TY - Jour A2 - Jung，Hyung-Sup Au - Moumni，Aicha Au - Lahrouni，Abderrahman Py - 2021 DA - 2021/04/21基于机器学习的作物型测绘分类，使用高分辨率卫星融合Semiarid Area SP - 8810279 VL - 2021 AB - 培养作物的监测以及不同土地覆盖物的类型是农业土地管理和作物产量预测的相关环境和经济问题。在这种情况下，本文旨在使用和评估基于机器学习分类的多传感器分类的贡献，以在摩洛哥的半干旱区域作物型识别。它是一种非常异质的区域，其特征在于混合作物（树木作物与年度作物，相同的农业季节，作物旋转等不同的职业刺激性的作物）。因此，这种异质性使作物型辨别更加复杂。为了克服这些挑战，目前的作品是该领域的第一次研究，它利用高时尚分辨率的融合，用于土地利用和陆地覆盖映射的高时尚分辨率和Sentinel-2卫星图像。三种机器学习分类器算法，人工神经网络（ANN），支持向量机（SVM）和最大似然（ML），用于识别和绘制灌溉周长的作物类型。原位观察2018年，对于摩洛哥中部的Haouz平原R3周长，与同年的卫星数据一起使用，以执行这项工作。结果表明，与单独的光学或SAR数据的分类结果相比，C波段和光学范围中获得的组合图像改善了作物型分类性能（总体精度= 89％; Kappa = 0.85）。sn - null ur - https://doi.org/10.1155/2021/8810279 do - 10.1155 / 2021/8810279 jf - scientifica pb - hindawi kw - er -