文献类型：期刊文章

作　　者：邓继忠[1,2] 刘其得[1,2] 王长委[3] 江秀明[4] 朱圣[1] 袁梓文[1] 金鑫[1] 朱紫阳[4]

DENG Jizhong;LIU Qide;WANG Changwei;JIANG Xiuming;ZHU Sheng;YUAN Ziwen;JIN Xin;ZHU Ziyang(College of Engineering,South China Agricultural University,Guangzhou 510642,China;National Center for International Collaboration Research on Precision Agricultural Aviation Pesticides Spraying Technology,Guangzhou 510642,China;College of Natural Resources and Environment,South China Agricultural University/Guangdong Key Laboratory for Land Use and Consolidation,Guangzhou 510642,China;Guangdong Institute of Land and Resources Surveying and Mapping,Guangzhou 510642,China)

机构地区：[1]华南农业大学工程学院,广东广州510642 [2]国家精准农业航空施药技术国际联合研究中心,广东广州510642 [3]华南农业大学资源环境学院/广东省土地利用与整治重点实验室,广东广州510642 [4]广东省国土资源测绘院,广东广州510642

出　　处：《广东农业科学》

基　　金：国家现代农业产业技术体系棉花产业体系田间管理机械化岗位专家项目(CARS-15-22);广东省级促进经济发展专项资金(GDME-2018E005);地理国情监测国家测绘地理信息局重点实验室开放基金(2018NGCM05);广东省科技计划重大专项(2016B010110005)。

年　　份：2020

卷　　号：47

期　　号：4

起止页码：129-138

语　　种：中文

收录情况：CAS、IC、RCCSE、UPD、WOS、ZGKJHX、普通刊

摘　　要：【目的】探究研究区农作物分类最佳时相;结合遥感指数探究一种有效的多时相分类方法,提取主要农作物种植分布情况。【方法】基于多时相Sentinel-2卫星数据,采用支持向量机的分类方法对不同时相进行分类,对比分类精度;融合时间序列的NDVI、MNDWI指数之后采用支持向量机的方法进行分类,之后分别利用MNDWI和CI指数结合决策树的分类方法提取水域和田埂。【结果】7月份的分类效果最好,总体精度达到91.05%,Kappa系数达到0.8518;通过时相数据不同组合的分类精度比较,采用3-10月NDVI数据叠加后分类的效果较好,总体精度达到92.25%,Kappa系数达到0.8736;对比3种不同分类方法,以支持向量机的分类结果精度最高,总体精度达到94.19%,Kappa系数达到0.9024。【结论】7月份是研究区农作物分类的最佳时相;多时相分类精度明显高于单景数据分类;结合多时相NDVI、MNDWI、CI 3种遥感指数进行分类可以有效提取研究区主要农作物的种植分布情况。

关 键 词：Sentinel-2  多时相 植被指数 改进的归一化差异水体指数  颜色指数  农作物分类  

分 类 号：S127]