基于遥感的PCA-KNN农田蓄水等级分类算法

摘要

目的:随着无人机技术的发展,近地遥感拍摄系统的可靠性及实用性逐渐提高,而其运行及维护费用却逐渐下降.目前杨凌农业高新技术产业示范区已经开始部署无人机用于示范区内示范田的航空遥感监测.本文基于遥感图像和地面实测的部分区域的含水情况,以64平方米的地块为单位高效地判断示范田的含水等级.方法:本文将主成分分析和K近邻算法用于基于遥感的农田水分分析,并考察了不同主元个数、不同相似度计算方法与不同K值的分类效果.结果:实验表明,本文提出的主元分析-K近邻算法(PCA-KNN)在保留含有85％能量的主元、选用曼哈顿距离、K=15时,能获得86.1％的分类准确率,证实了该算法的有效性.与另三种相似度计算方法相比,曼哈顿距离和欧氏距离可取得较好的判断结果.结论:本文将主成分分析与K近邻算法相结合,在基于遥感的农田水分分析问题上取得了86.1％的分类性能,而且在大规模数据上的处理时间也较为快速,判断巨良示范田的含水情况耗时约5分钟.由此可见,PCA-KNN算法具有快速、简洁、灵活通用、准确率高等优点,比较适用于基于遥感的农田蓄水等级分类问题.