-
题名基于NDVI时序特征的作物样本扩充与遥感精细识别
被引量：1
- 1
-
-
作者
白燕英
杨荣花
王会永
刘辉
-
机构
内蒙古农业大学水利与土木建筑工程学院
内蒙古农业大学旱区水工程生态环境全国重点实验室
内蒙古河套灌区水利发展中心供排水管理处
内蒙古河套灌区水利发展中心义长分中心
-
出处
《农业机械学报》
北大核心
2025年第5期370-383,共14页
-
基金
内蒙古自治区教育厅高等学校青年科技人才发展计划项目(NJYT22045)
内蒙古自治区直属高校基本科研业务费项目(BR220103)
+1 种基金
内蒙古自治区自然科学基金项目(2023LHMS05014)
内蒙古自治区科技重大专项(2021ZD0003)。
-
文摘
作物遥感识别精度提升是精准农业与智慧农业实现飞跃发展的关键驱动力。作物遥感识别精度取决于样本、图像特征和分类方法3个要素。为减小样本数据瓶颈导致的分类误差,本文通过样本数量扩充和质量控制协同提升作物遥感识别精度。以河套灌区乌兰布和灌域为研究区,构建2023年作物生育期NDVI时序图像,结合作物NDVI时序特征在图像上进行采样,实现作物样本数量扩充,并筛选剔除不合格样本实现样本质量控制。筛选出野外样本(扩充前样本)801个像元,图像样本(扩充样本)17917个像元,总样本(扩充后样本)18718个像元。采用4种机器学习分类器开展样本扩充前后作物分类效果对比,结果表明,样本扩充后作物分类精度明显提升,分类总体精度提升约5个百分点,Kappa系数提高约0.05。其中RF和NNC分类精度较高,CART和SVM分类精度略低。采用CNN和LSTM深度学习模型开展样本扩充后作物遥感识别,结果表明CNN和LSTM分类精度优于精度较高的RF和NNC分类精度。
-
关键词
作物分类
NDVI时序特征
样本扩充
卷积神经网络
遥感
-
Keywords
crop classification
NDVI time-series characteristics
sample expansion
CNN
remotesensing
-
分类号
S127
[农业科学—农业基础科学]
-
