水稻是中國(guó)種植面積最廣泛的糧食作物之一,適時(shí)、準(zhǔn)確的水稻識(shí)別與監(jiān)測(cè)對(duì)于國(guó)家糧食安全和農(nóng)用地空間格局演變具有重要意義�；谒疚锖蜿P(guān)鍵期的多時(shí)相Sentinel-2A光譜數(shù)據(jù)、植被指數(shù)、植被豐度以及基于Landsat8反演得到的地表溫度（land surface temperature,LST）,采用卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural network,CNN）、支持向量機(jī)（support vector machine,SVM）和隨機(jī)森林（random forest,RF）算法對(duì)高異質(zhì)化的長(zhǎng)株潭核心區(qū)的水稻進(jìn)行了提取,并得到了對(duì)應(yīng)的水稻填圖。研究結(jié)果顯示,利用多時(shí)相多源遙感數(shù)據(jù)通過CNN算法能夠有效提取高異質(zhì)化程度區(qū)域的水稻信息,水稻分類總體精度（overall accuracy,OA）和Kappa系數(shù)分別達(dá)到了92%與0.90以上。該文提出的基于CNN的水稻信息識(shí)別方法,能夠?yàn)楦纳婆c提高異質(zhì)化程度較高區(qū)域水稻信息提取的精度提供行之有效的技術(shù)與途徑。 

【文章來(lái)源】：國(guó)土資源遙感. 2020,32(04)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
0 引言
1 研究區(qū)概況及數(shù)據(jù)源
    1.1 研究區(qū)概況
    1.2 遙感數(shù)據(jù)與預(yù)處理
    1.3 實(shí)地調(diào)查數(shù)據(jù)及其他輔助數(shù)據(jù)
2 研究方法
    2.1 植被指數(shù)計(jì)算
    2.2 LST反演
    2.3 基于完全約束最小二乘混合像元分解模型的地類豐度估測(cè)
    2.4 基于CNN的分類與精度評(píng)價(jià)
3 結(jié)果與分析
4 討論
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于TanDEM-X數(shù)據(jù)的林分平均高反演方法研究[J]. 蔡耀通,林輝,孫華,張猛,龍江平.  西南林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)). 2019(05)
[2]基于SVM+SFS策略的多時(shí)相緊致極化SAR水稻精細(xì)分類[J]. 國(guó)賢玉,李坤,王志勇,李宏宇,楊知.  國(guó)土資源遙感. 2018(04)
[3]Sentinel-2A衛(wèi)星數(shù)據(jù)處理分析及在干旱河谷提取中的應(yīng)用[J]. 楊斌,李丹,高桂勝,陳財(cái),王磊.  國(guó)土資源遙感. 2018(03)
[4]基于多時(shí)相Landsat數(shù)據(jù)融合的洞庭湖區(qū)水稻面積提取[J]. 張猛,曾永年.  農(nóng)業(yè)工程學(xué)報(bào). 2015(13)
[5]新型Landsat8衛(wèi)星影像的反射率和地表溫度反演[J]. 徐涵秋.  地球物理學(xué)報(bào). 2015(03)
[6]變端元混合像元分解冬小麥種植面積測(cè)量方法[J]. 趙蓮,張錦水,胡潭高,陳聯(lián)裙,李樂.  國(guó)土資源遙感. 2011(01)

碩士論文
[1]南方稻作、地塊特征與農(nóng)戶種植模式[D]. 羅觀長(zhǎng).華南農(nóng)業(yè)大學(xué) 2016



本文編號(hào)：3472481