基于高分二号数据的小麦快速识别与精度分析

• 作者: 刘婷 张红利 武喜红 段俊枝 王利军 王来刚 程永政 贺佳 郑国清 郭燕
• 来源期刊: 河南农业科学
• 学科: 农学
• 关键词: GF-2 小麦 识别 支持向量机 人工神经网络 最大似然
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 农产品加工与安全·农业工程·农业信息技术
• 页码范围: 143-148
• 页数: 6页
• 分类号: S127|S512
• 字数: 3507字
• 语种: 中文
• DOI: 10.15933/j.cnki.1004-3268.2018.10.026

摘要

针对目前高分二号(GF-2)卫星遥感数据在农业领域应用较少,尤其是在农作物识别方面应用缺乏的现象,以GF-24 m多光谱遥感影像为数据源,在河南省北部小麦主要种植区域濮阳县,采用监督分类方法(包括支持向量机、人工神经网络和最大似然法)进行小麦种植空间分布信息的快速提取和精度分析.结果表明,3种分类方法对小麦的识别结果非常相似,生产者精度均在96％以上,以支持向量机法最高;用户精度均在98％以上,以最大似然法最高;Kappa系数三者比较接近,均在0.80以上;总体精度均在82％以上,以最大似然法最高,达85.15％;错分误差在2％以下,漏分误差在3％左右,对地物的识别误差总体以最大似然法最低,尤其对小麦、水体、光伏电站的识别精度非常高.综合考虑,在采用GF-2进行小麦识别时,建议采用最大似然法.