构建时空融合模型进行水稻遥感识别

• 作者: 孙佩军 张锦水 潘耀忠 袁周米琪 谢登峰
• 来源期刊: 遥感学报
• 学科: 工学
• 关键词: 遥感识别 时空归属度 变化检测 景观特征 分类精度 水稻
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 遥感应用
• 页码范围: 328-343
• 分类号: TP79
• 语种: 中文
• DOI: 10.11834/jrs.20165008

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张锦水	地表过程与资源生态国家重点实验室北京师范大学资源学院	3	78	2.0	3.0
2	潘耀忠	地表过程与资源生态国家重点实验室北京师范大学资源学院	3	179	3.0	3.0
3	孙佩军	地表过程与资源生态国家重点实验室北京师范大学资源学院	1	14	1.0	1.0
4	谢登峰	地表过程与资源生态国家重点实验室北京师范大学资源学院	1	14	1.0	1.0
5	袁周米琪	地表过程与资源生态国家重点实验室北京师范大学资源学院	1	14	1.0	1.0