江苏省主要农作物遥感识别特征的时空效应研究

发布时间：2018-12-28 19:32

【摘要】：农作物种植面积,尤其是粮食作物种植面积已成为影响我国粮食产量的关键问题。遥感技术具有宏观、迅速的大范围监测能力,可在短时间内获得客观、准确的农情信息,在农作物识别及其面积估算方面已经得到了重要的应用。目前,遥感估算农作物面积存在以下三个问题:一是农作物遥感识别特征多局限于光谱特征,未能充分、全面地挖掘利用其他信息,限制了作物分类精度的提升;二是作物遥感识别特征具有时空属性,随着遥感影像时相和空间分辨率变化,从而对作物分类表现出不同的指示作用,但是目前特征的时空效应关注和了解较少,导致在时相和空间分辨率方面对识别特征的选择具有一定的盲目性;三是中国种植制度和地块破碎程度的区域差异较大,尤其是南方地块小而破碎,且种植结构复杂多样,是遥感识别作物和面积估算的难点,中低分辨率遥感影像上混合光谱较多,难以完成主要农作物之间及农作物与其他地物之间的区分,但高分辨率数据“同物异谱”现象更加严重,降低分类精度。为解决上述问题,本文进行以下两方面的研究:1)研究多时相的作物遥感识别特征综合和特征优选对分类精度改善效果,确定针对该农作物组合的适宜时相和适宜特征子集,支持更加精确的农作物遥感识别;2)基于多空间尺度的作物遥感识别特征综合和优选研究,研究作物分类精度和作物识别特征随影像空间分辨率的变化规律,确定适宜空间分辨率和各个空间分辨率对应的优选特征子集,支持合适空间分辨率遥感影像的选择与分类。最终为国家农业及粮食宏观决策所需的精确种植面积遥感估算提供了有用的技术参考。根据研究目标,本文选择江苏省的泗洪秋粮作物和高淳的夏粮作物,设计两个实验:(1)基于多时相的作物遥感识别特征综合和特征优选研究本实验以泗洪为实验区,玉米和水稻为目标作物组合,利用光谱、植被指数、波段时差和纹理等多源特征构建特征空间,利用单变量特征选择算法对构建的特征空间特征进行选择,然后应用随机森林模型对选择的特征组合分类。(2)基于多空间尺度的作物遥感识别特征综合和特征优选研究本实验以高淳为研究区,冬油菜和冬小麦为目标作物组合,利用光谱、植被指数、纹理特征构建特征空间,利用特征递归消除算法对构建的作物遥感识别特征集进行优选,基于随机森林分类模型和面向对象分类方法完成优选特征组合分类。主要结论如下:(1)基于多时相的作物遥感识别特征综合和特征优选研究发现:不同的遥感识别特征对于遥感影像分类的重要性具有明显的差异性,多源特征综合可以提高作物分类精度,而且对于农作物遥感区分而言,存在一个适宜特征集,可以提供更高的分类精度。具体结论如下:1)不同的遥感识别特征在作物遥感分类中的重要性差异较大,光谱、植被指数和波段时差重要性排名均在前面,而纹理特征相对滞后。本研究所设计波段时差特征具有有效性和可行性;2)不同时相的识别特征也表现出不同的重要性,10月12日是本实验中泗洪水稻和玉米区分的适宜时相,8月3日为次优时相,故在识别泗洪秋粮作物时,可优选10月12日附近的遥感数据;3)多源特征综合可以提高作物分类精度,而且玉米和水稻遥感识别确实存在一个适宜的特征子集,可以达到更高的识别精度。在江苏的玉米和水稻遥感分类中,该适宜特征子集的总体精度和kappa系数分别达到0.9707和0.96;4)单变量特征选择算法可以有效地挑选出适宜的作物遥感识别特征。(2)基于多空间尺度的作物遥感识别特征综合和特征优选研究发现:利用不同空间分辨率的遥感影像识别农作物,不同遥感识别特征的重要性不同,因而导致适宜遥感识别特征子集的不同。而且在对象尺度和像元尺度分类的选择上存在一个空间分辨率的临界点。具体的结论如下:1)作物遥感识别精度并非随着特征数量的增加而持续增加;2)在不同空间尺度下均存在适宜特征子集,支持作物高精度识别,该子集中的特征类型和个数随着空间尺度的变化而变化;3)存在一个适合多种空间分辨率的共用特征子集,可优先用于今后特征子集的构建;4)分类精度随空间分辨率的变粗呈现出先升高后下降的趋势,表明存在理想的空间分辨率。在江苏的冬小麦和冬油菜识别中,10m是适宜空间分辨率;5)利用遥感识别农作物时,存在一个空间分辨率节点,当分辨率优于该节点时,适宜采用面向对象分类算法,获取更高的分类精度,在高淳表现为6米。6)本研究所设计的面积植被指数,对冬小麦和冬油菜的遥感识别具有较强的指示意义,表现出一定实用性。
[Abstract]:......
【学位授予单位】：中国科学院大学(中国科学院遥感与数字地球研究所)
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：S127

【相似文献】