Crop recognition and evaluationusing red edge features of GF-6 satellite

Abstract

çº¢è¾¹ä½œä¸ºæ¤è¢«æ•æ„Ÿæ³¢æ®µï¼Œå ¶çº¢è¾¹ç‰¹å¾çš„è¿ç”¨æ˜¯é¥æ„Ÿè¯†åˆ«å†œä½œç‰©å¹¶å®žçŽ°ç²¾å‡†å†œä¸šçš„é«˜æ–°æ‰‹æ®µä¹‹ä¸€ã€‚ä»¥é»‘é¾™æ±Ÿæ¾å«©å¹³åŽŸåŒ—éƒ¨ä¸ºç ”ç©¶åŒºï¼Œä»¥å›½å† é¦–ä¸ªæä¾›çº¢è¾¹æ³¢æ®µçš„å¤šå ‰è°±é«˜åˆ†å ­å·å½±åƒå’ŒçŽ‰ç±³ã€å¤§è±†ã€æ°´ç¨»æ€»è®¡82859ä¸ªä½œç‰©æ ·æœ¬åŒæ—¶ä½œä¸ºç ”ç©¶å¯¹è±¡ï¼Œä»Žä»¥ä¸‹å‡ ä¸ªæ–¹é¢ç ”ç©¶äº†çº¢è¾¹æ³¢æ®µå’Œçº¢è¾¹æŒ‡æ•°æ³¢æ®µç­‰çº¢è¾¹ç‰¹å¾åœ¨å†œä½œç‰©è¯†åˆ«ä¸­çš„è¡¨çŽ°ï¼Œå¹¶è¯„ä¼°äº†å†œä½œç‰©çš„è¯†åˆ«ç²¾åº¦ã€‚ï¼ˆ1） é€šè¿‡ä½œç‰©æ ·æœ¬è¾å°„äº®åº¦å€¼çš„ç»Ÿè®¡ç‰¹å¾ï¼Œåˆæ­¥æ˜¾ç¤ºäº†åœ¨ä¸¤çº¢è¾¹æ³¢æ®µ0.710 μm和0.750 μmå¤„æœ‰æ¯”å ¶ä»–æ³¢æ®µæ›´å¥½çš„åŒºåˆ†ï¼›ï¼ˆ2） æ ¹æ®ä¼ ç»Ÿå½’ä¸€åŒ–æ¤è¢«æŒ‡æ•°å½¢å¼æž„å»ºäº†çº¢è¾¹å½’ä¸€åŒ–æ¤è¢«æŒ‡æ•°NDVI710和NDVI750，综合两指数在J-Mè·ç¦»è¡¨å¾çš„ä½œç‰©æ ·æœ¬ç±»åˆ«åŒºåˆ†åº¦ä¸Šæ¯”ä¼ ç»ŸNDVI更显著；（3） 通过多种手段筛选了有效波段并且制定了支持向量机（SVM）框架下4种农作物识别的分类策略，分别在5∶5、6∶4、7∶3、8∶2、9∶1等5å¥—éšæœºæ ·æœ¬åˆ†å‰²æ–¹æ¡ˆä¸‹å®Œæˆç ”ç©¶åŒºåŸŸå†œä½œç‰©çš„åˆ†ç±»é¢„æµ‹ã€‚åœ¨è¿™20类分类精度中kappa系数均高于0.9609，总体精度高于0.9742；列向上5∶5分割方案的精度最高，8∶2的精度最低；横向上分类精度排序如下：SVM-RFE > SVM-RF > SVM-有红边波段 > SVM-æ— çº¢è¾¹æ³¢æ®µï¼Œè¯¥ç»“æžœè¡¨æ˜Žäº†çº¢è¾¹æŒ‡æ•°å’Œçº¢è¾¹æ³¢æ®µçš„å‚ä¸Žæ˜¾è‘—åœ°æé«˜äº†ä½œç‰©çš„è¯†åˆ«ç²¾åº¦ï¼›ï¼ˆ4） ç”±äºŽæ°´åŸŸç­‰å ¶ä»–æ ·æœ¬çš„ç¼ºå°‘ï¼ŒSVM-RFE方法和SVM-RF方法的分类图像均存在少量错分现象。但从分类精度和图像细节展示上来看，SVM-RFE方法要优于SVM-RFæ–¹æ³•ï¼ŒäºŒè€ åˆ†ç±»å›¾åƒçš„äº¤å‰éªŒè¯ä¸­kappa系数为0.8060，总体精度为0.8743ã€‚æ€»ä¹‹ï¼Œé«˜åˆ†å ­å·çº¢è¾¹ç‰¹å¾åœ¨ä½œç‰©è¯†åˆ«ä¸­è¡¨çŽ°ä¼˜è¶Šï¼Œä½¿å¾—è¯†åˆ«ç²¾åº¦æ˜¾è‘—æé«˜ã€‚åŽç»­ç ”ç©¶è€ å¯å¼€å‘æ›´å¤šä¸Žçº¢è¾¹ç›¸å ³çš„æ¤è¢«æŒ‡æ•°ï¼Œå 分发挥红边特征在精准农业中的作用。

Topics & Concepts