基于高分二号数据的小麦快速识别与精度分析

作者：郭燕; 贺佳; 王利军; 段俊枝; 武喜红; 王来刚; 刘婷; 张红利; 郑国清; 程永政^*

来源：河南农业科学, 2018, 47(10): 143-148.

DOI：10.15933/j.cnki.1004-3268.2018.10.026

• GF-2
• 小麦
• 识别
• 支持向量机
• 人工神经网络
• 最大似然

针对目前高分二号(GF-2)卫星遥感数据在农业领域应用较少,尤其是在农作物识别方面应用缺乏的现象,以GF-2 4 m多光谱遥感影像为数据源,在河南省北部小麦主要种植区域濮阳县,采用监督分类方法(包括支持向量机、人工神经网络和最大似然法)进行小麦种植空间分布信息的快速提取和精度分析。结果表明,3种分类方法对小麦的识别结果非常相似,生产者精度均在96%以上,以支持向量机法最高;用户精度均在98%以上,以最大似然法最高; Kappa系数三者比较接近,均在0. 80以上;总体精度均在82%以上,以最大似然法最高,达85. 15%;错分误差在2%以下,漏分误差在3%左右,对地物的识别误差总体以最大似然法最低,尤其对小麦、水体、光伏电站的识别精度非常高。综合考虑,在采用GF-2进行小麦识别时,建议采用最大似然法。

• 单位
  河南省农业科学院农业经济与信息研究所