农田遥感识别方法与应用

• 作者: 丁方宇 付晶莹 江东 郝蒙蒙 黄耀欢
• 来源期刊: 甘肃科学学报
• 学科: 地球科学
• 关键词: 农田识别 基于像元 面向对象 机器学习
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 环境化学
• 页码范围: 43-47
• 页数: 5页
• 分类号: P407.8
• 字数: 3544字
• 语种: 中文
• DOI: 10.16468/j.cnki.issn1004-0366.2017.02.011

摘要

农田识别是进行作物的长势监测、产量预报和时空特性研究的基础,能够为国家农业政策的制定提供数据支撑.基于像元的传统农田遥感识别方法只利用了影像像元的属性信息,造成农田识别精度不高.面向对象的识别方法根据多尺度分割后得到对象的光谱、形状和纹理属性分类,提高了农田识别的精度.随着航天技术快速发展,与中低分辨率影像相比,高分辨率遥感影像能够提供更丰富的光谱、形状和纹理特征的目标地物,但同时信息量和数据量呈几何级数增加的高分辨率遥感影像给现有的农田遥感识别方法带来极大挑战.回顾了中低分辨率和高分辨率的农田遥感识别方法的研究进展,重点阐述了多尺度分割与三种监督型机器学习算法组合的面向对象的识别方法.结果表明,以机器学习算法为基础的面向对象分类的总体精度都高于96%,卡帕系数均超过0.93.