基于浅层学习方法的石漠化休耕试点区作物分类

蒋怡; 黄平; 李宗南; 刘轲; 《中国农业信息 》 2019

摘要：[目的]应用浅层结构的机器学习分类器和高空间分辨率影像实现休耕区绿肥、粮食及经济作物快速准确分类.[方法]利用分辨率为5 m的RapidEye影像,以云南省石林县部分休耕试点区为研究区,使用Softmax浅层机器学习分类器对研究区内绿肥作物、水稻、玉米及烟草等4种典型作物进行遥感识别与空间信息提取,并以极大似然分类法为参照,通过地面样方数据验证该方法的精度.[结果]基于Softmax方法的4种典型作物分类的总体精度和Kappa系数分别为85.98% 和0.8157,比极大似然分类高4.59% 和0.0617;绿肥、水稻、烟草的生产者精度和用户精度均达到84% 以上,玉米则低于75%,原因是绿肥、水稻、烟草3种作物种植较为集中,而玉米种植地块面积小且极为分散;绿肥与烟草错分问题较明显,影响因素为"同物异谱、异物同谱".[结论]基于Softmax的浅层机器学习分类器提高了分类精度,文章研究结果可为使用浅层机器学习方法快速准确掌握休耕情况提供参考.

关键词： 遥感 Softmax分类器 休耕 作物分类