Globe Land 30是全球首套30 m分辨率地表覆盖数据产品,分为10种类型,包括耕地、森林、草地、灌木地等,分类精度经过多方验证达83.51%,Kappa系数0.78,耕地的分类精度达83.06%。由于Globe Land 30耕地图层没有更加详细的耕地亚类信息,限...Globe Land 30是全球首套30 m分辨率地表覆盖数据产品,分为10种类型,包括耕地、森林、草地、灌木地等,分类精度经过多方验证达83.51%,Kappa系数0.78,耕地的分类精度达83.06%。由于Globe Land 30耕地图层没有更加详细的耕地亚类信息,限制了其广泛应用。本文试图基于Globe Land 30耕地数据探索一种快速提取水田信息的方法,进而为获取全球范围的水田分布信息提供技术支持。该方法基于TM影像的归一化植被指数NDVI、地表水分指数LSWI、近红外波段的反射率ρnir和短波红外波段的反射率ρwir,通过Google Earth选取的水田样本,统计水田的光谱特征和空间特征,建立水田提取的知识规则,然后结合多尺度的分割对象图斑自动化识别水田信息。文中选取了江苏省高邮市实验区进行水田提取试验,结果表明:采用该方法分类精度比基于像素的决策树方法提升大约6%,并能有效地消除椒盐误差,图斑完整性较好。展开更多
文摘Globe Land 30是全球首套30 m分辨率地表覆盖数据产品,分为10种类型,包括耕地、森林、草地、灌木地等,分类精度经过多方验证达83.51%,Kappa系数0.78,耕地的分类精度达83.06%。由于Globe Land 30耕地图层没有更加详细的耕地亚类信息,限制了其广泛应用。本文试图基于Globe Land 30耕地数据探索一种快速提取水田信息的方法,进而为获取全球范围的水田分布信息提供技术支持。该方法基于TM影像的归一化植被指数NDVI、地表水分指数LSWI、近红外波段的反射率ρnir和短波红外波段的反射率ρwir,通过Google Earth选取的水田样本,统计水田的光谱特征和空间特征,建立水田提取的知识规则,然后结合多尺度的分割对象图斑自动化识别水田信息。文中选取了江苏省高邮市实验区进行水田提取试验,结果表明:采用该方法分类精度比基于像素的决策树方法提升大约6%,并能有效地消除椒盐误差,图斑完整性较好。
