项目41661084、41661005;农业部遥感应用中心农业遥感技术创新课题2016MARSAC10;中国博士后科学基金2016T90961、2015M570864;国家重大科学研究计划项目2013CBA01808

在线出版日期：2018-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：158-167