基于决策树和神经网络的农作物分类研究——以廊坊市为例
摘要：以河北省廊坊市永清县整个县域为研究区,以GF1-WFV16m分辨率影像为数据源,选取覆盖作物完整生长期多个时相的影像数据,构建作物归一化植被指数(Normalized Difference Vegetation Index ,NDVI)时间序列。通过对研究区NDVI曲线的分析,发现利用该数据构建的NDVI时间序列可描述研究区作物的生长特性,体现当地不同作物的物候差异,能有效地区分出当地的种植模式。选取NDVI曲线上最大值、最小值、峰值的出现时间、峰值数量和阈值等特征参数构建决策树。根据研究区的物候历和对当地种植结构的调查,利用最佳时相的影像,针对某一种或特定几种作物进行分类提取。分别采用决策树分类、神经网络分类等方法进行精度验证,综合比较得出最佳的作物分类方法。研究结果表明,在永清县这一县域研究区,利用GF1-WFV16m分辨率多时相遥感数据进行作物分类,采用决策树分类、神经网络分类两种方法的精度分别为72.0729%、87.3%。利用决策树分类的效果最优。
注: 保护知识产权,如需阅读全文请联系红外杂志社
相关推荐
更多
