首页|南方地区复杂条件下的耕地面积遥感提取方法

南方地区复杂条件下的耕地面积遥感提取方法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对我国南方地区植被类型复杂、地形复杂和地块破碎等原因导致耕地信息提取精度较低问题,提出了一种面向对象和CART决策树结合的复杂条件下耕地面积提取方法.以广西南宁市隆安县与武鸣县地区为研究区,采用Sentinel-2A影像,结合数字高程数据(Digital Elevation Model,DEM)及归一化植被指数(Normalized Difference Vegetation Index,NDVI)等多源数据,利用面向对象分割技术识别地块信息,然后以地块为单位采用CART(Classification And Regression Tree,CART)决策树分类法,依据不同地类的形状、光谱特征,提取研究区的耕地.结果表明:面向对象的CART决策树分类方法分类总体精度和Kappa系数分别为96.1％和0.94,相比较于未加入面向对象分割的CART决策树耕地信息提取总体精度提高Kappa系数提高0.54,面向对象的分割方法有利于减少复杂背景对耕地提取的影响.基于面向对象的CART决策树分类方法相比较于传统方法对研究区耕地信息的提取有较好的精确性,能够提高耕地信息的提取精度.
Method of Remote Sensing Extraction of Cultivated Land Area under Complex Conditions in Southern Region

牟昱璇、邬明权、牛铮、黄文江、杨尽

展开 >

成都理工大学旅游与城乡规划学院,四川 成都 610059

中国科学院空天信息创新研究院遥感科学国家重点实验室,北京 100101

中国科学院空天信息创新研究院数字地球重点实验室,北京 100101

Sentinel-2A 面向对象 CART决策树分类 耕地提取

中国科学院A类战略性先导科技专项中国科学院青年创新促进会

XDA190303042017089

2020

10.11873/j.issn.1004?0323.2020.5.1127

遥感技术与应用
中国科学院遥感联合中心

遥感技术与应用

CSTPCDCSCD北大核心
影响因子：0.961
ISSN：1004-0323
年,卷(期)：2020.35(5)
  • 12
  • 18