基于波譜庫的作物純像元識別與種植面積遙感估算.pdf

1、作物類型識別和播種面積估算一直是農(nóng)業(yè)遙感的重要內(nèi)容，對農(nóng)作物播種面積和種植結(jié)構(gòu)調(diào)整具有重要的現(xiàn)實意義。單一作物像元(純像元)識別是作物類型識別和作物播種面積遙感估算的關(guān)鍵。 本文設(shè)計了野外試驗方案，開展了玉米和小麥兩個作物全生長期光譜測試實驗，獲取了大量作物生長期的組分-冠層-像元級光譜、結(jié)構(gòu)參數(shù)、背景光譜信息和相關(guān)參數(shù)，建立了典型農(nóng)作物波譜庫。 基于該典型農(nóng)作物波譜庫，論文對作物純像元識別和作物面積估算等方面進行了理論

2、與方法的探討： (1)作物純像元的識別方法與模型根據(jù)作物光譜信息不確定性的原理，通過開發(fā)遙感影象-參考波譜距離閾值模型，提出基于距離閾值的純作物像元的識別方法。對玉米生長后期TM影象試驗表明，該方法獲得的作物純像元估算精度可以達到92％；在此基礎(chǔ)上，論文提出了結(jié)合遙感影象-參考波譜距離閾值、光譜角度和多時相方法對玉米作物純像元綜合識別方法，該方法使玉米作物純像元的識別精度提高到95％以上。 (2)作物面積估算模型在光譜混

3、合分析模型基礎(chǔ)上，提出了光譜角度和影象擬合殘差相結(jié)合的最優(yōu)端元選擇方法，獲得混合像元中各端元的面積比例。通過實地制圖試驗表明小麥像元內(nèi)小麥作物比例制圖的精度達到95％以上，研究發(fā)現(xiàn)3月下旬是小麥亞像元比例面積制圖中遙感影象時相的一個較好選擇。該方法還對華南一個鎮(zhèn)的荔枝種植面積進行了應(yīng)用，結(jié)果表面，荔枝面積估算結(jié)果和制圖精度達到98％。 (3)像元純度的檢測方法與模型論文分析發(fā)現(xiàn)像元純度指數(shù)(PPI)方法在提取純像元時對端元選擇存

4、在不確定性，可能由此導(dǎo)致所提取地物端元純度降低，或把同類稍有光譜偏差地物作為不同端元對待，使提取的真實地物端元數(shù)減少。這種不確定性將加大圖象基于端元的后續(xù)應(yīng)用處理的誤差。本文提出了基于光譜角度的目標(biāo)鄰域效驗方法，分析表明該方法可以很好的檢測端元的純度，獲得影象上最純的像元。如論文利用PPI提取的實驗區(qū)水體的端元與真正最大PPI像元光譜角度相對誤差達60％以上，在TM第4波段對應(yīng)的反射率(0.1176和0.094454)相對差別達到24.

5、5％。 像元的純度檢測方法可為大型地面遙感光譜實驗尋找更純的像元用于實驗地點調(diào)整或增加更典型測量目標(biāo)提供科學(xué)依據(jù)。 研究表明，基于波譜庫的光譜距離閾值方法，避免了傳統(tǒng)分類方法訓(xùn)練樣區(qū)選擇地物特征的不確定性，最大地消除了人工波譜特征選擇帶來的誤差。在基于物理意義十分明顯的影象-參考波譜距離閾值、光譜角度和多時相的作物純像元綜合識別方法中，不僅特征選擇可靠，而且方便簡單、自動化程度高，分類精度也高于傳統(tǒng)方法。豐富的光譜數(shù)據(jù)庫