基于多时相Sentinel-2卫星数据的农作物分类研究

S127; [目的]探究研究区农作物分类最佳时相;结合遥感指数探究一种有效的多时相分类方法,提取主要农作物种植分布情况.[方法]基于多时相Sentinel-2卫星数据,采用支持向量机的分类方法对不同时相进行分类,对比分类精度;融合时间序列的NDVI、MNDWI指数之后采用支持向量机的方法进行分类,之后分别利用MNDWI和CI指数结合决策树的分类方法提取水域和田埂.[结果]7月份的分类效果最好,总体精度达到91.05％,Kappa系数达到0.8518;通过时相数据不同组合的分类精度比较,采用3—10月NDVI数据叠加后分类的效果较好,总体精度达到92.25％,Kappa系数达到0.8736;对比...

Full description

Saved in:
Bibliographic Details
Published in广东农业科学 Vol. 47; no. 4; pp. 129 - 138
Main Authors 邓继忠, 刘其得, 王长委, 江秀明, 朱圣, 袁梓文, 金鑫, 朱紫阳
Format Journal Article
LanguageChinese
Published 国家精准农业航空施药技术国际联合研究中心,广东 广州 510642%华南农业大学资源环境学院/广东省土地利用与整治重点实验室,广东广州,510642%广东省国土资源测绘院,广东 广州,510642%华南农业大学工程学院,广东广州,510642 01.04.2020
华南农业大学工程学院,广东广州 510642
Subjects
改进的归一化差异水体指数
植被指数
颜色指数
Sentinel-2
多时相
农作物分类
Online AccessGet full text
ISSN1004-874X
DOI10.16768/j.issn.1004-874X.2020.04.018

Cover

More Information
Summary:S127; [目的]探究研究区农作物分类最佳时相;结合遥感指数探究一种有效的多时相分类方法,提取主要农作物种植分布情况.[方法]基于多时相Sentinel-2卫星数据,采用支持向量机的分类方法对不同时相进行分类,对比分类精度;融合时间序列的NDVI、MNDWI指数之后采用支持向量机的方法进行分类,之后分别利用MNDWI和CI指数结合决策树的分类方法提取水域和田埂.[结果]7月份的分类效果最好,总体精度达到91.05％,Kappa系数达到0.8518;通过时相数据不同组合的分类精度比较,采用3—10月NDVI数据叠加后分类的效果较好,总体精度达到92.25％,Kappa系数达到0.8736;对比3种不同分类方法,以支持向量机的分类结果精度最高,总体精度达到94.19％,Kappa系数达到0.9024.[结论]7月份是研究区农作物分类的最佳时相;多时相分类精度明显高于单景数据分类;结合多时相NDVI、MNDWI、CI 3种遥感指数进行分类可以有效提取研究区主要农作物的种植分布情况.
ISSN:1004-874X
DOI:10.16768/j.issn.1004-874X.2020.04.018