文献类型：期刊文章

作　　者：郭鹏[1,2] 武法东[1] 戴建国[3] 王海江[4] 徐丽萍[2] 张国顺[3]

Guo Peng Wu Fadong Dai Jianguo Wang Haijiang Xu Liping Zhang Guoshun(College of Earth Sciences and Resources, China University of Geoscience, Beo＇ing 100083, China College of Science, Shihezi University, Shihezi 832003, China College of Information Science ＆ Technology, Shihezi University, Shihezi 832003, China College of Agriculture, Shihezi University, Shihezi 832003, China)

机构地区：[1]中国地质大学(北京)地球科学与资源学院,北京100083 [2]石河子大学理学院,石河子832003 [3]石河子大学信息科学与技术学院,石河子832003 [4]石河子大学农学院,石河子832003

出　　处：《农业工程学报》

基　　金：国家自然科学基金项目(31460317);国家国际科技合作专项项目(2015DFA11660)

年　　份：2017

卷　　号：33

期　　号：13

起止页码：112-119

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAB、CAS、CSCD、CSCD2017_2018、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：大面积农田种植信息的准确获取是精准农业的基础。色彩空间转换、纹理分析和颜色指数等方法能够有效的增强和挖掘影像潜在的信息,对影像分类很有帮助,该文利用2016年9月获取的无人机影像对新疆兵团第八师149团的部分农田进行了作物类型的提取研究。首先对影像进行了色彩空间转换和灰度共生矩阵纹理滤波,得到了27项色彩与纹理特征,通过比较变异系数和差异系数认为亮度、饱和度和红色二阶矩可以作为最优分类特征。其次计算影像的过绿指数(excess green index,EXG)和可见光波段差异植被指数(visible-band difference vegetation index,VDVI),通过阈值对比确定了EXG指数可以有效的区分不同作物类型。最后对比以上2种方法计算得到的分类结果,表明基于色彩与纹理特征提取的作物类型的精度较高,将该方法应用于棉花、玉米和葡萄的分类,误差值分别为7.2%、4.75%和2.37%,明显高于基于颜色指数的提取方法,是一种行之有效的无人机数据作物分类方法。该研究虽未对更大区域做进一步探讨,但可为无人机应用于农田作物分类提供参考。

关 键 词：无人机 遥感 农作物 色彩与纹理特征  颜色指数  农田 分类  

分 类 号：S127]