中低分冬小麦分布提取模型效率的样本特征分析

作     者：朱爽 张锦水 Zhu Shuang;Zhang JinShui

作者机构：北京工业职业技术学院北京100042 北京市陆表遥感数据产品工程技术研究中心北京100875 北京师范大学地理科学学部遥感科学与工程研究院北京100875 

出 版 物：《遥感技术与应用》 (Remote Sensing Technology and Application)

年 卷 期：2022年第37卷第3期

页      面：608-619页

核心收录：

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 

基　　金：高分辨率对地观测系统重大专项(20-Y30F10-9001-20/22) 北京工业职业技术学院重点课题(BGY2022 KY-14Z)。 

主　　题：支撑向量回归 混合像元分解 样本数量/质量 TM MODIS 

摘      要：中空间分辨率样本(简称中分样本)的数量、质量是决定中低分辨率复合识别模型效率的关键因素。以冬小麦为研究对象,中低分辨率影像结合构建支撑向量回归模型(Support Vector Regression,SVR)实现冬小麦的混合像元分解,提取出冬小麦的空间分布,定量分析中分样本数量、质量对识别精度的影响。结果表明:从样本数量上看,样本量为10%即可保证稳定的冬小麦精度,在典型冬小麦区的区域精度、像元精度达到98%、92%以上;从样本质量上看,识别精度随样本质量(达到60%即可获得较好的识别结果)增加而升高;对于非中分样本区的冬小麦,区域精度、像元精度也是随样本数量的增加而提高,在20%样本量下,区域精度和像元精度稳定在97%、92%以上,表明该模型具有较强的空间泛化性能力,弥补了从低分影像上难以获取有效样本的不足。