導讀：植被的物候學特征用于展示植被生長狀況與對應光譜指數的變化規律，在植被遙感提取和分類中具有重要的作用。
近日，安光所光學遙感研究中心遙感信息表征技術研究室團隊利用水稻年際物候學特征以及相關物候階段的植被指數特征提取，通過機器學習分類算法對安徽省水稻種植面積進行提取并制圖。 
相關成果發表在國際知名期刊Agriculture上，王則靈博士為論文的第一作者，孫曉兵研究員為論文的通信作者。
植被的物候學特征用于展示植被生長狀況與對應光譜指數的變化規律，在植被遙感提取和分類中具有重要的作用。團隊使用sentinel-2衛星多光譜影像，通過對先驗水稻種植地塊年際物候規律提取以及對應階段植被指數變化分析，進行了水稻生長階段物候特征及代表性植被指數分配。團隊通過自動化樣本的拓展方式進行了水稻種植樣本的拓展與篩選，最后結合機器學習分類算法進行安徽水稻種植區域的提取，并生成最終的安徽省水稻種植分布圖。
研究人員通過混淆矩陣，安徽省統計年鑒，以及已有的水稻分類產品對水稻種植分類結果進行了驗證。在安徽省主產區的統計年鑒種植面積比對中，該方法的誤差控制在10%以內。同時在已有的同分辨率水稻分類產品對比中，提出的方法展現出了更好的分類細節和精度。
該研究得到了航空科技創新應用研究項目、中國科學院重點實驗室基金項目、中國高分辨率對地觀測專項以及中國資源衛星數據與應用中心項目資助。
版權與免責聲明：1.凡本網注明“來源：化工機械設備網”的所有作品，均為浙江興旺寶明通網絡有限公司-興旺寶合法擁有版權或有權使用的作品，未經本網授權不得轉載、摘編或利用其它方式使用上述作品。已經本網授權使用作品的，應在授權范圍內使用，并注明“來源：化工機械設備網”。違反上述聲明者，本網將追究其相關法律責任。 2.本網轉載并注明自其它來源（非化工機械設備網）的作品，目的在于傳遞更多信息，并不代表本網贊同其觀點或和對其真實性負責，不承擔此類作品侵權行為的直接責任及連帶責任。其他媒體、網站或個人從本網轉載時，必須保留本網注明的作品第一來源，并自負版權等法律責任。 3.如涉及作品內容、版權等問題，請在作品發表之日起一周內與本網聯系，否則視為放棄相關權利。
相關新聞
昵稱 驗證碼 請輸入正確驗證碼
所有評論僅代表網友意見，與本站立場無關