论文部分内容阅读
遥感影像作为地球表面的直观描绘数据，已成为许多行业与部门的基础应用数据。天、空、地一体化的立体对地观测网络，实现了对地球表面立体的、多层次的、多角度的、多时相的成像和表达，获取并积累着大规模的空间数据，极大地拓展了遥感的应用领域。农情遥感监测为我国农产品贸易、农业现代化生产、农业决策与管理及粮食安全等问题提供准确可靠的农作物长势、类别分布、作物产量等动态信息，是农业决策中不可替代的信息来源。但由于遥感影像时空分辨率的限制，从遥感数据中提取精细化的农业信息成为其行业应用的主要瓶颈。在分析实际应用需求和最新技术发展的基础上，本文以国产环境一号卫星和资源三号卫星影像为数据基础，以遥感信息图谱认知方法论为指导，综合时间序列分析方法，提出协同时空信息的作物类型识别方法，取得了较好的实验和应用示范效果。 本文主要研究内容与结论如下: (1)发展了遥感时空图谱协同认知理论，在继承遥感信息图谱理解的基础上，针对数据极大丰富的现实条件下提出了以时序信息为中心的认知思路，同时从数据利用、知识应用等方面拓展信息来源，在认知流程中融合时间维度下图谱协同，通过地学综合分析和图谱耦合分析提高解译精度; (2)国产卫星空间一致性及数据有效性问题。首先探讨了多传感器遥感数据产品生产中存在的空间不匹配问题，就H J-1及ZY-3影像的几何一致性出的的关键技术进行深入研究，针对HJ-1大幅宽及倾斜观测的特性，提出了考虑地形形变的HJ-1影像正射校正算法;在此基础上并建立了HJ-1自动化正射校正流程。 (3)实现了多时相HJ-1 NDVI时间序列重建过程。通过对遥感影像中存在的云影噪声特性分析，实现基于云影厚度加权的S-G滤波方法，并通过该方法进行NDVI时序信息重建;将遥感时序分析方法拓展至中尺度，为高精度的作物时序分析提供了数据保证。 (4)在图谱耦合认知理论的支持下，构建协同时空信息的作物类型识别方法。基于基元提取与表达的认知思想设计农耕地块精细定位算法，以精细地块作为空间约束;在此基础上，深入挖掘基元内时序谱特征，综合作物种植结构的农学知识，对基元特征进行分析;协同图谱特征，形成“基元-对象-目标”的农作物类别判别过程。 (5)针对海量国产卫星数据在生产实践当中的实用性和具体应用，构建时序信息产品生产体系，具体针对国产卫星数据可以构建包括国产卫星有效数据、时间序列产品、种植结构信息产品等在内的完整信息产品体系，为农业部门提供准确及时的种植结构信息支撑服务。 通过本文研究将遥感信息图谱认知方法论应用于国产卫星数据的影像解译过程，以精细化地块单元为空间约束，协同基元内部的时序特征进行遥感信息解译，是对国产卫星影像的综合应用具有较好的示范作用。从应用需求上来看，本文的算法为多源遥感影像应用于精细化农业生产提供了思路，研究结果表明，协同多源影像信息的遥感影像解译方法具有一定的可行性，能够解决单时相影像解译中存在的“同谱异物”的问题。随着国产卫星在时间分辨率和空间分辨率的进一步丰富，如何进一步协同多源影像并将多维度特征应用于信息解译仍需要进一步研究。