首页|Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取

Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取

Extraction of multi-feature winter wheat area based on Sentinel-2 and Landsat 8 data

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
遥感卫星的波段设置、信噪比及传感器观测角度等因素都会影响作物提取精度.为充分挖掘与发挥Sentinel-2卫星多光谱成像仪(MSI)与Landsat 8陆地成像仪(OLI)在冬小麦信息提取方面的优势,本文以商河县为研究区,基于两数据源的光谱特征、纹理特征、植被指数特征组合数据,利用随机森林(RF)与支持向量机(SVM)对冬小麦进行提取.结果表明:基于单一影像的最优Kappa系数与最优OA分别为0.89和95.13％,基于组合数据源的最优Kappa系数为0.92,最优OA为95.28％,两数据源组合的精度优于单一数据源提取精度;数据组合效果与分类器的性能有关,RF的Kappa系数相对于SVM分别提升0.04、0.20和0.11,OA分别提升2.41％、11.31％和6％,RF对冬小麦提取精度优于SVM.本文研究结果对于构建中高分辨率影像组合的典型农作物分类提取体系具有重要意义.

王晓晓、韩留生、杨骥、李勇、张大富、孙广伟、范俊甫

展开 >

山东理工大学建筑工程学院,山东 淄博255000

广东省科学院广州地理研究所,广东 广州510070

Landsat 8 Sentinel-2 多特征 冬小麦提取 随机森林 支持向量机

广东省科学院建设国内一流研究机构行动专项国家重点研发计划广东省引进创新创业团队项目广东省科学院实施创新驱动发展能力建设专项广东省遥感与地理信息系统应用重点实验室开放基金山东省自然科学基金山东省自然科学基金山东理工大学青年教师支持计划

2019GDASYL-01030032017YFB05035002016ZT06D3362019GDASYL-03010012017B030314138ZR2020MD018ZR2020MD0154072-115016

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(3)
  • 4
  • 13