典型文献
基于Sentinel-2A遥感影像的潍坊市冬小麦种植面积提取研究
文献摘要：
为准确、高效、自动化的提取大尺度范围冬小麦种植面积,利用Sentinel-2 A卫星影像进行试验,提出一种基于中等分辨率影像的面向对象结合深度学习的遥感冬小麦提取方法.利用面向对象分类法和随机森林分类算法对2021年潍坊市冬小麦种植面积及种植区域进行提取和结果对比,证明面向对象分类法在提取冬小麦种植面积时的可行性和有效性.此外,利用面向对象方法得到的二值分类图像作为标签图像,基于TensorFlow框架,利用U-Net构建深度学习神经网络模型,使用训练得到最优模型提取2017—2021年潍坊市冬小麦种植面积.使用实地调查数据对分类结果进行精度验证,并对潍坊市近五年冬小麦种植面积进行年际变化分析.该分类方法的总体分类精度达93.1％,Kappa系数为0.91.本研究方法可为大范围的冬小麦种植指导和农业结构调整提供科学、可靠的依据.
文献关键词：
Sentinel-2 A;冬小麦;面向对象;随机森林;深度学习;面积提取
中图分类号：
作者姓名：
孙逸飞;柳平增;张艳;宋长青;张大雷;马学文
作者机构：
山东农业大学信息科学与工程学院,山东泰安,271000;山东农业大学农业大数据研究中心,山东泰安,271000;农业农村部黄淮海智慧农业技术重点实验室,山东泰安,271000;山东科技大学泰山科技学院,山东泰安,271000;山东农大肥业科技有限公司,山东泰安,271000
文献出处：
引用格式：
[1]孙逸飞;柳平增;张艳;宋长青;张大雷;马学文-.基于Sentinel-2A遥感影像的潍坊市冬小麦种植面积提取研究)[J].中国农机化学报,2022(07):98-105
A类：
B类：
Sentinel,2A,遥感影像,潍坊市,冬小麦种植,种植面积提取,大尺度,卫星影像,中等分辨率,面向对象分类法,随机森林分类,分类算法,种植区域,结果对比,明面,面向对象方法,TensorFlow,Net,深度学习神经网络,练得,最优模型,实地调查,精度验证,行年,年际变化,变化分析,分类方法,分类精度,Kappa,农业结构调整
AB值：
0.253159
相似文献
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。
