论文部分内容阅读
利用遥感图像进行作物分类是遥感应用领域的一项重要研究内容。国内外的学者对遥感图像分类算法研究的也比较多。但总的来说,目前还没有一种算法是普适的和最优的。这是由于作物类别的复杂性以及遥感信息的综合性决定的,又加上混合光谱的存在,从而使遥感图像的分类变得更为复杂。如果仅仅依靠光谱特性进行作物的分类往往很难达到理想的精度。因此近年来也涌现出了不少研究遥感图像分类的新方法,这些方法对分类精度在一定程度上有所提高,并且也取得了一些经验和成果。但对于这些新方法而言,有的由于操作上的困难性或者理解上的复杂性,实现起来具有一定的难度。有的仍然处于研究阶段,算法还不成熟,其结果还有待进一步的验证。并且这些算法忽视了时相信息在作物分类中的作用,更没有把时相和波谱信息进行合理的组合。 由于图像的光谱特征与农作物的生育期是紧密相连的,因此对于农作物的分类,时相的选择或时相信息的利用就成了影响作物分类精度的一个不容忽视的因素。基于时相和波谱信息进行作物分类能够充分利用不同农作物间的物侯差异,避开不同作物生育期的交叉点,从而在作物分类时可以较好的排除不同作物间的干扰因素,一定程度上避免分类中的同物异谱和同谱异物现象,提高作物分类的精度。 因此,本论文在分类过程中充分考虑了农作物的生育进程随时间变化的规律性,在时相和波谱信息融合的基础上分析了不同作物、不同生长发育期的光谱特征。论文利用不同的遥感数据源、不同的分类方法对基于时相和波谱信息的作物分类进行了研究,并且通过混淆矩阵的方法对分类结果进行精度评价,验证了该方法的可行性。针对不同的研究区概况有针对性的选用了不同的遥感数据以及不同的分类思路与方法。对于北京研究区选用了中高分辨率的 TM 图像,在时相和波谱信息融合的基础上利用决策树分类的方法对北京主要农作物进行了分类。而对黑龙江研究区则选用了时序 MODIS 数据,并且利用时间序列谐波分析(HANTS)的方法对时序遥感图像进行分解重构,以达到去除云污染提高图像质量的目的。本论文还利用不同分辨率影像相互结合对作物分类进行了探讨,通过对黑龙江研究区的尝试证实了这种方法的可行性。根据不同分辨率影像各自的特点,利用高空间分辨率图像的空间优势,将其分类结果分不同类别进行统计分析,通过时相和波谱信息的结合建立时间谱曲线作为低分辨率图像的分类依据,参与低分辨率图像的分类过程。并且利用高分辨率影像对低分辨率影像的分类结果进行了验证,取得了一定的效果。