基于分层非监督分类的油菜面积识别研究

中国油菜生产表现为破碎化种植的特点,常规地面调查方法费时费力代表性差,遥感方法逐渐成为了油菜面积监测的理想途径。目视解译、监督分类等遥感分类方法人机交互量大,受监测者主观影响较大。针对上述问题,笔者提出一种基于先分层后进行非监督分类的油菜监测新方法,利用从江县2013年的GF影像对该方法进行了应用和精度评价,本次应用中使用了等距分层和自然分层两种分层方法。结果表明:相较直接非监督分类结果,先分层后非监督分类方法显著提高了总体精度。基于等距分层和自然分层方法总体精度从79.16%提升到了84.44%和85.17%。直接非监督分类中精度仅为72.97%的用户精度在等距分层和自然分层处理后,精度分别提升为81.05%和86.12%,大大降低了直接非监督分类中非油菜区被错判为油菜的现象。等距分层和自然分层方法的总体精度分别为84.44%和85.17%,Kappa系数分别为0.69和0.70。精度上两种分层方法间无显著的差异,自然分层方法的用户精度、制图精度和总体精度都保持在较高的水平,具有更高的可靠性。文中提出的新方法具有人工干预少,精度高的特点,在基于大批量影像的面积监测方面具有较大的应用潜力。