CAJ | 학술논문

充分挖掘遥感数据信息,改善作物识别环境,一直是农作物遥感监测的重要工作.以往研究表明最佳波段组合、纹理信息和植被指数信息可以在一定程度上提高分类精度,但这些手段是否一定可以提高作物识别的精度,不同分类器对不同特征信息组合的响应是否一致等都是值得探讨的问题,也是目前研究甚少的问题.为此,该文将平均值(Mean)、方差(Variance)、均一性(Homogeneity)、反差(Contrast)、相异性(Dissimilarity)、熵(Entropy)、角二阶矩(Angular Second Moment)、灰度相关(Correlation)7种纹理信息以及比值植被指数(RVI)、土壤调整植被指数(SAVI)、重归一化植被指数(RDVI)、植被液态水含量指数(NDWI)、有效叶面积植被指数(SLAVI)5种植被指数信息分别加入到TM多光谱数据中,同时还进行了最佳波段选择,利用最小距离、最大似然和支持向量机3种方法进行分类提取小麦,研究了不同特征信息对小麦测量精度的影响.结果表明:该试验区内最佳波段5、4、3组合,纹理信息和植被指数信息的加入,对小麦面积测量精度的提高没有贡献;同一个特征信息组合对不同的分类器影响不同.在实际小麦面积测量的操作中,作业员不应该盲目的加入特征信息.选用何种信息不仅仅和研究区本身的性质有关,还和使用的分类器有关.
충분알굴요감수거신식,개선작물식별배경,일직시농작물요감감측적중요공작.이왕연구표명최가파단조합、문리신식화식피지수신식가이재일정정도상제고분류정도,단저사수단시부일정가이제고작물식별적정도,불동분류기대불동특정신식조합적향응시부일치등도시치득탐토적문제,야시목전연구심소적문제.위차,해문장평균치(Mean)、방차(Variance)、균일성(Homogeneity)、반차(Contrast)、상이성(Dissimilarity)、적(Entropy)、각이계구(Angular Second Moment)、회도상관(Correlation)7충문리신식이급비치식피지수(RVI)、토양조정식피지수(SAVI)、중귀일화식피지수(RDVI)、식피액태수함량지수(NDWI)、유효협면적식피지수(SLAVI)5충식피지수신식분별가입도TM다광보수거중,동시환진행료최가파단선택,이용최소거리、최대사연화지지향량궤3충방법진행분류제취소맥,연구료불동특정신식대소맥측량정도적영향.결과표명:해시험구내최가파단5、4、3조합,문리신식화식피지수신식적가입,대소맥면적측량정도적제고몰유공헌;동일개특정신식조합대불동적분류기영향불동.재실제소맥면적측량적조작중,작업원불응해맹목적가입특정신식.선용하충신식불부부화연구구본신적성질유관,환화사용적분류기유관.