基于波譜庫(kù)的作物純像元識(shí)別與種植面積遙感估算.pdf

1、作物類型識(shí)別和播種面積估算一直是農(nóng)業(yè)遙感的重要內(nèi)容，對(duì)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(shí)意義。單一作物像元(純像元)識(shí)別是作物類型識(shí)別和作物播種面積遙感估算的關(guān)鍵。 本文設(shè)計(jì)了野外試驗(yàn)方案，開展了玉米和小麥兩個(gè)作物全生長(zhǎng)期光譜測(cè)試實(shí)驗(yàn)，獲取了大量作物生長(zhǎng)期的組分-冠層-像元級(jí)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(kù)。 基于該典型農(nóng)作物波譜庫(kù)，論文對(duì)作物純像元識(shí)別和作物面積估算等方面進(jìn)行了理論

2、與方法的探討： (1)作物純像元的識(shí)別方法與模型根據(jù)作物光譜信息不確定性的原理，通過(guò)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(shí)別方法。對(duì)玉米生長(zhǎng)后期TM影象試驗(yàn)表明，該方法獲得的作物純像元估算精度可以達(dá)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(shí)相方法對(duì)玉米作物純像元綜合識(shí)別方法，該方法使玉米作物純像元的識(shí)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(guò)實(shí)地制圖試驗(yàn)表明小麥像元內(nèi)小麥作物比例制圖的精度達(dá)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(shí)相的一個(gè)較好選擇。該方法還對(duì)華南一個(gè)鎮(zhèn)的荔枝種植面積進(jìn)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(dá)到98％。 (3)像元純度的檢測(cè)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(shí)對(duì)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(duì)待，使提取的真實(shí)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(yàn)方法，分析表明該方法可以很好的檢測(cè)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(shí)驗(yàn)區(qū)水體的端元與真正最大PPI像元光譜角度相對(duì)誤差達(dá)60％以上，在TM第4波段對(duì)應(yīng)的反射率(0.1176和0.094454)相對(duì)差別達(dá)到24.

5、5％。 像元的純度檢測(cè)方法可為大型地面遙感光譜實(shí)驗(yàn)尋找更純的像元用于實(shí)驗(yàn)地點(diǎn)調(diào)整或增加更典型測(cè)量目標(biāo)提供科學(xué)依據(jù)。 研究表明，基于波譜庫(kù)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(lái)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(shí)相的作物純像元綜合識(shí)別方法中，不僅特征選擇可靠，而且方便簡(jiǎn)單、自動(dòng)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(kù)