Remote sensing-based classification of crops on a farmland parcel scale and uncertainty analysis
-
摘要: 利用遥感技术开展农作物空间分布的快速调查与精准制图是现代精细农业的一项基础工作。然而,由于遥感影像获取、处理与分析过程中的局限性,传统农作物种植结构遥感制图精度受到一定影响,亟须面向农作物分类开展不确定性的空间建模与特征分析。该文将耕地地块作为基本空间单元,选择宁夏引黄灌区作为试验区,利用多源遥感数据和机器学习算法实现地块尺度的农作物分类,进而基于混合熵构建不确定性计算模型,生成地块农作物类型不确定性空间分布,再利用多源辅助数据对地块农作物分类不确定性进行回归建模,探究相关地理变量的潜在影响。实验结果表明: ①耕地提取及分类环节共构建地块矢量单元149万个,总体作物分类精度达0.80,制图结果与实际农业耕作管理单元相匹配,分类效果较之传统的像素尺度方法更为理想; ②地块尺度的农作物分类不确定性总体较低,存在较为显著的类别差异,水稻、菜地、苜蓿分类不确定性较小,单种、复种小麦不确定性较高,玉米作物分类不确定性介于二类之间; ③地块级作物分类不确定性与种植结构、资源条件等多种环境因素有关,且与作物类型、水源可达性的相关性最为显著。
-
Key words:
- remote sensing /
- crop classification /
- farmland parcel /
- uncertainty /
- machine learning /
- hybrid entropy
-
-
计量
- 文章访问数: 46
- PDF下载数: 11
- 施引文献: 0
下载: