1、“.....其中北部地区马铃薯多为级类，长势较好水稻分布在克山县最北部地区，多为级地类，总体长势较好。图克山县主要农作物长势结构图结束语本文以年高分号传感器传感器资源号数据为数据源，选取地理国情普查成果作为影像分割及分类的基础，以黑龙江省齐齐哈尔市克是相辅相成的，不需要分开单独执行。计算机自动提取及人工修改交互的方式可有效提高基于规则集的农作物提取效率和精度，分类后进行同类合并，平滑等分类后处理以提高地物提取完整性。本项目对小于的地类自动归并到相邻地类中，对分类后的成果矢量输出，用软件对成果进行属性字段的整理。结果与分析主要农作物种植结构提取通过对以上过程进行整理分析，得到克山县主要农作物种植结构分布图，如图所示。克山县主要的农作物以种植大豆玉米马铃薯为主，其中，以大豆种植面积最大，分布整个研究区大豆玉米和马铃薯的套种明显......”。

2、“.....科学规范管理农业种植的结果水稻种植面积相对较少且多为集中种植，主要分布在克山县的北部地区，这主要是因为该地区水资源充沛，雨热同期，适于土地灌溉。图克山县主要农，利用农作物的物候信息可以有效地区分玉米大豆和马铃薯，提取主要农作物的总体精度为，系数为，满足农业成果应用的精度要求。该方法可为市域县域尺度下农作物种植结构的信息提取研究提供理论和技术支持。关键词农作物地理国情地理国情普查成果种植结构遥感引言农业发展是国家发展经济建设的基本问题，直是人们关注的焦点。精准高效的掌握农作物空间种植结构不仅是农作物长势监测和灾情评估的基础，对于国家宏观指导农业生产制定农业政策规范农业管理也具有重要的现实意义。传统的农作物种植结构统计方法大多是实地调查，存在主观性强，持续时间长，耗费人力物力财力等问题，。遥感技术具有宏观视野动态监测信息获取方便和节约成本等诸多优点......”。

3、“.....并在不同时空尺度下发挥了重要作用。地理国情普查下对农作物种植结构提取方法探究自然地理学论文景，可视性良好。资源号卫星，其空间分辨率为，广泛应用于国土资源林业农业地质等行业，本文选取年月日卫星数据景，见表。数据处理本文利用地理国情普查数据作为影像预处理基础，地理国情普查数据包括分幅正射影像数据与数据，覆盖整个克山县。分幅正射影像数据以∶分幅，分辨率为，作为本文纠正及精度检测的主要数据源，数据以∶分幅，格网间距为，作为本文影像纠正的数据基础。对数据进行数据预处理，利用软件对全色多光谱影像进行辐射校正利用大气辐射传输模型对多光谱影像进行大气校正由于所利用的遥感影像时空分辨率高影像的数据量大，需利用软件进行控制点采集来实现正射校正通过各主流软件融合模块的对比，软件的融合方法效缘提取，本文专题矢量数据来自于地理国情普查成果......”。

4、“.....会影响信息提取的准确性，如图所示。图地理国情矢量参与分割效果图分割尺度过大不能保证将不同地类完全区分开来，分割尺度过小会破坏对象整体结构，需在满足必要精细的条件下尽可能使用大尺度。本研究分别选取多个尺度进行分割，并通过目视分析来判别分割效果能否满足应用需求，如图所示，其中，尺度在较好区分地类的同时，又尽量保存对象的完整性，所以本研究选取为分割最优尺度。因为遥感影像中最重要的信息是光谱信息，形状标准的权重过高往往会影响分割结果的质量，在满足必要的形状标准的前提下尽可能使用颜色标准，。本文设定形状参数为，紧致度参数为。由图可知，分割后的对象内部异质性较小，而对象正及精度检测的主要数据源，数据以∶分幅，格网间距为，作为本文影像纠正的数据基础。对数据进行数据预处理......”。

5、“.....需利用软件进行控制点采集来实现正射校正通过各主流软件融合模块的对比，软件的融合方法效果最优，因此本研究采用软件进行影像融合由于单景影像的幅宽较窄，无法覆盖工作区，因此需要对多景影像进行拼接处理，本文利用软件进行镶嵌，镶嵌线编辑用软件进行修改根据地理国情普查成果克山县工作区的行政范围，利用软件进行裁剪。图研究区位臵摘要为进步加强国产卫星与地理国情普查成果的应用，本研究选取黑龙江省齐齐哈尔市克山县为研究区，以地理国情普查成果作为影像多尺度分割及空间种植结构提取的数据基础，以国产卫星影像高分号资源号为主要数据源，采用基于面向对象的分类方法，基于农作物的物候信息对克山县主要农作物玉米大豆水稻马铃薯进行分类研究和种植面积的信息提取......”。

