農業生(shēng)産是國家社會經濟的基礎,糧食産量對于制定國家和區域社會經濟發展規劃、确保國家糧食安全和社會穩定、指導和調控宏觀種植結構等均有重要意義。作物(wù)種植面積是影響糧食産量的重要因素之一(yī),利用遙感識别農作物(wù)地塊并估算作物(wù)種植面積是農業遙感監測的重要内容。農作物(wù)遙感分(fēn)類是估算作物(wù)種植面積的重要核心問題,是提高作物(wù)種植面積估算精度的關鍵工(gōng)作。
公司以遙感在作物(wù)類型識别和災害識别評估應用爲主線,歸納了國内外(wài)作物(wù)類型識别及農業災害識别評估研究中(zhōng)常用的各類遙感數據,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)析其優缺點和适用性;總結了利用遙感進行作物(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;解決克服了作物(wù)類型遙感識别中(zhōng)存在的主要問題,如影像空間精度與價格的平衡問題,多分(fēn)辨率遙感數據的綜合應用問題,物(wù)候差異對作物(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的光譜與物(wù)候相結合的解譯标志(zhì);提出作物(wù)識别機理和多尺度數據融合方法。爲用戶提供多種農作物(wù)種類及在災害發生(shēng)後評估的遙感識别解決方案。
>> 智能化的人機交互:将前沿的人工(gōng)智能技術與傳統遙感影像解譯技術結合,提供作業效率和解譯精度,利用像元間的統計特征建立類别間的判别函數,進而識别作物(wù)類型。建立特定的農作物(wù)識别算法模型。
>> 時間序列匹配方法:高時間分(fēn)辨率的影像能夠充分(fēn)體現植被的季相變化,而同一(yī)區域相同植被具有相似的變化曲線,通過植被指數時間序列變化特征可以識别地物(wù)。匹配方法通過分(fēn)析未知(zhī)像元波譜曲線和純像元波譜曲線的匹配程度以識别地物(wù)類型,引入時間序列數據的分(fēn)析以識别作物(wù)類型,利用季相節律的差異避免了作物(wù)類型間光譜特征相似的問題。
>> 關鍵物(wù)候期識别:同種作物(wù)在同一(yī)個地區具有相對穩定的生(shēng)長發育規律。關鍵物(wù)候期可以使作物(wù)與其他植被具有較大(dà)的可區分(fēn)性,可作爲作物(wù)類型識别的重要依據,從而使作物(wù)類型識别更有效。通過分(fēn)析時間序列數據中(zhōng)作物(wù)生(shēng)長的關鍵物(wù)候期的特征值提取作物(wù);利用當地的作物(wù)物(wù)候曆信息,選擇适當時相的遙感影像,使作物(wù)類型識别更有針對性,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)辨率影像識别結果爲樣本,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物(wù)。通過考慮作物(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)混入其他類型地物(wù)時會導緻關鍵時段的曲線斜率發生(shēng)變化。充分(fēn)利用了多分(fēn)辨率遙感的優勢,突出關鍵物(wù)候特性,使構建模型時理論更充分(fēn),精度應該更高;可用于統計總種植面積和大(dà)概種植分(fēn)布。
案例效果:目前已建立識别模型農作物(wù)種類:水稻、小(xiǎo)麥、玉米、棉花、大(dà)豆、