基于作物双时相遥感特征的花生种植区提取
基于花生生长中后期2020年8月1日和15日两个时相高分多光谱数据,构建40个作物分类遥感特征,采用ReliefF-Pearson方法优选出15个特征,构造作物可分的4种特征空间.采用最大似然分类法、支持向量机和随机森林分类器,分别耦合4种特征空间,开展作物分类对比试验,进行分类精度和景观评价提出作物双时相遥感分类模型(dual-temporal remote sensing classification model for crop,C-DRSC).结果表明:该模型具有较高的作物分类和花生识别能力,作物分类总体精度和Kappa系数分别为93.25％和0.89,平均形状指数和平均斑块分维指数分别为1.33和1.13;花生识别的用户精度和制图精度分别为96.20％和96.32％,平均形状指数和平均斑块分维指数分别为1.27和1.11.利用该模型在黄淮海地区的4个花生主产县开展夏花生种植面积遥感测算,与统计面积相比,面积测算相对误差为±16.25％,决定系数为0.9778(达到0.01显著性水平),模型具有较好的适用性.
花生、作物时相特征、特征选择、遥感分类
33
中国气象局;河南省农业气象保障与应用技术重点实验室开放研究基金项目;河南省农业气象保障与应用技术重点实验室开放研究基金项目;河南省自然科学基金青年基金项目
2022-04-14（万方平台首次上网日期，不代表论文的发表时间）
共13页
218-230