6、“.....利用农作物的物候信息可以有效地区分玉米大豆和马铃薯，提取主要农作物的总体精度为，系数为，满足农业成果应用的精度要求。该方法可为市域县域尺度下农作物种植结构的信息提取研究提供理论和技术支持。关键词农作物地理国情地理国情普查成果种植结构遥感引言农业发展是国家发展遥感影像发展趋势及其在农业中的应用测绘通报，宋茜，周清波，吴文斌，等农作物遥感识别中的多源数据融合研究进展中国农业科学，刘国栋，邬明权，牛铮，等基于卫星数据的农作物种植面积遥感抽样调查方法农业工程学报，杨闫君，占玉林，田庆久，等基于时间序列数据的作物分类农业工程学报，贾玉秋，李冰，程永政，等基于与多光谱遥感影像的玉米反演比较农业工程学报，王建步，张杰，马毅，等基于高分号卫星影像的黄河口湿地草本植被生物量估算模型研究激光生物学报，曾波，赵展地理国情普查中高分辨率遥感影像自动分类技术研究测绘通报，张俊，朱国龙......”。

7、“.....杨海平，明冬萍综合多层优选尺度的高分辨率影像表地物识别混淆矩阵通过精度评价，得出总体分类精度为，系数为。水稻的分类效果好，主要是加入地理国情矢量数据参与多尺度分割与分类，可以很好区分出旱田和水田，而东北地区的水田主要种植水稻。玉米的分类效果也相对较好，主要由于玉米的物候信息与大豆马铃薯差别较大，玉米收获期主要在月日至日左右，此时大豆马铃薯已经基本完成收割，玉米的影像光谱信息主要来自植被反射，而大豆与马铃薯的光谱信息主要来自地表反射，所以玉米的植被覆盖度要高于大豆与马铃薯，根据此特征可以有效将玉米分类出来。但大豆马铃薯分类精度相对不高，主要原因在于者的拔节期抽雄期与收获期较为邻近，特征差异较小，种植区域较为邻近，在定程度上增加了者的识别难度，使得大豆和马铃薯的分类结果在定程度上有了混淆......”。

8、“.....玉米大豆马铃薯的归化植被指数比值植被指数差异较为明显。月末大豆马铃薯收割完成，玉米的值比大豆及马铃薯高，应用这特征可提取玉米月中下旬马铃薯的指数较玉米大豆低，应用这特征可提取大豆，剩余类别即为马铃薯，如图所示。图不同农作物植被指数曲线信息提取本文使用的软件提供了针对高分辨率遥感影像的地物分类和信息提取算法，可快速高效地生产地理空间信息数据，自动化程度较高，极大地减少实际工作所需时间。通过以上算法和特征选择的执行，发现不同地物存在少量的同谱异物和异物同谱的现象，这时候需要利用人工编辑工具修改。在实际的生产过程中自动提取和人工编辑是相辅相成的，不需要分开单独执行。计算机自动提取及人工修改交互的方方法研究测绘与空间地理信息，基金国家测绘地理信息局科技基金资助......”。

9、“.....其中监督分类法包括最大似然支持向量机波谱角等方法，其主要基于像元进行分类，忽略了类内和类间的空间纹理结构以及相邻像元光谱之间的关联效应，容易造成同谱异物异物同谱现象，针对遥感影像分类有其自身的局限性。而面向对象的分类方法是对具有相似空间特征与纹理特征的对象进行处理，在数据分析处理时采用了机器学习技术，通过对光谱信息和空间几何关系的分析来实现数据的分类和特征的提取，自动化程度较高，针对高分辨率影像该方法更为有效，地理国情普查下对农作物种植结构提取方法探究自然地理学论文割地球信息科学学报，王慧贤，靳惠佳，王娇龙，等均值聚类引导的遥感影像多尺度分割优化方法测绘学报，曹林林，李海涛，韩颜顺，等卷积神经网络在高分遥感影像分类中的应用测绘科学，陈思宁，赵艳霞，申双和，等基于作物模型的东北玉米估产及精度评估中国农业科学，李军玲，张弘......”。