基于RapidEye遙感影像的農(nóng)作物種植面積提取研究.pdf

1、農(nóng)作物的播種面積、產(chǎn)量等信息是國家制定糧食政策和經(jīng)濟(jì)計劃的重要依據(jù).作物的種植面積反映了在空間范圍內(nèi)利用農(nóng)業(yè)生產(chǎn)資源的情況,是了解農(nóng)產(chǎn)品種類、分布特征的重要信息的有效途徑,是進(jìn)行農(nóng)業(yè)結(jié)構(gòu)調(diào)整的依據(jù).及時了解農(nóng)作物播種面積、長勢及產(chǎn)量,對于加強(qiáng)農(nóng)作物生產(chǎn)管理,進(jìn)一步發(fā)揮生產(chǎn)潛力,輔助政府有關(guān)部門制定科學(xué)合理的糧食政策有重要的意義.傳統(tǒng)的產(chǎn)量估算途徑主要是用調(diào)查統(tǒng)計方法,根據(jù)自下而上的統(tǒng)計報表,所得到產(chǎn)量數(shù)據(jù)不僅時效性差、人為影響比較大、信

2、息的準(zhǔn)確度也無法保證.由于遙感覆蓋面積大、探測周期短、資料豐富、現(xiàn)勢性強(qiáng)、費用低等特點,為快速準(zhǔn)確的農(nóng)作物估產(chǎn)提供了一種新的科學(xué)手段.本文擬應(yīng)用遙感方法,嘗試對武城縣農(nóng)作物面積進(jìn)行快速準(zhǔn)確的估算.
　　本文以武城縣為研究區(qū),以RapidEye影像、土地利用現(xiàn)狀矢量圖為主要研究數(shù)據(jù)源,基于eCognition、ENVI、ArcGIS軟件平臺,采用面向?qū)ο笈c知識規(guī)則創(chuàng)建相結(jié)合的分類方法對研究區(qū)農(nóng)作物面積信息進(jìn)行了量算.首先,采用基于地

3、塊的面向?qū)ο蠖喑叨葓D像分割理論,根據(jù)研究區(qū)影像像素亮度、紋理、顏色等特征對RapidEye影像進(jìn)行分割,構(gòu)建各類地物對象;再創(chuàng)建各種知識規(guī)則,包括基于光譜特征指數(shù)NDVI進(jìn)行非植被信息的提取;基于光譜信息在藍(lán)光波段、紅光波段、近紅外波段設(shè)置閾值以提取大棚、林地、水體等地物,最后去除線狀地物的干擾,并且進(jìn)行目視解譯修正明顯錯誤圖斑,得到武城縣農(nóng)作物分布圖,并進(jìn)行農(nóng)作物面積的估算.
　　為了證明方法的可行性,本研究采用隨機(jī)抽樣的方法對

4、提取精度進(jìn)行檢驗,在研究區(qū)內(nèi)隨機(jī)選取300個檢驗點,采用目視判別的方法記錄這300個點所對應(yīng)的地物類型,并將本文的研究方法與最大似然的監(jiān)督分類的提取結(jié)果進(jìn)行對比驗證.結(jié)果表明,本文所用的基于知識規(guī)則的面向?qū)ο蟮姆诸惙椒ㄌ崛【容^高.
　　本文研究后得出的結(jié)論為:
　　(1)面向?qū)ο蠓诸惙椒ū茸畲笏迫环诸惛舆m合于小麥面積的提取.
　　面向?qū)ο蟮慕Y(jié)果與人工數(shù)字化更加接近,而且用時比數(shù)字化少的多;面向?qū)ο蠓诸惢趯ο?對象

5、內(nèi)部相對均一性,最大似然分類基于像元,存在同譜異物和同物異譜的現(xiàn)象;面向?qū)ο蠓诸悳p小了噪聲的影響并克服椒鹽現(xiàn)象,同時利用地物多方面的特征如光譜、空間、上下文關(guān)系等,分類精度較高.
　　(2)面向?qū)ο蠓诸惙椒ㄅc最大似然分類提取結(jié)果有著較大的差異,但是小麥的分布特征基本一致.
　　(3)面向?qū)ο蠓诸惙椒ㄅcGIS輔助數(shù)據(jù)相結(jié)合,提高分類精度.
　　本文面向?qū)ο蠓诸愔屑尤肓搜芯繀^(qū)地塊矢量數(shù)據(jù),基于地塊的分割與分類,使得地物不致

6、過于破碎,零散,能夠保持地物的完整性特征,分類精度較高.
　　(4)時相的選擇對于面向?qū)ο蠓诸惙椒ㄒ饬x重大.
　　本研究中提取棉花、玉米均不能反映真實的種植情況,存在著較大的偏差,易于與周圍地物混淆,棉花、玉米與周圍的裸地難以區(qū)分.
　　(5)選擇合適的分割尺度對于面向?qū)ο蠓诸惖慕Y(jié)果至關(guān)重要.
　　分割尺度的選擇,是進(jìn)行分割的起點,它的選擇的優(yōu)劣與分類的結(jié)果息息相關(guān).選擇合適的尺度,分割的結(jié)果中地物不至于過于破碎