文献类型： 中文期刊

作者： 王利军 ¹ ; 郭燕 ² ; 贺佳 ² ; 王利民 ² ; 张喜旺 ² ; 刘婷 ³ ;

作者机构： 1.河南省农业科学院农业经济与信息研究所;中国农业科学院农业资源与农业区划研究所;河南大学环境与规划学院

2.;河南省农业科学院农业经济与信息研究所;中国农业科学院农业资源与农业区划研究所;河南大学环境与规划学院

3.;河南省农业科学院农业经济与信息研究所;中国农业科学院农业资源与农业区划研究所;河南大学环境与规划学院;

关键词： 秋季作物;Sentinel-2A;植被指数;决策树;支持向量机

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2018 年 09 期

页码： 146-153

收录情况： EI ; 北大核心 ; CSCD

摘要： 以河南省濮阳县为研究区,以2017年8月6日遥感影像为基础数据源,基于地面样方和样本点数据分析构建植被指数阈值分割分类决策树,结合支持向量机(Support vector machine,SVM)分类方法实现了秋季主要作物种植面积遥感识别,并与其他方法分类结果进行了精度验证与对比。结果表明,与最大似然法(Maximum likelihood,ML)和SVM法相比较,决策树和SVM相结合能较好地解决线状地物和小地块作物提取不全以及"椒盐"现象等问题,可以对秋季复杂作物进行有效识别,作物分类提取总体精度和Kappa系数分别为92.3%和0.886。利用中分辨率单时相遥感影像,结合波谱特征和植被指数能有效提高复杂作物分类精度,为区域复杂作物分类提取提供技术参考和借鉴价值。