基于Sentinel-2A数据的县域烤烟种植面积提取分析

发布时间：2022-01-06 23:33

　　为确定县域尺度的烤烟种植面积,进而为烤烟生产决策提供更准确的数据支撑,选取湖南省茶陵县为测试点,研究Sentinel-2A数据对烤烟种植面积遥感监测的效果。并对2019年6月份湖南省茶陵县烤烟、林木、灌木草地、道路及水体的光谱特征和植被指数进行了分析,采用决策树分类方法提取烤烟种植区域并绘制植烟区的域图。精度验证结果表明,Sentinel-2A数据对湖南省茶陵县烤烟种植面积遥感监测总体分类精度达90.29%,与实际调查的年度种植面积相比,误差为3.7%,可满足烤烟生产管理的实际需求。 

【文章来源】：烟草科技. 2020,53(11)北大核心CSCD

【文章页数】：8 页

【图文】：

典型地物光谱特征分析

借助ENVI软件进行精度检验[36]，由表3可知，总像元数为1 092个，被正确分类的像元数目沿着混淆矩阵的对角线分布，总和为986，则总体分类精度（986/1 092）达90.29%。烤烟的制图精度和用户精度分别为90.23%和90.94%。由表4可知，利用ENVI统计工具，计算得出茶陵县烤烟种植区所占的像元总数为154 992个，与每个像元所代表的实地面积[10×10=100(m2）]相乘，最终提取得到烤烟种植面积是（154 992×100）÷10 000=1 549.2 hm2，与年度实际统计数据1 494 hm2相比，误差为3.7%。

由表4可知，利用ENVI统计工具，计算得出茶陵县烤烟种植区所占的像元总数为154 992个，与每个像元所代表的实地面积[10×10=100(m2）]相乘，最终提取得到烤烟种植面积是（154 992×100）÷10 000=1 549.2 hm2，与年度实际统计数据1 494 hm2相比，误差为3.7%。3 讨论

【参考文献】：
期刊论文
[1]时序Sentinel-2A影像光谱特征的茶园提取应用[J]. 赵晓晴,王萍,荆林海,谭炳香,赵鑫,刘德军.  测绘科学. 2020(06)
[2]基于Sentinel-2时序多特征的植被分类[J]. 郭文婷,张晓丽.  浙江农林大学学报. 2019(05)
[3]棉花不同生长阶段Sentinel-2卫星植被指数变化特征[J]. 易秋香.  中国棉花. 2019(08)
[4]基于多时相Sentinel-2A的县域农作物分类[J]. 吴静,吕玉娜,李纯斌,李全红.  农业机械学报. 2019(09)
[5]基于GF-1卫星影像的中国冬小麦制图研究[J]. 刘佳,王利民,杨福刚,姚保民,杨玲波.  中国农学通报. 2019(09)
[6]基于Radarsat-2全极化数据的多种雷达植被指数差异分析[J]. 梅新,聂雯,刘俊怡.  中国农业资源与区划. 2019(03)
[7]欧空局哨兵卫星Sentinel-2A/B数据特征及应用前景分析[J]. 田颖,陈卓奇,惠凤鸣,程晓,欧阳伦曦.  北京师范大学学报(自然科学版). 2019(01)
[8]作物遥感精细识别与自动制图研究进展与展望[J]. 刘哲,刘帝佑,朱德海,张琳,昝糈莉,童亮.  农业机械学报. 2018(12)
[9]Sentinel-2A与Landsat-8影像在油菜识别中的差异性研究[J]. 韩涛,潘剑君,张培育,曹罗丹.  遥感技术与应用. 2018(05)
[10]Sentinel-2A卫星大气校正方法及校正效果[J]. 潘嫄嫄,李长春,马潇潇,王宝山,房旭.  遥感信息. 2018(05)

硕士论文
[1]基于Landsat8遥感影像的扶风县苹果园地信息提取研究[D]. 刘佳岐.西北农林科技大学 2015
[2]遥感植被指数分析及应用研究[D]. 傅银贞.福州大学 2010



本文编号：3573367