高分一号归一化植被指数时间序列用于冬小麦识别

       摘要: 针对现阶段归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列空间分辨率普遍较低的问题,提出利用高分一号16m数据构建高空间分辨率NDVI时间序列.鉴于当前NDVI时间序列冬小麦识别方法比较复杂的问题,提出了空间向量法、曲线积分法和坐标转换法3种冬小麦识别模型.经研究区试验分析,发现以上3种方法均达到了较好的识别效果,其中空间向量法、坐标转换法的总体精度都达到98.65%;同当前流行的决策树分类方法相比较,这3种方法操作简单,且精度更优,具有较好的实用意义.

作者:
张晶 占玉林 李如仁
单位:
辽宁工程技术大学测绘与地理科学学院,辽宁阜新123000;中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101 中国科学院遥感应用研究所遥感科学国家重点实验室,北京,100101 辽宁工程技术大学测绘与地理科学学院,辽宁阜新123000;沈阳建筑大学交通工程学院,沈阳110168
出处:
《遥感信息》
刊期:
2017年第32卷第1期
基金:
国家自然科学基金 国家科技重大专项项目

高分一号归一化植被指数时间序列用于冬小麦识别

摘要:针对现阶段归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列空间分辨率普遍较低的问题,提出利用高分一号16m数据构建高空间分辨率NDVI时间序列.鉴于当前NDVI时间序列冬小麦识别方法比较复杂的问题,提出了空间向量法、曲线积分法和坐标转换法3种冬小麦识别模型.经研究区试验分析,发现以上3种方法均达到了较好的识别效果,其中空间向量法、坐标转换法的总体精度都达到98.65%;同当前流行的决策树分类方法相比较,这3种方法操作简单,且精度更优,具有较好的实用意义.

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.160513s