基于RapidEye遙感影像的農作物種植面積提取研究.pdf

1、農作物的播種面積、產量等信息是國家制定糧食政策和經濟計劃的重要依據.作物的種植面積反映了在空間范圍內利用農業(yè)生產資源的情況,是了解農產品種類、分布特征的重要信息的有效途徑,是進行農業(yè)結構調整的依據.及時了解農作物播種面積、長勢及產量,對于加強農作物生產管理,進一步發(fā)揮生產潛力,輔助政府有關部門制定科學合理的糧食政策有重要的意義.傳統(tǒng)的產量估算途徑主要是用調查統(tǒng)計方法,根據自下而上的統(tǒng)計報表,所得到產量數據不僅時效性差、人為影響比較大、信

2、息的準確度也無法保證.由于遙感覆蓋面積大、探測周期短、資料豐富、現(xiàn)勢性強、費用低等特點,為快速準確的農作物估產提供了一種新的科學手段.本文擬應用遙感方法,嘗試對武城縣農作物面積進行快速準確的估算.
　　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據源,基于eCognition、ENVI、ArcGIS軟件平臺,采用面向對象與知識規(guī)則創(chuàng)建相結合的分類方法對研究區(qū)農作物面積信息進行了量算.首先,采用基于地

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

4、提取精度進行檢驗,在研究區(qū)內隨機選取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)督分類的提取結果進行對比驗證.結果表明,本文所用的基于知識規(guī)則的面向對象的分類方法提取精度較高.
　　本文研究后得出的結論為:
　　(1)面向對象分類方法比最大似然分類更加適合于小麥面積的提取.
　　面向對象的結果與人工數字化更加接近,而且用時比數字化少的多;面向對象分類基于對象,對象

5、內部相對均一性,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;面向對象分類減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、上下文關系等,分類精度較高.
　　(2)面向對象分類方法與最大似然分類提取結果有著較大的差異,但是小麥的分布特征基本一致.
　　(3)面向對象分類方法與GIS輔助數據相結合,提高分類精度.
　　本文面向對象分類中加入了研究區(qū)地塊矢量數據,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對象分類方法意義重大.
　　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對象分類的結果至關重要.
　　分割尺度的選擇,是進行分割的起點,它的選擇的優(yōu)劣與分類的結果息息相關.選擇合適的尺度,分割的結果中地物不至于過于破碎