多星数据协同的地块尺度作物分类与面积估算方法研究

作     者：黄启厅 覃泽林 曾志康 HUANG Qiting;QIN Zelin;ZENG Zhikang

作者机构：中国科学院遥感与数字地球研究所遥感科学国家重点实验室北京100101 中国科学院大学北京100049 广西农业科学院农业科技信息研究所南宁310001 

出 版 物：《地球信息科学学报》 (Journal of Geo-Information Science)

年 卷 期：2016年第18卷第5期

页      面：708-717页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基　　金：国家高技术研究发展计划项目(2015AA123901) 广西科学研究与技术开发计划项目(14125008-1-6) 高分辨率对地观测系统重大专项(03-Y30B06-9001-13/15-01) 国家自然科学基金项目(41301473) 

主　　题：遥感 图谱认知理论 作物识别 地块尺度 

摘      要：为了解决多云雨地区遥感数据时空覆盖缺失的问题,以满足对地块尺度作物种植信息日益迫切的应用需求,本文在遥感图谱认知理论框架下发展了一种基于多星数据协同的地块尺度作物识别与面积估算方法。首先,基于米级高分辨率影像提取农田地块对象;其次,通过对多源中分辨率时序影像的有效化处理和指数计算,获取碎片化的高时空覆盖有效数据,并以地块对象为单元构建时间序列;然后,在时序分析基础上,建立多维特征空间,结合作物生长物候特征,构建决策树模型进行作物分类识别与面积计算;最后,以湖南省宁远县为研究区开展了水稻种植信息的提取实验。结果表明:本文方法可在农田地块尺度下实现不同水稻类型的准确识别及其种植面积的精细提取,早、中、晚稻的用户精度分别可达94.33%、90.76%和95.95%,总体分类精度为92.51%,Kappa系数为0.90;早、中、晚稻面积提取精度分别为93.37%、91.23%和95.42%。试验结果证明了本文方法的有效性,为其他作物种植信息的精细提取提供了借鉴。