農業生産(chǎn)是國(guó)家社會經濟的基礎,糧食産(chǎn)量對于制定國(guó)家和區(qū)域社會經濟發展規劃、确保國(guó)家糧食安(ān)全和社會穩定、指導和調控宏觀種植結構等均有(yǒu)重要意義。作(zuò)物(wù)種植面積是影響糧食産(chǎn)量的重要因素之一,利用(yòng)遙感識别農作(zuò)物(wù)地塊并估算作(zuò)物(wù)種植面積是農業遙感監測的重要内容。農作(zuò)物(wù)遙感分(fēn)類是估算作(zuò)物(wù)種植面積的重要核心問題,是提高作(zuò)物(wù)種植面積估算精(jīng)度的關鍵工(gōng)作(zuò)。
公(gōng)司以遙感在作(zuò)物(wù)類型識别和災害識别評估應用(yòng)為(wèi)主線(xiàn),歸納了國(guó)内外作(zuò)物(wù)類型識别及農業災害識别評估研究中(zhōng)常用(yòng)的各類遙感數據,如資源遙感影像、氣象遙感影像、高分(fēn)辨率影像、高光譜影像和微波影像等,分(fēn)析其優缺點和适用(yòng)性;總結了利用(yòng)遙感進行作(zuò)物(wù)類型識别的3類研究方法,包括基于光譜的識别方法、基于物(wù)候差異的識别方法以及光譜與物(wù)候相結合的方法,分(fēn)析了各種方法的特點;解決克服了作(zuò)物(wù)類型遙感識别中(zhōng)存在的主要問題,如影像空間精(jīng)度與價格的平衡問題,多(duō)分(fēn)辨率遙感數據的綜合應用(yòng)問題,物(wù)候差異對作(zuò)物(wù)識别的影響問題等;通過結合不同分(fēn)辨率遙感數據、不同時相遙感數據的結合建立更多(duō)的光譜與物(wù)候相結合的解譯标志(zhì);提出作(zuò)物(wù)識别機理(lǐ)和多(duō)尺度數據融合方法。為(wèi)用(yòng)戶提供多(duō)種農作(zuò)物(wù)種類及在災害發生後評估的遙感識别解決方案。
>> 智能(néng)化的人機交互:将前沿的人工(gōng)智能(néng)技(jì )術與傳統遙感影像解譯技(jì )術結合,提供作(zuò)業效率和解譯精(jīng)度,利用(yòng)像元間的統計特征建立類别間的判别函數,進而識别作(zuò)物(wù)類型。建立特定的農作(zuò)物(wù)識别算法模型。
>> 時間序列匹配方法:高時間分(fēn)辨率的影像能(néng)夠充分(fēn)體(tǐ)現植被的季相變化,而同一區(qū)域相同植被具(jù)有(yǒu)相似的變化曲線(xiàn),通過植被指數時間序列變化特征可(kě)以識别地物(wù)。匹配方法通過分(fēn)析未知像元波譜曲線(xiàn)和純像元波譜曲線(xiàn)的匹配程度以識别地物(wù)類型,引入時間序列數據的分(fēn)析以識别作(zuò)物(wù)類型,利用(yòng)季相節律的差異避免了作(zuò)物(wù)類型間光譜特征相似的問題。
>> 關鍵物(wù)候期識别:同種作(zuò)物(wù)在同一個地區(qū)具(jù)有(yǒu)相對穩定的生長(cháng)發育規律。關鍵物(wù)候期可(kě)以使作(zuò)物(wù)與其他(tā)植被具(jù)有(yǒu)較大的可(kě)區(qū)分(fēn)性,可(kě)作(zuò)為(wèi)作(zuò)物(wù)類型識别的重要依據,從而使作(zuò)物(wù)類型識别更有(yǒu)效。通過分(fēn)析時間序列數據中(zhōng)作(zuò)物(wù)生長(cháng)的關鍵物(wù)候期的特征值提取作(zuò)物(wù);利用(yòng)當地的作(zuò)物(wù)物(wù)候曆信息,選擇适當時相的遙感影像,使作(zuò)物(wù)類型識别更有(yǒu)針對性,避免了遙感數據選取的盲目性。
>> 關聯分(fēn)析模型:以實測結果或中(zhōng)高分(fēn)辨率影像識别結果為(wèi)樣本,與低分(fēn)辨率時間序列或關鍵物(wù)候期數據建立半定量或回歸模型識别作(zuò)物(wù)。通過考慮作(zuò)物(wù)關鍵物(wù)候期植被指數與種植面積的定量函數關系,當像元中(zhōng)混入其他(tā)類型地物(wù)時會導緻關鍵時段的曲線(xiàn)斜率發生變化。充分(fēn)利用(yòng)了多(duō)分(fēn)辨率遙感的優勢,突出關鍵物(wù)候特性,使構建模型時理(lǐ)論更充分(fēn),精(jīng)度應該更高;可(kě)用(yòng)于統計總種植面積和大概種植分(fēn)布。
案例效果:目前已建立識别模型農作(zuò)物(wù)種類:水稻、小(xiǎo)麥、玉米、棉花(huā)、大豆、