声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1964/S
国际刊号：1000-1298
发布日期:
作者：郭交,朱琳,靳标
单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,
关键词：作物分类;光学图像;雷达图像;数据融合;支持向量机;最大似然
基金：国家自然科学基金项目（41301450、61701416）和陕西省自然科学基础研究计划项目(2016JQ6061)
基于光学影像的遥感技术受云雨、昼夜影响较大，导致获取连续的作物时序生长曲线较困难，而雷达影像作为主动式成像，能够很好地克服这一缺陷。本文以陕西省渭南市大荔县某农场为研究区域，分别采用最大似然法（Maximum likelihood，ML）和支持向量机（Support vector machine，SVM）2种方法，融合Sentinel-1雷达影像和Sentinel-2光学影像，提高农作物的分类精度。研究结果表明，融合数据的农作物分类精度相比光学数据分类精度有所提高。在无云层覆盖的情况下，利用SVM方法融合Sentinel-2的红、绿、蓝、近红外4个波段数据与Sentinel-1数据，总体分类精度提高了2个百分点，Kappa系数提高了5个百分点；在有少量云层覆盖情况下，利用ML处理融合数据的分类结果精度和Kappa系数分别提高2个百分点和4个百分点，SVM方法下的分类精度提高了6个百分点，Kappa系数提高了8个百分点。
来源：2018年第4期
《农业机械学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。