排序方式: 共有2条查询结果,搜索用时 10 毫秒
1
1.
基于分形特征的高标准农田遥感分类方法研究 总被引:1,自引:0,他引:1
目前全国高标准农田面积数量已具一定规模,由于人工解译的工作效率较低,如何实现对全国大面积的高标准农田建后利用情况进行实时、精准遥感监测成为亟待解决的问题。由于监测面积大,精度要求高,迫切需要研究一套遥感自动监测方法在全国推广。以广东省东莞地区作为研究区,选择2017年2月15日的高分二号遥感影像,基于分形图像分割并结合BP神经网络对区域高标准农田进行分类,并加以人工解译和实地验证。 结果显示,该分类方法总体精度为 80112 2%,Kappa 系数为0761 1。表明分形图像分割结合BP神经网络的遥感分类方法总体精度较高,能较好地满足高标准农田建后利用情况遥感监测的需求。此方法可以在全国范围推广应用,为高标准农田建成后的实时监管提供技术支撑。 相似文献
2.
高标准农田建后遥感监测方法 总被引:1,自引:0,他引:1
高标准农田建后常会有违规利用情况存在,如何实现对高标准农田建后实时、精准的遥感监测成为土地整治部门亟待解决的问题。全国高标准农田监测面积大,监测精度要求高,迫切需要一套适应于全国范围推广的高标准农田自动监测方法。以广东省东莞地区为研究区,对比了面向对象和最大似然2种自动遥感分类监测方法,面向对象总体精度达到98. 684 7%,Kappa系数为0. 983 3;而最大似然分类方法总体精度则为78. 587 1%,Kappa系数为0. 718 0。研究表明面向对象分类方法能较好地满足高标准农田建后利用情况遥感监测工作的需求,此方法可以为全国高标准农田建成后的实时监管提供高效、精准的决策信息,为国家耕地保护、粮食安全工作提供技术支撑。 相似文献
1