河南农业科学 ›› 2016, Vol. 45 ›› Issue (1): 152-159.

• 农产品加工 农业工程 农业信息技术 • 上一篇    

基于多时相GF-1遥感影像的作物分类提取

贺鹏1,2,3,徐新刚2,3,4,张宝雷1*,李振海2,3,金秀良2,3,张秋阳2,3,张勇峰2,3   

  1. 1.山东师范大学 人口·资源与环境学院,山东 济南 250014; 2.国家农业信息化工程技术研究中心,北京 100097;3.农业部农业信息技术重点实验室,北京 100097; 4.北京市农业物联网工程技术研究中心,北京 100097
  • 收稿日期:2015-07-06 出版日期:2016-01-15 发布日期:2016-01-15
  • 通讯作者: 张宝雷(1979-),男,山东临沂人,副教授,博士,主要从事3S技术在资源环境中的应用研究。E-mail:blzhangsd@163.com
  • 作者简介:贺〓鹏(1990-),男,山西吕梁人,在读硕士研究生,研究方向:遥感技术与应用研究。E-mail:hepeng1009@126.com
  • 基金资助:
    北京市自然科学基金项目(4152019);北京市农林科学院创新能力建设专项(KJCX20150409)

  • Received:2015-07-06 Published:2016-01-15 Online:2016-01-15

摘要: 为了提高遥感影像数据对作物分类提取的精度,更多地反映作物的空间分布结构和物候差异,以黑龙江农垦赵光农场为研究对象,提出一种基于分区与决策树分层分类相结合的作物遥感分类方法,利用2014年高分一号卫星(GF-1)WFV遥感影像数据(4景)开展主要作物的识别分类提取。首先,结合实地调查与影像光谱特征信息的总体分布,将研究区分割成3个子区域(西南区、北部区和东南区);其次,基于多时相遥感影像序列,分析主要作物的反射光谱和植被指数的时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了赵光农场主要作物的空间种植信息。结果表明,2种分类方法的精度都很高,总体精度均在97.00%以上,Kappa系数均在0.900 0以上。分区分类更优于整幅图像非分区分类,总体精度达到98.10%,Kappa系数达到0.960 7;非分区分类总体精度为97.50%,Kappa系数为0.948 3。研究表明,基于分区与决策树分类法相结合的作物分类结果精度,明显优于不使用分区分类的结果。由分区与决策树分层相结合的分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。

关键词: 遥感, 作物, 分区, 多时相, 决策树, GF-1