作者：王利民; 刘佳; 姚保民; 高建孟; 季富华棉花遥感识别rapideye特征光谱指数随机森林最大似然分类
摘要：【目的】特征光谱指数构建是提高农作物类型识别效率的前提,也是构建通用型识别方法的基础。【方法】基于2017年8月8日河北省冀州市5 m空间分辨率的Rapideye影像,采用红边、近红外波段反射率之和构建了棉花提取指数(Cotton Extraction Index,CEI),结合同期水体、裸地(含城镇建筑)掩模处理,实现了棉花类型识别。CEI指数方法具体过程是:样本点选择、水体及裸地(含城镇建筑)掩模处理、CEI指数构建、棉花识别及精度验证。其中,样本点采用随机方法获取,共获取了5144个样本点,作为最佳CEI阈值以及精度验证的依据。【结果】基于CEI方法提取结果的总体精度达到88.80%,Kappa系数达到0.7517。为了评价CEI指数方法的相对精度,分别采用最大似然分类方法和随机森林分类方法对影像进行分类和精度验证。结果表明基于最大似然分类方法的棉花提取总体精度和Kappa系数分别为86.53%和0.6983,采用随机森林方法的棉花提取总体精度和Kappa系数分别为90.12%和0.7667。【结论】对比3类方法,基于CEI指数方法获得的棉花提取结果,与其他2种常用方法的提取精度相当。该方法具有简单、高效,对样本依赖性较小的优势,在时效性要求较高的农作物面积识别中具有较高的应用价值。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
