基于分形特征的高标准农田遥感分类方法研究

摘要：

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80.112 2％,Kappa系数为0.761 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.

关键词：遥感监测、农田利用、BP神经网络、分形图像分割

所属期刊栏目：32

分类号：P627;P642.5(地质、矿产普查与勘探)

在线出版日期：2018-08-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：595-601