文献类型： 中文期刊

作者： 郭燕 ¹ ; 贺佳 ¹ ; 王利军 ¹ ; 段俊枝 ¹ ; 武喜红 ¹ ; 王来刚 ¹ ; 刘婷 ¹ ; 张红利 ¹ ; 郑国清 ¹ ; 程永政 ¹ ;

作者机构： 1.河南省农业科学院农业经济与信息研究所

关键词： GF-2;小麦;识别;支持向量机;人工神经网络;最大似然

期刊名称： 河南农业科学

ISSN： 1004-3268

年卷期： 2018 年 10 期

页码： 143-148

收录情况： 北大核心 ; CSCD

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。