基于Radarsat-2影像的复杂种植结构下旱地作物识别

为提高基于Radarsat-2旱地作物识别的精度,该文研究了一种复杂种植结构背景下具有共同生长期作物的识别方法。研究区为一个12 km×12 km的样方,位于内蒙古上库力农场额很队,以春小麦、油菜2种共同生长期作物为识别对象,利用Spot-6影像和Radarsat-2影像,在数据预处理的基础上分析研究区内典型地物样本的后向散射系数在不同极化波段上的变化特征,根据该变化特征设计图像增强算法,然后基于图像增强后的影像设定合理的阈值实现作物识别提取。结果表明:该方法准确识别并有效提取了共同生长期作物春小麦和油菜的种植面积,总体精度达到97%,Kappa系数为0.96。该方法简便、快捷、可靠,为春小麦...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 no. 23; pp. 154 - 159
Main Author 田海峰 邬明权 牛铮 王长耀 赵昕
Format Journal Article
LanguageChinese
Published 中国科学院遥感与数字地球研究所，遥感科学国家重点实验室，北京 100101 2015
中国科学院大学资源与环境学院，北京 100049%中国科学院遥感与数字地球研究所，遥感科学国家重点实验室，北京 100101%中国科学院大学资源与环境学院,北京,100049
Subjects
图像增强;作物;图像识别;Radarsat-2影像;春小麦;油菜
image enhancement
Radarsat-2 image
作物
春小麦
oilseed rape
图像增强
spring wheat
Radarsat-2影像
crops
图像识别
油菜
image recognition
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2015.23.020

Cover

More Information
Summary:为提高基于Radarsat-2旱地作物识别的精度,该文研究了一种复杂种植结构背景下具有共同生长期作物的识别方法。研究区为一个12 km×12 km的样方,位于内蒙古上库力农场额很队,以春小麦、油菜2种共同生长期作物为识别对象,利用Spot-6影像和Radarsat-2影像,在数据预处理的基础上分析研究区内典型地物样本的后向散射系数在不同极化波段上的变化特征,根据该变化特征设计图像增强算法,然后基于图像增强后的影像设定合理的阈值实现作物识别提取。结果表明:该方法准确识别并有效提取了共同生长期作物春小麦和油菜的种植面积,总体精度达到97%,Kappa系数为0.96。该方法简便、快捷、可靠,为春小麦、油菜等旱地共同生长期作物种植面积提取提供重要的科学技术支撑。
Bibliography:Tian Haifeng;Wu Mingquan;Niu Zheng;Wang Changyao;Zhao Xin;The State Key Laboratory of Remote Sensing Science,Institute of Remote Sensing and Digital Earth,Chinese Academy of Sciences;College of Resources and Environment,University of Chinese Academy of Sciences
11-2047/S
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2015.23.020