资源简介

摘要： 以内蒙古闪电河流域为研究区，基于Sentinel2光学遥感影像结合随机森林和支持向量机算法，采用3种方案：基于像元的分类方法、面向对象的分类方法及改进的基于像元分类与面向对象分割相结合的集成方法，对研究区内的农作物进行精细提取。结果表明：①基于随机森林采用基于像元的方法进行分类，所有地类的总体精度为97.8%，Kappa系数为0.974，表明随机森林算法可以有效地进行农作物提取。②改进的基于像元分类与面向对象分割相结合的集成方法分类效果较好，所有地类的总体精度为96.4%，Kappa系数为0.957，该方法充分结合了基于像元和面向对象分类方法的优点，可有效提升闪电河流域的作物分类效果。 关键词： Sentinel-2;  农作物分类;  面向对象;  基于像元;  随机森林;  RF;  SVM     Abstract: In this study， Sentinel-2 data combined with Random Forest method （RF） and Support Vector Machine method （SVM） were used to extract crop information in the Shandian River Basin in Inner Mongolia. Three schemes are proposed： pixel-based classification algorithm， object-based classification algorithm and improved integration algorithm based on pixel-based classification and object-based segmentation. Results are as follows： （1） pixel-based classification with RF gets the best extraction accuracy， with an overall accuracy up to 97.8% and Kappa coefficient of 0.974. This result shows that RF has evident advantages in crop extraction. （2） The improved integration algorithm also has good extraction accuracy. The overall accuracy is 96.4%， and kappa coefficient is 0.957. This method fully combines the advantages of pixel-based and object-based classification methods， which effectively improves the crop classification effect in Shandian River region.

相关资源

1. 水质遥感监测的关键要素叶绿素a的反演算法研究进展
2. 基于无人机遥感技术的森林参数获取研究进展
3. 基于无线传感器网络的森林生态系统观测试验平台构建
4. 基于无人机激光雷达的森林冠层高度分析
5. 多源时序国产卫星影像的森林火灾动态监测
6. 基于无人机遥感技术的台风灾害倒伏绿化树木检测

下载说明

·如果您发现该资源不能下载，请通知管理员.gissky@gmail.com

·为确保下载的资源能正常使用，请使用[WinRAR v3.8]或以上版本解压本站资源,缺省解压密码www.gissky.net ，如果是压缩文件为分卷多文件，请依次下载每一个文件，并按照顺序命名为1.rar,2.rar,3.rar...，然后鼠标右击1.rar解压.

·为了保证您快速的下载速度，我们推荐您使用[网际快车]等专业工具下载.

·站内提供的资源纯属学习交流之用,如侵犯您的版权请与我们联系.