基于多时相遥感数据的作物早期识别

发布时间：2021-06-19 13:47

　　获取准确的农作物种植分布是农作物生长监测、产量预估的基础。多时相遥感数据能够描述不同作物物候特征的差异,已广泛应用于农作物种植面积提取。本文针对农作物种植面积早期提取的需求和普遍存在的遥感数据缺失、地面样本缺乏等实际问题,从评估数据合成的时间长度,提出新的农作物识别方法等方面开展30m分辨率农作物早期识别研究,为大区域农作物种植面积的遥感提取提供了新的思路。基于本研究使用的研究区和数据,得出如下结论:（1）通过比较不同时间序列密度对作物早期识别的影响,表明日合成的时间序列数据在识别作物时获得的分类精度最高,16天合成时间序列获得的作物识别精度与8天合成时间序列类似。由于在实际情况下难以每天获得10～30m分辨率的多光谱遥感数据,本研究推荐16天合成的方法生成多光谱时间序列数据。（2）本研究评估了不同的特征对作物识别的贡献,结果表明近红外波段和NDVI对作物分类的贡献最大。同时,本研究基于参考时间序列提出了改进的免疫系统网络（IAIN）方法,该方法具备处理不完整时间序列的能力。在此基础上证明较短的时间序列数据可以在研究区的主要作物收获前4～6周获得较准确的识别结果,其分类精度达95%左右... 

【文章来源】：中国农业科学院北京市

【文章页数】：75 页

【学位级别】：博士

【部分图文】：

图２－１研宂区位置示意图??注：图中影像为２０１１年７月Ｌａｎｄｓａｔ数据??

收集地面数据。在野外调查时，用ＧＰＳ记录每个地块边界的经纬度范围，并将??作物的类别记录为属性信息。随后Ｇｏｏｇｌｅ?Ｅａｒｔｈ影像将所有地块边界转换为多边??形，再根据Ｌａｎｄｓａｔ数据的格网，将多边形转换为象元（图２．４）。最后，所有??地块边界处的象元均被删除，以确保所有样本都是纯作物象元。所有样本被分为??两部分，一部分作为训练样本，另一部分用于验证分类结果。实验区训练样本和??验证样本的数量如表２－２所示。??表２－２研究区训练和验证样本数量??训练?验证???多边形数量样本数量?多边形数量?样本数量??棉花?５４?１５１０?２９?４８６??葡萄?２６?８５２?１１?１３０??春玉米?２８?６５７?２３?２１０??打瓜?７?７２６?５?２３２??棉花?５０?３０９?４４?２３６??玉米?２０?１３８?１８?８９??甜瓜?１９?１０６?１２?５６??果树?２３?１１８?２５?９１??冬小麦－夏玉米?２２?ｍ?２９?７４??２．２研究方法??２．２．１总体技术路线??图２－２为本研宄的技术路线。首先使用４种数据合成方案（日合成、８天合??成、１６天合成和３２天合成）获得四种时间序列密度不同的ＮＤＶＩ时间序列；再??使用Ｊｅｆｆｒｉｅｓ－Ｍａｔｕｓｉｔａ?（ＪＭ）距离和ＪＢｈ距离计算作物可分性，使用随机森林方法??进行作物分类，分别使用作物分类精度和分类确定性评价作物分类结果。在作物??识别时，控制用于作物识别的ＮＤＶＩ时间序列长度（从１天至整个生长季逐步延??长）

图２－３时间序列长度对作物可分性的影响??总体上，两两作物之间的可分性随时间序列延长而提高，随后达到饱和，而??且日合成数据达到饱和的时间最早（图２－４）。在博乐研究区，棉花和玉米、葡??萄较容易混淆。对于棉花和葡萄，日合成数据的ＪＭ距离在时间序列长度为８８??天时饱和，其饱和的ＪＭ距离为１．９５。８天和１６天合成数据的ＪＭ距离具有类似??的趋势，分别在１３４天和１４５天饱和，其饱和的ＪＭ距离为１．８８和１．８０。对于??３２天合成数据，虽然ＪＭ距离在时间序列长度为７８天时达到饱和，但饱和的ＪＭ??距离仅为１．４４，这说明３２天合成数据不能区分棉花和葡萄。对于棉花和玉米，??１１??

【参考文献】：
期刊论文
[1]基于多时相MODIS EVI和临近三年地面数据的新疆作物分类（英文）[J]. Shakir Muhammad,牛铮,王力,Abdullah Aalikim,郝鹏宇,王长耀.  光谱学与光谱分析. 2015(05)
[2]农作物遥感分类特征变量选择研究现状与展望[J]. 贾坤,李强子.  资源科学. 2013(12)
[3]新疆棉花光温生产潜力估算与分析[J]. 徐文修,牛新湘,边秀举.  棉花学报. 2007(06)



本文编号：3237925