长江流域资源与环境 >> 2020, Vol. 29 >> Issue (2): 424-433.doi: 10.11870/cjlyzyyhj202002015
赵亚杰1,2,3,黄进良1,2,王立辉1,2*,池泓1,2,阴海明1,2,3
ZHAO Ya-jie1,2,3,HUANG Jin-liang1,2,WANG Li-hui1,2,CHI Hong1,2,YIN Hai-ming1,2,3
摘要: 江汉平原是中国重要的商品粮基地,高精度的水稻种植面积的获取对国家的农业发展与规划具有重要意义。但是我国南方区域云雨天气较多,光学遥感影像缺失严重,同时受卫星重访周期的影响,可用数据较少,进而影响水稻种植面积提取的精度。为解决高时空分辨率影像缺失问题,基于ESTARFM (enhanced spatial and temporal adaptive reflectance fusion model)模型开展Landsat 8 OLI与MODIS数据的融合研究,获取具有高时空分辨率的Landsat NDVI时序数据。利用时序数据分析水稻的物候特征并结合关键物候期参数,采用多种机器学习方法对水稻种植区域进行提取。结果表明:利用该种方法能较好地提取研究区水稻种植的面积,并且在采用SVM方法分类时效果最好,水稻种植区域提取的总体分类精度为93.31%,Kappa系数为0.920 2。该研究为多云雨地区农作物种植信息提取提供了一种有效的方法。
No related articles found! |
|