基于MODIS遙感數(shù)據(jù)混合像元分解的小麥識別及其面積估算.pdf

1、我國北方小麥生產(chǎn)在全國糧食生產(chǎn)中占有舉足輕重的地位。及時(shí)掌握小麥播種面積、長勢及產(chǎn)量信息，對加強(qiáng)小麥生產(chǎn)管理，進(jìn)一步挖掘生產(chǎn)潛力，對政府部門制定科學(xué)合理的糧食政策，確保國家糧食安全，具有十分重要的意義。目前，大尺度農(nóng)情監(jiān)測最直接、最經(jīng)濟(jì)的手段是依托于遙感技術(shù)。特別是近幾十年來，遙感已經(jīng)迅速發(fā)展成為一門綜合性技術(shù)學(xué)科。遙感作為地球信息科學(xué)的前沿技術(shù)，具有數(shù)據(jù)客觀、現(xiàn)勢性好的特點(diǎn)，可以在較短時(shí)期內(nèi)連續(xù)獲取大范圍的地面信息。因此，將其作為農(nóng)情

2、監(jiān)測的手段具有得天獨(dú)厚的優(yōu)勢?；谶b感的農(nóng)作物種植面積提取的關(guān)鍵技術(shù)是對地物類型的準(zhǔn)確識別。但由于受到傳感器空間分辨率及地表地物類型多樣性等約束的限制，混合像元普遍存在于遙感影像中，致使地物類型的判別精度難以提高。
　　在綜合比較國內(nèi)外常用混合像元分解模型優(yōu)缺點(diǎn)的基礎(chǔ)上，優(yōu)選具有較為成熟、可操作性強(qiáng)、擬合能力好的線性光譜混合模型對研究區(qū)內(nèi)的MODIS數(shù)據(jù)進(jìn)行混合像元分解實(shí)驗(yàn)，并進(jìn)一步以小麥為主要研究對象進(jìn)行種植面積的提取。與采用端

3、元反射率作為分解因子的傳統(tǒng)分解方法相比而言，本文嘗試引入歸一化植被指數(shù)(NDVI)、增強(qiáng)植被指數(shù)(EVI)和差值植被指數(shù)(DVI)作為新的混合像元分解因子，并經(jīng)精度評價(jià)指標(biāo)體系驗(yàn)證，確定了增強(qiáng)植被指數(shù)(EVI)為最佳的分解因子。
　　菏澤位于魯西南平原地區(qū)，境內(nèi)氣候?qū)倥瘻貛Ъ撅L(fēng)型大陸性氣候，為農(nóng)作物的生長提供了極為有利的條件，是山東主要的小麥生產(chǎn)基地，因此，選取菏澤地區(qū)作為本課題中的研究區(qū)。優(yōu)選具有高光譜分辨率、高時(shí)間分辨率和適中

4、空間分辨率的MODIS數(shù)據(jù)作為遙感數(shù)據(jù)源，經(jīng)過大氣校正、“雙眼皮”效應(yīng)消除、地理定標(biāo)、影像剪切及融合等預(yù)處理過程，獲得滿足研究所需的遙感資料。建立基于菏澤地區(qū) MODIS數(shù)據(jù)的歸一化植被指數(shù)、增強(qiáng)植被指數(shù)和差值植被指數(shù)時(shí)間序列。
　　地物終端像元和純度的確定對混合像元分解精度具有關(guān)鍵性作用。通過提取分析不同生育期內(nèi)各種地物類型的植被指數(shù)變化曲線，發(fā)現(xiàn)不同地物在植被指數(shù)時(shí)間序列中具有各自獨(dú)立的波動規(guī)律。將決策樹分類法的優(yōu)勢融入混合像

5、元分解，利用決策樹確定地物類型識別的閾值區(qū)間，進(jìn)而構(gòu)建基于植被指數(shù)時(shí)間序列的端元提純模型。
　　對Landsat5 TM數(shù)據(jù)采用監(jiān)督分類，根據(jù)分類結(jié)果圖提取小麥種植區(qū)域，并進(jìn)行像元積聚分析，將其結(jié)果作為MODIS混合像元分解精度的評價(jià)標(biāo)準(zhǔn)，得到如下結(jié)論:混合像元的分解精度受地表粗糙度的影響較大，在大田區(qū)內(nèi)的像元分解精度優(yōu)于混合種植區(qū)內(nèi)的像元分解結(jié)果；對端元提純前后的混合像元分解結(jié)果進(jìn)行對比分析，結(jié)果顯示端元經(jīng)過提純模型后混合像元分

6、解總量精度、像元精度分別提高了6.32％和2.60％；在總量精度方面，經(jīng)過EVI時(shí)間序列端元提純模型后的混合像元分解結(jié)果較傳統(tǒng)的僅依據(jù)反射率的分解結(jié)果高出5。12％，更優(yōu)于經(jīng) NDVI、DVI時(shí)間序列端元提純模型后的分解精度7.88％和1.45％；在像元分解精度方面，經(jīng)過EVI時(shí)間序列端元提純模型后的混合像元分解結(jié)果較單純對反射率數(shù)據(jù)分解結(jié)果的高出2.83％，高于基于NDVI時(shí)間序列的混合像元分解結(jié)果5。27％，僅略低于基于DVI時(shí)間序

7、列混合像元分解結(jié)果0.88％，總體而言，基于EVI時(shí)間序列的線性像元分解模型是最佳的混合像元分解方法。
　　在中德科技合作與交流項(xiàng)目(2007DFB70200)和山東省自然科學(xué)基金(Y2008E10)的資助下，本文從我國農(nóng)情信息需求出發(fā)，研究如何充分利用多時(shí)相高光譜遙感數(shù)據(jù)實(shí)現(xiàn)小麥類型、面積等信息的識別、提取和動態(tài)監(jiān)測，發(fā)展基于遙感信息、具有較高精度保證的小麥識別與面積估測方法，探索性建立具有較高可行、經(jīng)濟(jì)和現(xiàn)勢性的業(yè)務(wù)化運(yùn)行方法