基于多源遥感数据的CNN水稻提取研究

发布时间：2021-11-02 22:22

　　水稻是中国种植面积最广泛的粮食作物之一,适时、准确的水稻识别与监测对于国家粮食安全和农用地空间格局演变具有重要意义。基于水稻物候关键期的多时相Sentinel-2A光谱数据、植被指数、植被丰度以及基于Landsat8反演得到的地表温度（land surface temperature,LST）,采用卷积神经网络（convolutional neural network,CNN）、支持向量机（support vector machine,SVM）和随机森林（random forest,RF）算法对高异质化的长株潭核心区的水稻进行了提取,并得到了对应的水稻填图。研究结果显示,利用多时相多源遥感数据通过CNN算法能够有效提取高异质化程度区域的水稻信息,水稻分类总体精度（overall accuracy,OA）和Kappa系数分别达到了92%与0.90以上。该文提出的基于CNN的水稻信息识别方法,能够为改善与提高异质化程度较高区域水稻信息提取的精度提供行之有效的技术与途径。 

【文章来源】：国土资源遥感. 2020,32(04)北大核心CSCD

【文章页数】：8 页

【文章目录】：
0 引言
1 研究区概况及数据源
    1.1 研究区概况
    1.2 遥感数据与预处理
    1.3 实地调查数据及其他辅助数据
2 研究方法
    2.1 植被指数计算
    2.2 LST反演
    2.3 基于完全约束最小二乘混合像元分解模型的地类丰度估测
    2.4 基于CNN的分类与精度评价
3 结果与分析
4 讨论
5 结论


【参考文献】：
期刊论文
[1]基于TanDEM-X数据的林分平均高反演方法研究[J]. 蔡耀通,林辉,孙华,张猛,龙江平.  西南林业大学学报(自然科学). 2019(05)
[2]基于SVM+SFS策略的多时相紧致极化SAR水稻精细分类[J]. 国贤玉,李坤,王志勇,李宏宇,杨知.  国土资源遥感. 2018(04)
[3]Sentinel-2A卫星数据处理分析及在干旱河谷提取中的应用[J]. 杨斌,李丹,高桂胜,陈财,王磊.  国土资源遥感. 2018(03)
[4]基于多时相Landsat数据融合的洞庭湖区水稻面积提取[J]. 张猛,曾永年.  农业工程学报. 2015(13)
[5]新型Landsat8卫星影像的反射率和地表温度反演[J]. 徐涵秋.  地球物理学报. 2015(03)
[6]变端元混合像元分解冬小麦种植面积测量方法[J]. 赵莲,张锦水,胡潭高,陈联裙,李乐.  国土资源遥感. 2011(01)

硕士论文
[1]南方稻作、地块特征与农户种植模式[D]. 罗观长.华南农业大学 2016



本文编号：3472481