河南农业科学 ›› 2018, Vol. 47 ›› Issue (10): 143-148.

• 农产品加工与安全·农业工程·农业信息技术 • 上一篇    下一篇

基于高分二号数据的小麦快速识别与精度分析

郭 燕,贺 佳,王利军,段俊枝,武喜红,王来刚,刘 婷,张红利,郑国清,程永政*   

  1. (河南省农业科学院 农业经济与信息研究所, 河南 郑州 450002)
  • 收稿日期:2018-05-10 出版日期:2018-10-15 发布日期:2018-10-15
  • 通讯作者: 程永政(1965-),男,河南驻马店人,研究员,博士,主要从事农业遥感研究。E-mail:hnagr_rs@163.com
  • 作者简介:郭 燕(1983-),女,河南驻马店人,助理研究员,博士,主要从事农业遥感与信息技术研究。E-mail:guoyan8372@163.com

  • Received:2018-05-10 Published:2018-10-15 Online:2018-10-15
  • About author:国家自然科学基金项目(41601213);河南省重大科技专项(171100110600);河南省科技攻关项目(182102410024);河南省科研院所发展专项(20188113)

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-2 4 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。

关键词: GF-2, 小麦, 识别, 支持向量机, 人工神经网络, 最大似然