论文部分内容阅读
农业生产是国家社会经济的基础，粮食产量对于制定国家和区域社会经济发展规划、确保国家粮食安全和社会稳定、指导和调控宏观种植结构等均有重要意义。作物种植面积是影响粮食产量的重要因素之一，利用遥感识别农作物地块并估算作物种植面积是农业遥感监测的重要内容。农作物遥感分类是估算作物种植面积的重要核心问题，是提高作物种植面积估算精度的关键研究内容。
本文研究目标是挖掘与应用农作物遥感分类的影像新特征，并研究其对于农作物遥感分类精度的改善潜力。从不同作物所具有的不同生理生化参数特征及其时相变化特征出发，研究基于生化组分含量反演、多频率和多时相雷达数据结合、光学与雷达数据结合等农作物遥感分类方法，在农作物遥感分类的特征变量选择方面取得突破，以提高农作物遥感分类精度，服务于作物种植面积遥感监测的需求。
农作物植株体含有的不同生化组分含量是影响作物冠层光谱特征的根本因素，是光谱识别作物类型的决定性特征。本文根据不同作物具有独特的生化组分含量特征，并且与其共同存在的其他作物类型具有统计可分性的特点，阐述了基于作物生化组分含量特征的农作物遥感分类设想。本研究首先利用Hyperion高光谱遥感数据在冠层尺度上估算特征生化组分含量，然后依据作物的生化组分特征对作物类型进行区分，并对基于生化组分含量特征的分类(BCC)、基于Hyperion全部光谱波段的最大似然分类(MLC_A)和基于优选用于特征生化组分含量估算的光谱波段的最大似然分类(MLC_S)结果进行了对比分析，发现BCC和MLC_A的总体分类精度相似（同为95.2％），并且好于MLC_S的总体分类精度(91.1%)，Kappa统计值也有类似的表现(BCC92.85%，MLC_S92.84%，MLC_A86.64%)，表明基于生化组分含量特征的农作物遥感分类方法是切实可行的。基于生化组分含量特征的分类方法更具机理性，并能够获得更高的分类精度，且具有计算速度快、降低数据维数和冗余性的优点，是一种优越的农作物遥感分类方法。
农作物的光谱具有明显的时间变化特征，研究农作物遥感分类数据获取的最佳时相特征和时相组合特征，对于形成最优数据获取方案、减少数据冗余具有指导意义。本文研究了多时相光学遥感数据用于农作物遥感分类的效果。结果表明，多时相的光学遥感数据能够有效的区分小麦和棉花地块，总体分类精度达到了91.7%。在只有一个时相数据的情况下，小麦花期是数据获取的最佳时相，取得了88.2%的最高总体分类精度。在具有多个时相数据的情况下，具有较大时间间隔获取的两个时相数据组合比获取时间间隔短的时相组合更有利于提高农作物遥感分类精度。在小麦拔节期和花期获取的两个时相光学数据组合取得了几乎与三个时相数据组合相当的总体分类效果，表明两个时相的光学数据包含了小麦作物分类所需的足够有效信息，添加更多时相的数据对于提高分类精度作用甚微。
农作物的冠层结构差异是区分不同作物类型的显性特征，而冠层结构差异可以通过微波后向散射特征差异表现出来，据此本文研究了多频率和多时相SAR数据用于农作物遥感分类的效果。结果表明，多源SAR数据获取了令人满意的分类效果，最高总体分类精度达到了91.83%。同一时间获取的Envisat ASAR数据在农作物遥感分类中比TerraSAR-X数据表现稍好，并且两个频率（X和C波段）的SAR数据组合比多时相的C波段ASAR数据组合在农作物遥感分类中表现更好。在小麦拔节期和花期获取的两个时相的SAR数据包含了农作物遥感分类所需的足够有效信息，增加小麦返青期获取的SAR数据只能带来数据冗余，对提高分类精度作用不大。另外，SAR数据的纹理特征也是提高农作物遥感分类精度的有用特征。
农作物冠层与光学和雷达信号具有不同的相互作用机制，结合两者具有的互补信息可以提高农作物遥感分类精度。但目前用于数据融合的SAR数据多为C波段的HH和HV极化数据，本文研究了VV极化SAR数据用于改善多光谱数据农作物遥感分类的精度。结果表明，两种数据之间的融合充分利用了多光谱数据的光谱信息和VV极化数据对于地物结构敏感的特征，不但增强了不同地物之间的光谱差异，而且提高了农作物遥感分类精度。多光谱数据与VV极化SAR数据的融合数据总体分类精度比单独使用多光谱数据提高了约5个百分点，而且由于VV极化SAR数据对田间非耕地信息的敏感性，田块边界的识别效果有很大的改善。
本文的主要创新点为：(1)生化组分含量特征是影响作物冠层光谱特征的重要因素，本研究阐述了基于生化组分含量特征的农作物光学遥感分类思想，并取得了较好的分类效果；(2)基于农作物光谱具有明显的时间变化特征，应用多时相光学数据进行农作物遥感分类，发现了冬小麦识别的最佳时相和取得满意分类精度的时相组合；(3)基于作物冠层结构特征差异及SAR数据敏感于作物冠层结构特征的特点，将多频率SAR数据用于旱田作物类型区分，发现多频率的SAR数据分类精度优于单一频率多时相SAR数据；(4)农作物冠层与光学和雷达信号具有不同的相互作用机制，利用VV极化数据包含的丰富的结构与纹理信息改善了光学数据的分类精度，拓展了SAR数据在农作物遥感分类方面的应用。