文献类型：期刊文章

作　　者：王利军[1] 郭燕[1] 贺佳[1] 王利民[2] 张喜旺[3] 刘婷[1]

WANG Lijun;GUO Yan;HE Jia;WANG Limin;ZHANG Xiwang;LIU Ting(Institute of Agricultural Economic and Information,Henan Academy of Agricultural Sciences,Zhengzhou 450002,China;Institute of Agricultural Resources and Regional Planning,Chinese Academy of Agricultural Sciences,Beifing 100081,China;College of Environment and Planning,Henan University,Kaifeng 475004,China)

机构地区：[1]河南省农业科学院农业经济与信息研究所,郑州450002 [2]中国农业科学院农业资源与农业区划研究所,北京100081 [3]河南大学环境与规划学院,开封475004

出　　处：《农业机械学报》

基　　金：国际科技合作项目(182102410024);国家重点研发计划项目(2016YFD0300609);国家自然科学基金项目(41601213);河南省重大科技专项(171100110600)

年　　份：2018

卷　　号：49

期　　号：9

起止页码：146-153

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：以河南省濮阳县为研究区,以2017年8月6日遥感影像为基础数据源,基于地面样方和样本点数据分析构建植被指数阈值分割分类决策树,结合支持向量机(Support vector machine,SVM)分类方法实现了秋季主要作物种植面积遥感识别,并与其他方法分类结果进行了精度验证与对比。结果表明,与最大似然法(Maximum likelihood,ML)和SVM法相比较,决策树和SVM相结合能较好地解决线状地物和小地块作物提取不全以及"椒盐"现象等问题,可以对秋季复杂作物进行有效识别,作物分类提取总体精度和Kappa系数分别为92.3%和0.886。利用中分辨率单时相遥感影像,结合波谱特征和植被指数能有效提高复杂作物分类精度,为区域复杂作物分类提取提供技术参考和借鉴价值。

关 键 词：秋季作物  Sentinel-2A  植被指数 决策树 支持向量机

分 类 号：S127] TP79]