帮助 关于我们

返回检索结果

多时相影像的典型区农作物识别分类方法对比研究
Study on Methods Comparison of Typical Remote Sensing Classification Based on Multi-temporal Images

查看参考文献17篇

彭光雄 1   宫阿都 2 *   崔伟宏 1   明涛 3   陈锋锐 1  
文摘 基于甘蔗和玉米的物候特征差异,对多时相影像典型分类方法处理的适宜性和准确性进行了比较研究.并以目视解译结果作为参考数据,利用全样本检验法,对自动分类的结果进行了精度检验.试验结果表明:面向对象法的分类精度最高,总体Kappa系数为0.655,是最适宜的方法;其次是BP神经网络法和光谱角制图法,总体Kappa系数分别为0.635和0.631;而最大似然法和分类后比较法则是不适宜采纳的分类方法,总体Kappa系数分别为0.601和0.577.上述分析可见,它们对遥感分类处理多时相影像识别算法的适用性选取有一定参考意义.
其他语种文摘 The study area is located in Miller county,Yunnan province,China.An experiment to select the appropriate classification method for multi-temporal remote sensing images was done.Typical classification methods including Object-Oriented Classification ( OOC),Back Propagation Neural Network ( BPNN),Spectral Angle Mapper (SAM),Maximum Likelihood Classifier ( MLC ),and Comparison After Classification ( CAC ) were tested in this experiment.In this study,using two-phase remote sensing images of CBERS02B-CCD and Landsat-5 TM,the suitability and accuracy of typical methods to deal with multi-temporal images classification were compared,based on different phenological characteristics of sugarcane,corn and paddy.Using full sample test method,visual interpretation results were used as reference data to validate the accuracy of different classification methods.The experimental results show that the order of overall classification accuracy from high to low is OOC,BPNN,SAM,MLC,and CAC,and the Kappa accuracy of them is 0.655? 0.635? 0.631? 0.601 and 0.577,respectively.As it is easy to identify paddy,its accuracy is higher than that of sugarcane and corn.The order of accuracy of paddy for different methods is as the same as the order of overall accuracy,the highest and lowest accuracy of paddy is 0.706 and 0.621,respectively.The accuracy curve position between the accuracy of various land covers and the overall accuracy are consistent for MLC and CAC,and the overall accuracy of CAC is the lowest one.The accuracy of corn for OOC is the highest one with Kappa of 0.611.The Kappa accuracy of sugarcane for OOC,SAM and BPNN is 0.594,0.575 and 0.575,respectively.In general speaking,for the remote sensing classification of Multi-temporal Images,OOC is the best,BPNN and SAM is better,MLC and CAC are the worst.The conclusions of this experiment have some guidance to select the appropriate classification method for multi-temporal remote sensing images.
来源 地球信息科学学报 ,2009,11(2):225-230 【扩展库】
关键词 多时相影像 ; 遥感分类 ; 方法比较
地址

1. 中国科学院遥感应用研究所, 北京, 100101  

2. 北京师范大学减灾与应急管理研究院, 北京, 100875  

3. 中国科学院地理科学与资源研究所, 北京, 100101

语种 中文
文献类型 研究性论文
ISSN 1560-8999
学科 自动化技术、计算机技术
基金 中国博士后科学基金 ;  国家自然科学基金 ;  国家科技部国际合作项目 ;  中国科学院王宽诚教育基金
文献收藏号 CSCD:3536561

参考文献 共 17 共1页

1.  刘亮. 利用高光谱遥感数据进行农作物分类方法研究. 中国科学院研究生院学报,2006,23(4):484-489 被引 7 次    
2.  肖海燕. 基于高光谱数据和专家决策法提取红树林群落类型信息. 遥感学报,2007,11(4):531-537 被引 23 次    
3.  任红艳. 铅污染水稻的冠层高光谱特征研究. 地球信息科学,2008,10(3):314-319 被引 10 次    
4.  徐元进. 基于穷举法的高光谱遥感图像地物识别研究. 武汉大学学报(信息科学版),2008,33(2):124-127 被引 9 次    
5.  张林. 方向无关遥感影像的纹理分类算法. 红外与毫米波学报,2004,23(3):189-192 被引 8 次    
6.  刘生. 基于数学形态学的高空间分辨率遥感影像几何特征提取. 地球信息科学,2008,10(2):251-256 被引 5 次    
7.  林剑. 基于空间模糊纹理光谱的多光谱遥感图像分类方法. 中国图象图形学报,2006,11(2):186-190 被引 4 次    
8.  彭光雄. 利用纹理分析方法提取CBERS02星CCD图像土地覆盖信息. 遥感技术与应用,2007,22(1):8-13 被引 14 次    
9.  陈君颖. 高分辨率遥感植被分类研究. 遥感学报,2007,11(2):221-227 被引 53 次    
10.  俞军. 基于多时相影像的农业作物非参数与概率分类. 遥感学报,2007,11(5):748-755 被引 4 次    
11.  万华伟. 融合MODIS与ASTER数据生成高空间分辨率时间序列LAI方法研究. 北京师范大学学报(自然科学版),2007,43(3):303-308 被引 10 次    
12.  朱运海. 土地利用/覆被变化遥感检测方法与应用分析. 地球信息科学,2007,9(3):116-123 被引 9 次    
13.  韩立建. 基于多时相IRS-P6卫星AWiFS影像的水稻种植面积提取方法. 农业工程学报,2007,23(5):137-143 被引 16 次    
14.  王圆圆. 遥感影像土地利用/覆盖分类方法研究综述. 遥感信息,2004,1:53-60 被引 29 次    
15.  彭光雄. 中巴地球资源02星CCD图像交叉定标与大气校正研究. 红外与毫米波学报,2007,26(1):22-27 被引 31 次    
16.  朱光良. 浙江省海宁市TM图像土地利用自动分类精度评价方法的试验研究. 遥感学报,1999,3(2):144-150 被引 8 次    
17.  刘旭拢. 遥感图像分类精度的点、群样本检验与评估. 遥感学报,2006,10(3):366-373 被引 29 次    
引证文献 11 篇

1 陈鹏霄 基于多时相CBERS影像的陆生生境变化研究 长江科学院院报,2011,28(2):69-73
被引 2 次

2 刘珺 2000年—2010年黄淮海平原夏玉米种植时空变化检测 光谱学与光谱分析,2012,32(9):2534-2539
被引 2 次

显示所有11篇文献

论文科学数据集
PlumX Metrics
相关文献

 作者相关
 关键词相关
 参考文献相关

版权所有 ©2008 中国科学院文献情报中心 制作维护：中国科学院文献情报中心
地址：北京中关村北四环西路33号 邮政编码：100190 联系电话：(010)82627496 E-mail:cscd@mail.las.ac.cn 京ICP备05002861号-4 | 京公网安备11010802043238号