论文部分内容阅读
作物遥感识别是农情监测的关键。利用高分一号(GF-1)和Landsat 8卫星遥感数据实现棉花识别,一是为农业调查提供较为准确和实时的数据;二是为新卫星数据的本地化应用提供准确参数;三是为节约棉花面积调查成本、准确落实棉花补贴、为政府及农业管理部门的决策提供技术支持。本研究以昌吉市为研究区,基于高分一号(GF-1)和Landsat 8遥感影像,利用实地调查的2015年作物种植信息,选取不同的监督分类方法,加入耕地掩膜,分析得出昌吉市棉花识别的最佳数据源、最佳识别时相以及最佳识别方法。通过研究,得出以下结论:(1)GF-1、Landsat 8遥感影像掩膜参与监督分类结果精度均高于未提取耕地作为掩膜的监督分类结果。掩膜的应用可以提高总体分类精度。GF-1、Landsat 8支持向量机方法作物总体分类精度各提高了0.44%,0.79%,棉花种植面积提取精度各提高了31.77%,6.38%。(2)GF-1遥感数据总体分类精度、棉花用户精度均高于Landsat 8遥感数据;Landsat 8棉花制图精度高于GF-1遥感数据。虽然两种数据源的解译精度并无显著差异,但使用GF-1卫星数据可以获取相对较高的解译精度和棉花面积提取精度。GF-1支持向量机解译精度为95.24%,棉花种植面积提取精度为95.96%。(3)利用监督分类方法中的马氏距离、最小距离、平行六面体、基于支持向量机、最大似然法分别对GF-1、Landsat 8遥感影像数据进行监督分类以确定最佳识别月份和最佳识别方法,研究结果表明,两种数据源7月均为识别棉花面积的最佳时相。支持向量机分类法GF-1影像数据解译精度为95.24%,Kappa系数为0.935;Landsat 8影像数据解译精度为93.89%,Kappa系数为0.916。支持向量机分类法为解译精度最高的监督分类方法。最大似然法解译精度仅次于支持向量机解译精度,两种分类法就运算速度而言,最大似然分类法优于支持向量机分类法。(4)利用高分一号7月的影像、通过支持向量机的方法解译出的棉花识别信息在进行面积提取时,以小于6个像元为最小图斑时结果最好。基于该方案解译出的2015年昌吉市棉花面积为1597hm~2,调查面积为16647 hm~2,棉花面积提取精度为95.96%。