基于无人机高光谱影像的典型农作物精细分类研究

为快速、准确地对农作物信息提取和精细化分类,同时响应国家农业的精细化智能化号召。本文利用无人机高光谱技术获取拔节孕穗期多品种冬小麦的高光谱影像,首先对其影像进行拼接、降维变换处理研究,然后基于机器学习中的支持向量机和随机森林分类模型进行分类实验及结果评价。研究结果表明:降维变换后分类精度均远高于未降维变换精度的30%,且MNF变换分类效果更优于PCA变换分类;MNF-SVM具有更优的分类效果且Overall Accuracy和Kappa系数分别达到了78.1289%、0.7455。由此,基于高光谱遥感可为研究区典型农作物冬小麦进行精细分类,并为后续弱类间特征分类问题提供借鉴与参考。

2000—2018年哈尔里克山冰川高程遥感变化分析

冰川高程变化是冰川形态变化的重要特征之一,能为推算冰川体积变化及物质平衡提供基本参数。利用Sentinel-1A雷达数据,与SRTM数据进行差分干涉,得到2000—2018年哈尔里克山冰川高程变化结果。为进一步提高监测结果的可靠性,以裸地区域的高程变化量作为系统误差修正值,对冰川高程变化结果进行第一次优化。由于差分干涉结果受地形影响较大,为降低地形因素对高程变化的影响,分析地形因子与高程变化标准差之间的关系,去除标准差过大的冰川区域,提高冰川高程变化可靠性,对冰川高程变化结果进行第二次优化,并在此基础上进行精度评定。结果表明:过去18 a以来,哈尔里克山冰川高程平均下降(8.74±0.14)m;分析冰川高程变化的空间差异性,发现西北部冰川高程减少程度较东南部小;分析冰川高程变化与海拔的关系,发现总体上冰川高程下降程度随海拔升高而减小。