农业机械学报

作者：王利军,郭 燕,贺 佳,王利民,张喜旺,刘 婷

单位：河南省农业科学院,河南省农业科学院,河南省农业科学院,中国农业科学院,河南大学,河南省农业科学院,

关键词：秋季作物; Sentinel-2A; 植被指数; 决策树; 支持向量机

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）和河南省重大科技专项（171100110600)

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。

来源：2018年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2018年第9期