冬小麦非监督分类结果的类别选择研究

• 作者: 刘佳 姚保民 杨玲波 杨福刚 王利民
• 来源期刊: 中国农学通报
• 学科: 农学
• 关键词: 迭代自组织数据分析技术(ISODATA) 高分一号卫星(GF-1) 宽幅(WFV) 冬小麦 面积 遥感 识别
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 农业信息·科技教育
• 页码范围: 134-142
• 页数: 9页
• 分类号: S252+.9
• 语种: 中文

摘要

为了实现基于遥感影像作物的自动分类,发挥遥感技术宏观、迅速的大范围监测特点,在遥感影像非监督分类的基础上,提出了一种基于ISODATA非监督分类结果的自动分类方法.该方法分为ISODATA非监督分类过程和自动分类过程,自动分类过程又可分为冬小麦样本点占比排序和类冬小麦类别确定两个方面.当非监督分类类别设置为40或50类、每类样本数量为4或5类时,冬小麦遥感分类精度较高且分类精度稳定.在200个样本点组合(40个分类类别,每个类别中5个样本点)中,基于ISODATA非监督自动分类结果的总体精度相较于最大似然分类方法提高了2.5个百分点,KAPPA系数提高了19.4％.在500个样本点组合(100个分类类别,每个类别中5个样本点)下,基于ISODATA非监督自动分类结果总体精度和KAPPA系数与最大似然分类方法相近.基于ISODATA非监督分类结果的自动分类方法可以在样本量较少时保持较高的分类精度,人机交互少,分类效率高,适用于业务化应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘佳	中国农业科学院农业资源与农业区划研究所	151	1674	21.0	37.0
2	王利民	中国农业科学院农业资源与农业区划研究所	62	941	16.0	29.0
3	姚保民	中国农业科学院农业资源与农业区划研究所	22	102	6.0	9.0
4	杨福刚	中国农业科学院农业资源与农业区划研究所	35	359	10.0	18.0
5	杨玲波	中国农业科学院农业资源与农业区划研究所	23	421	10.0	20.0