及時(shí)、準(zhǔn)確地掌握水稻空間分布和種植面積信息對(duì)預(yù)測(cè)水稻產(chǎn)量、指導(dǎo)農(nóng)業(yè)生產(chǎn)等農(nóng)業(yè)活動(dòng)起著重要作用。遙感技術(shù)因其快速、綜合等優(yōu)勢(shì),而被廣泛應(yīng)用于農(nóng)作物識(shí)別領(lǐng)域。以沈陽市為研究區(qū)域,選取沈陽農(nóng)業(yè)大學(xué)道南、遼中和沈北新區(qū)作為粳稻種植代表區(qū)域獲取CART算法的訓(xùn)練樣本,并結(jié)合粳稻移栽期的NDVI、EVI、LSWI數(shù)據(jù),訓(xùn)練作物分割閾值,構(gòu)建決策樹初步提取出研究區(qū)粳稻空間分布信息。為進(jìn)一步去除上述提取區(qū)域的其他地物信息,構(gòu)建粳稻抽穗期和成熟期的植被指數(shù)、紋理、ISODATA非監(jiān)督分類數(shù)據(jù)及其原始波譜特征的多特征數(shù)據(jù)集,利用BP神經(jīng)網(wǎng)絡(luò)對(duì)多組不同特征綜合數(shù)據(jù)集進(jìn)行粳稻分類提取,得到對(duì)分類精度貢獻(xiàn)較大的特征和最佳分類數(shù)據(jù)集,并分別利用最大似然和BP神經(jīng)網(wǎng)絡(luò)分類法,結(jié)合決策樹分類結(jié)果和實(shí)地樣本數(shù)據(jù),對(duì)最佳分類數(shù)據(jù)集進(jìn)行分類結(jié)果對(duì)比和精度驗(yàn)證。結(jié)果表明:采用CART決策樹和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法可以獲得較高的分類精度,總體精度為89.1%,Kappa系數(shù)達(dá)到0.881。利用作物關(guān)鍵物候期中等分辨率影像,結(jié)合多時(shí)相波譜特征和植被指數(shù),采用CART決策樹和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的分類法能有效提高粳稻的分類精度,為... 

【文章頁數(shù)】：8 頁

【文章目錄】：
1 材料與方法
    1.1 研究區(qū)概況
    1.2 數(shù)據(jù)源及預(yù)處理
    1.3 研究方法
        1.3.1 分類指標(biāo)選擇
        1.3.2 主要分類方法及精度驗(yàn)證
        1.3.3 訓(xùn)練樣本選取
2 結(jié)果與分析
    2.1 光譜特征分析及CART決策樹分類結(jié)果
    2.2 基于CART決策樹和BP神經(jīng)網(wǎng)絡(luò)的分類結(jié)果與精度評(píng)價(jià)
3 討論與結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]面向?qū)ο驝ART決策樹方法的濕地遙感分類[J]. 姚博,張懷清,劉洋,劉華,凌成星.  林業(yè)科學(xué)研究. 2019(05)
[2]基于Softmax分類器的小春作物種植空間信息提取[J]. 蔣怡,黃平,董秀春,李宗南,王昕,魏來,邱金春.  西南農(nóng)業(yè)學(xué)報(bào). 2019(08)
[3]基于多時(shí)相Sentinel-2A的縣域農(nóng)作物分類[J]. 吳靜,呂玉娜,李純斌,李全紅.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2019(09)
[4]基于CART決策樹的沙地信息提取方法研究[J]. 張睎偉,王磊,汪西原.  干旱區(qū)地理. 2019(05)
[5]艾比湖濕地自然保護(hù)區(qū)土壤鹽分多光譜遙感反演模型[J]. 周曉紅,張飛,張海威,張賢龍,袁婕.  光譜學(xué)與光譜分析. 2019(04)
[6]基于多時(shí)相影像植被指數(shù)變化特征的作物遙感分類[J]. 魏鵬飛,徐新剛,楊貴軍,李中元,王建雯,陳幗.  中國農(nóng)業(yè)科技導(dǎo)報(bào). 2019(02)
[7]利用衛(wèi)星遙感技術(shù)在農(nóng)業(yè)環(huán)境的監(jiān)測(cè)——以水稻為例[J]. 全廣宇,李啟龍,趙鑫.  環(huán)境與發(fā)展. 2018(07)
[8]基于決策樹和SVM的Sentinel-2A影像作物提取方法[J]. 王利軍,郭燕,賀佳,王利民,張喜旺,劉婷.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(09)
[9]融合時(shí)間序列環(huán)境衛(wèi)星數(shù)據(jù)與物候特征的水稻種植區(qū)提取[J]. 柳文杰,曾永年,張猛.  遙感學(xué)報(bào). 2018(03)
[10]基于時(shí)序光譜和高分紋理分析的制種玉米田遙感識(shí)別[J]. 張超,喬敏,劉哲,劉帝佑,金虹杉,朱德海.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2018(05)

博士論文
[1]基于循環(huán)神經(jīng)網(wǎng)絡(luò)模型的遙感影像時(shí)間序列分類及變化檢測(cè)方法研究[D]. 林蕾.中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所) 2018

碩士論文
[1]基于深度學(xué)習(xí)的多特征高光譜遙感圖像分類研究[D]. 張佳濱.燕山大學(xué) 2017



本文編號(hào)：3720190