收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于Sentinel-2影像的西南山区不同生长期水稻识别

陈安旭  李月臣  
【摘要】:山区水稻种植呈现破碎分散的特点,中低分辨率的遥感影像分类效果不甚理想,需要寻找适用于山区水稻提取的遥感数据源和监测方法;水稻在不同生长阶段有不同的形态特征,适用的分类特征与得出的分类结果显然不同。该研究以Sentinel-2影像为数据源,对不同生长阶段的水稻进行提取。选取波段特征、植被指数、红边指数、水体指数、地形特征、纹理特征等58个分类特征,运用SEaTH算法进行筛选后,采用随机森林分类法进行分类,并构建误差矩阵比较分类结果。结果表明,分类特征经过筛选后,数量分别为发育期16个、生长期13个、成熟期12个;分类结果进行精度验证后,用户精度分别为发育期0.93、生长期0.88、成熟期0.85,水稻发育期为提取水稻的最佳时期。Sentinel-2影像和随机森林方法可作为理想的数据源和监测方法用于山区水稻时空信息的提取。

知网文化
【相似文献】
中国期刊全文数据库 前13条
1 王李娟;孔钰如;杨小冬;徐艺;梁亮;王树果;;基于特征优选随机森林算法的农耕区土地利用分类[J];农业工程学报;2020年04期
2 许淇;李启亮;Mathilde De Vroey;张吴平;范锦龙;;基于随机森林算法的多作物同步识别[J];山东农业科学;2019年03期
3 王轩慧;郑西来;韩仲志;王轩力;王娟;;混合式随机森林的土壤钾含量高光谱反演[J];光谱学与光谱分析;2018年12期
4 陈妙金;汪小钦;吴思颖;;基于随机森林算法的水土流失影响因子重要性分析[J];自然灾害学报;2019年04期
5 陈旭飞;任向宁;张池;咸春龙;冯雪珂;马涛;刘健美;;基于随机森林的中大尺度农田产能提升潜力评价——以广东省为例[J];西南农业学报;2019年09期
6 田钰朝;徐明德;;应用随机森林模式识别的土壤肥力评价[J];中北大学学报(自然科学版);2019年05期
7 侯陈瑶;朱秀芳;孙丹一;徐昆;刘莹;;基于随机森林的旱灾损失模型构建与应用——以河南省雨养小麦为例[J];灾害学;2019年04期
8 韩杏杏;陈杰;王海洋;巫振富;程道全;;基于随机森林模型的耕地表层土壤有机质含量空间预测①——以河南省辉县市为例[J];土壤;2019年01期
9 刘振尧;温江北;高洪智;丁海泉;;基于随机森林方法在土壤有机质近红外建模中的研究[J];现代农业装备;2017年06期
10 王全喜;孙鹏举;刘学录;李尚泽;高建存;;基于随机森林算法的耕地面积预测及影响因素重要性分析——以甘肃省庆阳市为例[J];水土保持通报;2018年05期
11 任丽;杨联安;王辉;杨粉莉;陈卫军;张林森;徐瑾昊;;基于随机森林的苹果区土壤有机质空间预测[J];干旱区资源与环境;2018年08期
12 郑阳;吴炳方;张淼;;Sentinel-2数据的冬小麦地上干生物量估算及评价[J];遥感学报;2017年02期
13 王铭恺;汪天伟;;基于随机森林模型的景观格局动态研究——以合肥市包河区为例[J];工业经济论坛;2018年02期
中国硕士学位论文全文数据库 前3条
1 韩杏杏;县域尺度农用地表层土壤有机质含量预测技术对比研究[D];郑州大学;2018年
2 杨其坡;基于MaxEnt模型和多时相Sentinel-2影像的花椒识别研究[D];西南大学;2019年
3 望陈运;基于随机森林算法的土壤图斑分解[D];华中农业大学;2017年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978