-
题名基于面向对象GF-2遥感数据的元谋热区番茄识别
被引量：2
- 1
-
-
作者
陈越豪
何光熊
李婕
史亮涛
方海东
史正涛
-
机构
云南师范大学地理学部
云南师范大学云南省高原地理过程与环境变化重点试验室
云南省农业科学院热区生态农业研究所
元谋干热河谷植物园
-
出处
《河南农业科学》
北大核心
2021年第12期170-180,共11页
-
基金
云南省重点研发计划项目(2019BC001-02)
云南省水利厅水利科技项目(2014003)
国家自然科学基金项目(41461015)。
-
文摘
为了准确掌握元谋热区番茄种植的空间分布信息,实现合理调整农业结构以及区域特色农作物经济规模化发展的目标,以GF-2为数据源,基于面向对象的分类思想,以ESP尺度参数评价工具对遥感影像进行分割尺度评价。设置最优分割尺度参数后获得影像对象,随后利用光谱、纹理及植被指数构建多种识别方案,使用最大似然法和支持向量机不同分类器,对元谋热区番茄进行了遥感识别,并着重探讨了基于GF-2数据对于番茄信息提取的最佳辅助识别特征组合方法。结果表明:基于GF-2遥感影像数据构建的归一化植被指数、比值植被指数、灰度共生矩阵与局部二值模式纹理多特征组合方案在最大似然法中对番茄的识别精度最高,总体分类精度为97.20%,Kappa系数为0.91;在支持向量机中,番茄识别精度最高的组合是构建的归一化植被指数、比值植被指数以及灰度共生矩阵纹理的多特征组合方案,总体分类精度为96.44%,Kappa系数为0.87;最大似然法总体识别效果优于支持向量机。综上,基于GF-2影像数据对象所构建的多种辅助识别特征组合能够实现元谋番茄的精细识别。
-
关键词
GF-2数据
纹理提取
番茄识别
面向对象
最大似然法
支持向量机
-
Keywords
GF-2 data
Texture extraction
Tomato recognition
Object-oriented
Maximum likelihood method
Support vector machine
-
分类号
S127
[农业科学—农业基础科学]
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
