论文部分内容阅读
本文利用SPOT影像和MODIS时间序列产品，通过采用SVM作为主要提取方法，对中．低结合的遥感影像提取水稻种植面积进行了系统的分析，得到了以下主要结论：
1、SPOT多光谱影像通过ISODATA非监督分类方法并以SPOT多光谱与融合数据辅助进行人工修改，可以较为准确的获得图像中水稻的种植范围。
2、通过对多个波段的时间序列MODIS数据产品的一系列对比分析，首先通过生长曲判别，然后利用全样本SVM提取，最后又利用不同样本量的提取结果进行稳定性分析，发现EVI时间序列数据可以作为利用中-低结合的水稻种植面积提取较好的低分辨率数据源。
3、通过对样本数据增加随机分布误差和邻域最多化误差，发现加入随机误差时加入在3％以内时，可以有效的提高总量精度，但是当增加误差大于3％后，总量精度也随之下降，而增加随机误差的提取结果的像元精度则表现为随错误率升高像元精度降低，这也说明SVM方法是中．低分辨率结合的遥感提取水稻种植面积较好的方法之一；当利用邻域最多化原则获取的模拟真实增加误差的状况，发现当误差出现在不同的窗口大小时，总量精度均有明显的下降，而像元精度却有一定的升高，而且都高于未加样本情况是的像元精度。
4、利用相似性方法选取样本可以作为一种替代方法有效的提取水稻种植面积，同时对于更大范围缺少中分辨率影像时可以作为一种更为有效的样本选取原则进而提取水稻种植面积。
5、在业务化运行或者较大面积上进行水稻种植面积提取时，可以利用相似性方法选取中等分辨率影像作为样本，并对其添加3％以下的随机误差来获取较高的总量精度，利用添加7<*>7的邻域最多化原则添加误差本获取较高的位置精度。