首页|基于主成分和云模型的冬小麦种植信息提取方法

基于主成分和云模型的冬小麦种植信息提取方法

扫码查看
原文链接
  • 万方数据
  • 维普
在对Sentinel-2卫星遥感影像进行预处理的基础上,利用主成分变化提取小麦主要信息,基于云模型算法开展光谱遥感图像分类.分类时,首先根据训练样本集,由逆向云发生器生成典型小麦的云模型,然后利用云发生器计算出各波段每个象元对小麦地物的平均隶属度,在对各波段的隶属度分析基础上,摒弃含有复杂信息的第1主成分,利用第2主成分和第3主成分信息实现对冬小麦种植空间信息的提取.结果表明,提取小麦种植信息制图精度和用户精度分别为92.78％和99.90％,小麦种植田块的隶属度值因小麦长势和密度的不同有较大的差异,云模型对长势较差、密度较低的小麦像元存在漏分现象.基于云模型的算法精度极高,对小麦地块的识别错分、漏分现象少.该模型有助于冬小麦种植面积的精确提取,对于农业部门进行冬小麦生长监测与产量估测有重要的支撑作用.
Winter Wheat Planting Information Extraction Based on Principal Component and Cloud Model

孙秀邦、黄勇、李德、胡文运、胡安霞、田青

展开 >

宣城市气象局,安徽 宣城 242000

安徽省气象科学研究所,安徽 合肥 230031

宿州市气象局,安徽 宿州 234000

主成分 云模型 小麦 种植信息

中国气象局创新发展专项中国气象局中央财政乡村振兴气象服务专项(2021)

CXSZ2022P043

2022

10.19998/j.cnki.2095-1795.2022.11.007

农业工程
北京卓众出版有限公司

农业工程

CSTPCD
影响因子：0.422
ISSN：2095-1795
年,卷(期)：2022.12(11)
  • 1
  • 23