论文部分内容阅读
准确、及时地获取小麦播种面积对国家粮食安全具有重要意义,遥感技术对地表信息获取具有宏观性、周期性、经济性、客观性等优势,为小麦播种面积的准确测量提供了重要的技术手段。然而,现有的小麦播种面积遥感测量方法很难推广应用,主要由于:(1)从数据源看,中高分辨率数据成本高,且难以获取;低分辨率数据测量精度难以达到要求;(2)从测量时间看,大多在小麦抽穗成熟期选择影像进行遥感测量,具有滞后性;(3)从测量方法看,同物异谱、异物同谱以及混合像元影响识别分类精度,抽样方法缺乏空间信息;(4)从适用性看,大多方法只针对种植结构单一地区,鲁棒性差。针对以上问题,本文选用覆盖面积广、重访周期短,易于获取的IRS P6 AWiFS数据作为数据源,用小麦生长初期的两时相影像对小麦播种面积进行测量。论文首先根据小麦物候历,分析了不同地表覆盖类型在两时相上的归一化植被指数(Normalized Difference Vegetation Index,NDVI)的特征。根据小麦的NDVI特性,建立了决策树模型,提取出小麦像元;然后对小麦像元进行混合像元分解,得到每个小麦像元中小麦播种面积的丰度;最后累加小麦像元的丰度值,再乘以单个像元面积,得到小麦总的播种面积。将此方法应用于种植结构有很大差异的北京市通州区和大兴区,两区的区域总量精度和像元精度都达到了95%和85%,优于常规的分类方法。结果表明:(1)P6 AWiFS遥感数据是大面积小麦播种面积测量的一种很好数据源;(2)在我国北方地区,利用小麦生长初期的NDVI变化特性,测量小麦播种面积是可行的;(3)用决策树与混合像元分解的方法对中分辨率遥感数据信息提取,不但提高了测量精度,而且鲁棒性、可重复性好,分类结构清晰,对数据分析与解释更具有灵活性;(4)此方法适用于不同种植结构的区域,比常规的需要分区遥感测量具有更好的鲁棒性,适于大范围尺度小麦面积遥感测量的推广应用。