构建时空融合模型进行水稻遥感识别
传统变化检测手段进行水稻遥感识别受“云污染”和影像间配准误差导致的变化检测误差累积及“椒盐”现象的影响,水稻遥感识别精度低.本文提出时空融合模型(Temporal-Spatial-Fusion Model,TSFM)进行水稻遥感识别,旨在综合像元在时间、空间维度上的信息定义像元的水稻时空归属度,根据时空归属度划分阈值提取水稻.实验结果表明:在不同窗口尺度下,TSFM在整体和“云污染”区域对水稻提取均达到了较高精度.当窗口尺度为3×3时,水稻提取的用户精度、制图精度和总体精度分别达到93.4%、83.5%和87.9%.在不同窗口尺度下水稻提取的用户精度、制图精度、总体精度均高于分类后比较PCC(Post-Classification Comparison)和多数投票法(Majority Voting,MV);在“云污染”区域,水稻识别总体精度均在92.0%以上,水稻制图精度比PCC、MV分别至少提高了14.0%、7.6%.有效地解决了传统变化检测作物遥感识别存在的误差累积问题,在一定程度上避免了“云污染”和“椒盐”现象对识别结果的影响.另外,初步探讨了TSFM水稻提取精度与景观特征关系,发现在景观规整区域适宜采用较小的窗口,在破碎区域适宜采用较大的窗口.该方法的成功实施,为大范围开展秋粮作物遥感识别,消除“云”影响进行了前期实验探讨.
遥感识别、时空归属度、变化检测、景观特征、分类精度、水稻
20
TP79(遥感技术)
国家自然科学基金编号:41301444;北京高等学校“青年英才计划” Supported by National Natural Science Foundation of China No.41301444
2016-04-21(万方平台首次上网日期,不代表论文的发表时间)
328-343