典型文献
基于作物双时相遥感特征的花生种植区提取
文献摘要：
基于花生生长中后期2020年8月1日和15日两个时相高分多光谱数据,构建40个作物分类遥感特征,采用ReliefF-Pearson方法优选出15个特征,构造作物可分的4种特征空间.采用最大似然分类法、支持向量机和随机森林分类器,分别耦合4种特征空间,开展作物分类对比试验,进行分类精度和景观评价提出作物双时相遥感分类模型(dual-temporal remote sensing classification model for crop,C-DRSC).结果表明:该模型具有较高的作物分类和花生识别能力,作物分类总体精度和Kappa系数分别为93.25％和0.89,平均形状指数和平均斑块分维指数分别为1.33和1.13;花生识别的用户精度和制图精度分别为96.20％和96.32％,平均形状指数和平均斑块分维指数分别为1.27和1.11.利用该模型在黄淮海地区的4个花生主产县开展夏花生种植面积遥感测算,与统计面积相比,面积测算相对误差为±16.25％,决定系数为0.9778(达到0.01显著性水平),模型具有较好的适用性.
文献关键词：
花生;作物时相特征;特征选择;遥感分类
中图分类号：
作者姓名：
郭其乐;李军玲;郭鹏
作者机构：
中国气象局·河南省农业气象保障与应用技术重点开放实验室,郑州450003;河南省气象科学研究所,郑州450003
文献出处：
引用格式：
[1]郭其乐;李军玲;郭鹏-.基于作物双时相遥感特征的花生种植区提取)[J].应用气象学报,2022(02):218-230
A类：
DRSC,作物时相特征
B类：
花生种植,种植区,生长中后期,多光谱数据,作物分类,ReliefF,方法优选,造作,特征空间,最大似然分类法,随机森林分类器,分类对比,分类精度,景观评价,遥感分类,分类模型,dual,temporal,remote,sensing,classification,model,crop,识别能力,总体精度,Kappa,形状指数,斑块,分维,制图精度,黄淮海地区,主产县,夏花生,种植面积,决定系数,特征选择
AB值：
0.401905
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
