基于无人机多光谱影像的完熟期玉米倒伏面积提取

S127; 由于土壤、地形、水分以及耕作方式等存在的时空变异性,致使灾后完熟期玉米地块存在4类作物形态,包括叶片呈绿色的未倒伏玉米、叶片淡黄的未倒伏玉米、叶片淡黄的倒伏玉米、黑色阴影区域.为进一步提高现有倒伏玉米面积提取方法的精度,该文以黑龙江省国营农场典型玉米倒伏地块为研究区,获取无人机多光谱数据,对比4类作物形态的光谱、植被指数以及纹理特征差异,经特征筛选后,首先面向倒伏玉米提取构建了5种典型特征组合.然后针对植被指数特征、光谱和纹理特征组合采用最大似然法分类,最后对提取结果的精度进行评价和分析.结果表明:反射光谱特征或植被指数特征无法准确区分4类作物形态,提取的倒伏玉米面积偏差较大;多类...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 35; no. 19; pp. 98 - 106
Main Authors 张新乐, 官海翔, 刘焕军, 孟祥添, 杨昊轩, 叶强, 于微, 张汉松
Format Journal Article
LanguageChinese
Published 东北农业大学公共管理与法学院,哈尔滨,150030%东北农业大学公共管理与法学院,哈尔滨150030 01.10.2019
中国科学院东北地理与农业生态研究所,长春130012
Subjects
lodging
特征组合
multi-texture features
作物
倒伏
无人机
多纹理特征
多光谱
UAV
crops
feature combination
multispectral
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2019.19.012

Cover

More Information
Summary:S127; 由于土壤、地形、水分以及耕作方式等存在的时空变异性,致使灾后完熟期玉米地块存在4类作物形态,包括叶片呈绿色的未倒伏玉米、叶片淡黄的未倒伏玉米、叶片淡黄的倒伏玉米、黑色阴影区域.为进一步提高现有倒伏玉米面积提取方法的精度,该文以黑龙江省国营农场典型玉米倒伏地块为研究区,获取无人机多光谱数据,对比4类作物形态的光谱、植被指数以及纹理特征差异,经特征筛选后,首先面向倒伏玉米提取构建了5种典型特征组合.然后针对植被指数特征、光谱和纹理特征组合采用最大似然法分类,最后对提取结果的精度进行评价和分析.结果表明:反射光谱特征或植被指数特征无法准确区分4类作物形态,提取的倒伏玉米面积偏差较大;多类纹理特征法所得结果最优,4类典型作物形态的识别平均误差为9.82%,倒伏面积提取的误差为3.40%,Kappa系数为0.84.该研究延展了纹理特征在倒伏玉米面积提取中的应用并对完熟期倒伏玉米识别具有重要的借鉴意义.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2019.19.012