期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
倒伏水稻特征分析及其多光谱遥感提取方法研究 被引量:10
1
作者 陆洲 徐飞飞 +3 位作者 罗明 梁爽 赵晨 冯险峰 《中国生态农业学报(中英文)》 CAS CSCD 北大核心 2021年第4期751-761,共11页
倒伏水稻的识别对灾后农业生产管理、灾害保险、补贴等工作有重要意义。为应用高分辨率遥感影像准确提取倒伏水稻面积,本文利用2019年9月27日获取的哨兵2号多光谱遥感影像,研究黑龙江省同江市倒伏水稻的光谱、纹理特征,并基于光谱与纹... 倒伏水稻的识别对灾后农业生产管理、灾害保险、补贴等工作有重要意义。为应用高分辨率遥感影像准确提取倒伏水稻面积,本文利用2019年9月27日获取的哨兵2号多光谱遥感影像,研究黑龙江省同江市倒伏水稻的光谱、纹理特征,并基于光谱与纹理特征建立倒伏水稻的遥感提取模型。研究结果表明水稻倒伏后可见光-近红外-短波红外等8个波段的反射率均升高,其中短波红外、红光和红边1等3个波段的反射率上升大于0.06。倒伏水稻的典型植被指数中,归一化植被指数、比值植被指数、增强植被指数和红边位置指数均降低,但差值植被指数升高。倒伏与正常水稻在红光、红边1和短波红外等3个波段的均值纹理数值差距明显,红光波段的纹理均值差异最大。利用归一化植被指数、地表水分指数、比值植被指数和差值植被指数以及红光波段的纹理均值构建决策树分类模型,监测结果表明农场内倒伏水稻分布较散,其西部和南部水稻受灾面积较大,北部受灾面积较小,中部偏北和东部基本未倒伏。将本文模型所提取的结果与实测面积对比,正常与倒伏水稻的面积识别误差分别为3.33%和2.23%。利用随机验证样本与模型验证结果进行混淆矩阵分析,倒伏水稻的用户精度和制图精度均为92.0%,Kappa系数为0.93。该方法能够适用于大区域倒伏水稻提取,可为高分辨率多光谱遥感数据调查水稻倒伏面积提供相关依据。 展开更多
关键词 哨兵2影像 倒伏水稻 光谱特征 纹理特征 遥感提取
下载PDF
时间序列哨兵2号影像水稻品种遥感分类潜力评估
2
作者 黄钜建 李华朋 田亚君 《当代农机》 2024年第10期55-56,共2页
以时间序列哨兵2号遥感影像为数据源,选择友谊农场第四管理区为研究区,使用随机森林分类方法生成制作了水稻品种遥感分类图,精度达到70%以上,满足农场和农户对于精细水稻田间管理的工作要求。
关键词 哨兵2影像 时间序列影像 水稻品种制图 随机森林
下载PDF
基于随机森林的水稻信息提取与空间格局分析
3
作者 刘珊珊 刀剑 +1 位作者 张连刚 付伟 《江苏农业科学》 北大核心 2024年第20期104-112,共9页
为准确了解岭南丘陵平原区水稻种植空间格局,以Sentinel-2A影像数据及耕地类型矢量数据为基础,采用随机森林(random forest,RF)对研究区水田范围内覆被地物进行分类,进而提取研究区水稻种植信息,以乡镇为空间单元尺度,分别从区域分布特... 为准确了解岭南丘陵平原区水稻种植空间格局,以Sentinel-2A影像数据及耕地类型矢量数据为基础,采用随机森林(random forest,RF)对研究区水田范围内覆被地物进行分类,进而提取研究区水稻种植信息,以乡镇为空间单元尺度,分别从区域分布特征、空间破碎度、地形分布指数(P)3个方面统计分析其种植空间格局。结果表明:(1)基于RF结合Sentinel-2A数据获得的组合植被指数(NDVI和NDRE 705)能够较好地对研究区水田掩膜后的影像进行覆被地物分类识别,分类的总体精度、Kappa系数分别为95.238%、0.926,其中水稻的用户精度最高,为98.703%;根据提取结果得到水稻种植面积为12529.797 hm^(2),占比为64.281%。(2)水稻种植区主要分布在石滩镇和中新镇,占比分别为21.149%、16.982%;增江街道水稻种植面积最少,仅占5.451%。(3)研究区水稻田块的破碎度在空间上的差异较为明显,破碎度高的水稻种植区域主要集中在研究区西部,而东部地区整体较低,在北部派潭镇、中部朱村街道、正果镇、荔城街道和增江街道以及南部的石滩镇,水稻种植地块破碎度相对较低,而中新镇、小楼镇和新塘镇反之。(4)水稻种植区分别在坡度0°~8°、高程0~32 m、半阳坡和阳坡(112.6°~247.5°)范围内处于优势水平,P值远大于1。研究成果可为制定区域国土管理制度和农业科学决策提供参考,对调整和优化水稻结构布局具有积极作用。 展开更多
关键词 水稻 种植信息 哨兵2影像 随机森林 空间格局 地形分布指数
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部