典型文献
基于GF-6 WFV影像提取玉米水稻种植信息
文献摘要：
玉米、水稻是我国重要的粮食作物,利用遥感技术高效获取其种植分布信息具有重要作用.GF-6WFV遥感数据光谱波段较为丰富,空间分辨率较高,能够为作物遥感分类提供多种类型特征.然而多特征参与分类容易产生数据冗余、降低处理效率.如何优选GF-6 WFV数据丰富的特征信息对于提高分类精度具有重要意义.本文利用GF-6 WFV影像提取光谱特征、无红边指数、红边指数及纹理特征共26个特征变量,基于所有特征进行优选并采用不同分类方法及不同特征组合识别黑山县及北镇市玉米、水稻分布信息.结果表明:采用平均不纯度减少与相关系数双重指标共优选出14个特征,其中红边信息占比最大.基于优选特征采用随机森林法识别玉米、水稻精度最高,其总体精度为94.01％、Kappa系数为0.90,相比优选前分别提高1.14％、0.02.多源特征相对于单一特征能够改善作物分类效果,提高分类精度.该研究能够剔除非农田像元影响以高效高精度地提取玉米、水稻,具有可行性、有效性,能够为国产高分数据在作物遥感识别应用方面提供参考.
文献关键词：
高分六号;农作物;影像提取
中图分类号：
作者姓名：
郭玉超;李荣平;任鸿瑞
作者机构：
太原理工大学测绘科学与技术系,山西太原030024;中国气象局沈阳大气环境研究所,辽宁沈阳110166
文献出处：
引用格式：
[1]郭玉超;李荣平;任鸿瑞-.基于GF-6 WFV影像提取玉米水稻种植信息)[J].山东农业大学学报（自然科学版）,2022(05):685-692
A类：
B类：
GF,影像提取,玉米水稻,水稻种植信息,粮食作物,遥感技术,种植分布,分布信息,6WFV,遥感数据,波段,空间分辨率,遥感分类,多种类型,类型特征,多特征,数据冗余,处理效率,特征信息,分类精度,光谱特征,红边指数,纹理特征,特征变量,分类方法,特征组合,黑山县,北镇,平均不纯度减少,边信息,随机森林法,总体精度,Kappa,多源特征,作物分类,分类效果,除非,非农,高分数据,遥感识别,高分六号
AB值：
0.438062
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
