CAJ | 학술논문

水稻种植面积监测是当前农业土地变化科学的热点问题,但运用遥感技术对水稻种植面积精确实施监测一直是难点.中分辨率遥感影像能够满足我国大面积水稻作物监测,成为业务化运行的主要数据源.为此,该研究尝试以中分辨率TM影像为数据源,结合神经网络和面向对象(SVM)两种算法对对黑龙江省富锦市2010年两期不同时相影像分别进行水稻分类提取,并对分类结果进行滤波处理及混淆矩阵精度评定.结果表明:(1)在高纬度单季稻生长区,面向对象分类算法的精度显著高于神经网络的分类精度,水稻用户精度和生产者精度在6月份分别高0.55％、1.37％,在8月份分别高0.62％、2.34％;(2)对神经网络分类的结果进行Majority滤波处理,在一定程度上可以改善水稻分类的精度,水稻用户精度和生产者精度在6月份分别提高0.14％、0.5％,在8月份分别提高1.56％、1.43％;(3)选取关键水稻物候期的遥感影像获取水稻种植面积的精度更高,返青期水稻提取精度要高于乳熟期,其中神经网络算法的水稻用户精度及生产者精度分别提高2.67％、3.45％;面向对象算法的水稻用户精度及生产者精度分别提高2.6％、2.48％.未来需要重点考虑建立全国水稻物候历信息、面向对象算法中自动化最优尺度分割方法来提高水稻分类的精度.
수도충식면적감측시당전농업토지변화과학적열점문제,단운용요감기술대수도충식면적정학실시감측일직시난점.중분변솔요감영상능구만족아국대면적수도작물감측,성위업무화운행적주요수거원.위차,해연구상시이중분변솔TM영상위수거원,결합신경망락화면향대상(SVM)량충산법대대흑룡강성부금시2010년량기불동시상영상분별진행수도분류제취,병대분류결과진행려파처리급혼효구진정도평정.결과표명:(1)재고위도단계도생장구,면향대상분류산법적정도현저고우신경망락적분류정도,수도용호정도화생산자정도재6월빈분별고0.55％、1.37％,재8월빈분별고0.62％、2.34％;(2)대신경망락분류적결과진행Majority려파처리,재일정정도상가이개선수도분류적정도,수도용호정도화생산자정도재6월빈분별제고0.14％、0.5％,재8월빈분별제고1.56％、1.43％;(3)선취관건수도물후기적요감영상획취수도충식면적적정도경고,반청기수도제취정도요고우유숙기,기중신경망락산법적수도용호정도급생산자정도분별제고2.67％、3.45％;면향대상산법적수도용호정도급생산자정도분별제고2.6％、2.48％.미래수요중점고필건립전국수도물후력신식、면향대상산법중자동화최우척도분할방법래제고수도분류적정도.