文献类型：期刊文章

作　　者：李旭青[1,2] 刘世盟[1,2] 李龙[1,2] 金永涛[1,2] 范文磊[1,2] 吴伶[3]

LI Xuqing;LIU Shimeng;LI Long;JIN Yongtao;FAN Wenlei;WU Ling(Institute of Computer and Remote Sensing Information Technology,North China Institute of Aerospace Engineering,Langfang 065000,China;Aerospace Remote Sensing Information Processing and Application Collaborative Innovation Center of Hebei Province,Langfang 065000,China;School of Infomation Engineering,China University of Geosciences (Beijing),Beijing 100083,China)

机构地区：[1]北华航天工业学院计算机与遥感信息技术学院,廊坊065000 [2]河北省航天遥感信息处理与应用协同创新中心,廊坊065000 [3]中国地质大学(北京)信息工程学院,北京100083

出　　处：《农业机械学报》

基　　金：国家自然科学基金项目(41701387);国家高分辨率对地观测系统重大专项(67-Y40G09-9002-15/18);河北省青年科学基金项目(D2018409029);河北省高等学校科学技术研究重点项目(ZD2016126);北华航天工业学院博士基金项目(BKY-2015-02);河北省航天遥感信息处理与应用协同创新中心开放课题项目(XTZXKF201701)

年　　份：2019

卷　　号：50

期　　号：6

起止页码：218-225

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为探讨如何利用遥感影像自动解译技术,实现冬小麦种植情况统计调查、提高提取精度,选择冬小麦关键生育期6个时相的高分二号遥感影像数据,分别从6个时相的近红外灰度(NIR)、红波段灰度(R)、绿波段灰度(G)、蓝波段灰度(B)、比值植被指数(RVI)、归一化植被指数(NDVI)6个特征中优选出对冬小麦面积提取最敏感的1个特征作为输入变量,每个时相选择1个特征,6个时相共选出6个特征作为输入变量,利用随机森林算法构建模型,提取冬小麦空间分布特征。选择研究区不同长势、不同种植品种的地块样本构建训练集,利用多时相特征构建模型,并将模型推广应用于整个大厂回族自治县,得到大厂回族自治县冬小麦的空间分布情况。通过与统计结果对比分析,经过多时相特征优选构建的模型对冬小麦的识别精度接近90%。经过样本优化和后期处理仍可提升精度,此方法能在保证提取精度的前提下对冬小麦进行快速提取,提高相应的工作效率。

关 键 词：冬小麦 多时相 自动解译  随机森林算法  

分 类 号：TP75]