基于HJ-1A高光谱遥感数据的湟水流域典型农作物分类研究

• 作者: 何林华 史飞飞 杨灵玉 贾伟 高小红
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 高光谱遥感 HJ-1A 农作物分类 支持向量机 遗传算法
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 2016甘肃省遥感学会专栏
• 页码范围: 206-217
• 页数: 12页
• 分类号: TP79
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2017.2.0206

摘要

利用高光谱遥感技术识别农作物类型已经成为高光谱遥感研究的热点领域.以青海省湟水流域内油菜、小麦和青稞等典型农作物为分类对象,以HJ-1A HSI高光谱数据和GF-1 WFV高分辨率数据为数据源,探讨利用高光谱遥感影像进行农作物类型信息提取的方法.数据经预处理后,首先,利用WFV数据采用面向对象方法提取研究区农作物种植边界,并利用其对HSI高光谱影像进行种植区域提取;其次,将提取后的高光谱影像经数据形式变换获得包括:R、1/R、Log(R)、d(R)、d(Log(R))和CR共6种数据形式;最后,利用上述6种数据形式的全波段数据和经遗传算法GA-SVM进行光谱波段选取后的6种特征数据,采用支持向量机SVM方法进行农作物分类.结果表明:采用基于样本的面向对象分类方法提取耕地信息精度高且实现周期短;利用GA-SVM波段选取后的6种特征数据集进行农作物分类,其精度显著高于全波段数据集分类精度;6种数据变换形式中,d(Log(R))和CR是两种最优的高光谱分类数据形式,其全波段和特征波段数据进行农作物分类均能获得较好的分类精度,总体精度最高分别达88%和86%,而采用1/R、Log(R)和R数据形式需经GA-SVM光谱波段选取后才能获得较优分类精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	高小红	青海师范大学生命与地理科学学院青海省自然地理与环境过程重点实验室	22	451	11.0	21.0
2	史飞飞	青海师范大学生命与地理科学学院青海省自然地理与环境过程重点实验室	4	33	2.0	4.0
3	杨灵玉	青海师范大学生命与地理科学学院青海省自然地理与环境过程重点实验室	1	24	1.0	1.0
4	何林华	青海师范大学生命与地理科学学院青海省自然地理与环境过程重点实验室	1	24	1.0	1.0