基于多时相影像植被指数变化特征的作物遥感分类

摘要 高分一号GF1/WFV遥感影像具有较高的时间和空间分辨率，利用多时相影像开展农作物分类调查具有明显优势。以安徽省颍上县为研究区域，利用2017年5月至9月共6景多时相GF-1/WFV卫星遥感影像数据对主要农作物的分类识别提取。首先，通过分析研究区主要农作物的典型植被指数NDVI、EVI和WDRVI时序变化特征，明析了不同作物在各时相对不同VI的响应特征；其次，基于作物在不同时相的敏感VI变化响应，构建了决策树分层分类模型，成功提取了研究区玉米、水稻、大豆和甘薯四种主要作物种植空间分布情况。结果表明：总体精度达到90.9%，Kappa系数为0.895。同时，采用最大似然法、支持向量机对研究区作物进行分类，通过分类效果对比发现，最大似然法最差，支持向量机次之，决策树分类方法最佳。研究表明：利用多时相时间序列的遥感影像数据，结合作物植被指数特征，采用决策树分类方法可以有效提高作物分类的精度