水稻是中国主要的粮食作物之一,其长势监测、种植面积提取与产量的估算对于我国农业和经济的发展具有重要意义。遥感技术具有客观、及时、准确等特点,对于水稻种植面积的测算具有很大优势。美国Landsat TM数据具有空间分辨率高(30m)、技术成熟等优点,并且目前TM数据在土地利用覆盖分类、作物面积遥感测算、作物估产等领域已经应用比较广泛。重庆是多云雨的地区,在整个水稻生育期要获取国外可用的遥感图像(如Landsat TM、SPOT)比较困难,而中巴地球资源一号卫星是我国空间技术研究院和巴西空间院联合研制的第一颗卫星,它与Landsat TM数据的波段光谱特性相似,且其分辨率为19.5m略高于LandsatTM,性价比较高,所以选用中巴卫星(CBRES)提取水稻面积具有一定优势。本文利用2006年获取的5个时期的中巴卫星CBRES CCD影像和1景Landsat TM影像数据,以重庆市梁平县为研究对象,综合应用了RS和GIS技术手段,并结合现有的土地利用现状图与其他统计资料,对CBRES CCD数据在水稻种植面积监测方面的应用潜力进行了探讨,主要的研究内容和结果如下:(1)遥感图像预处理。应用遥感处理软件Erdas Imagine8.7以及辅助的地理信息系统软件Arcmap9.0对原始遥感影像进行辐射校正、辐射增强处理、几何精校正等,均取得了较好的校正效果。(2)波段组合。通过比较研究表明,CBRES-02 CCD图像采用第4、3、2波段组合进行假彩色合成的影像地物光谱信息差异最大,而Landsat TM影像的第5、4、3波段组合假彩色合成的影像效果最好。(3)遥感图像分类。以研究区的土地利用现状和农业生产特点,同时结合目视解译和实地考查资料,将研究区土地利用类型划分为水田、旱地、林地、草地、建设用地及水域6个大类别。通过建立解译标志,选择训练样本,对各时期遥感影像进行监督分类,测算研究区的水稻种植面积。(4)Landsat TM影像分类提取水稻面积结果:2006年8月的TM影像提取研究区的水稻面积为48091.05hm~2,2006年统计的实际水稻种植面积为48720.47 hm~2,TM影像的水稻识别精度为98.71%。通过随机抽样对该TM影像分类结果进行误差分析,得到水稻识别的像元精度为94.12%,总体分类精度为90.13%,该分类结果可以作为检验多时相CBRES-02 CCD影像提取水稻种植面积的标准。(5)多时相CBRES-02 CCD影像分类提取水稻面积结果:从各个时期CBRES-02 CCD影像分类提取梁平县总的水稻面积结果与TM影像提取结果相比较来看,2006年5月18日的影像分类提取的结果最好,其水稻面积为44421.49 hm~2,其精度达到92.37%:其次是2005年11月28日的影像,提取水稻面积为43473.83 hm~2,其精度为90.40%;再次是2006年10月17日水稻收割以后的提取结果,水稻面积为38394.83 hm~2,精度为79.84%;2006年8月25日的影像提取的水稻面积为36171.24hm~2,精度为75.21%;精度最低的为2006年3月29日的影像提取结果,水稻面积为35026.92 hm~2,精度仅为72.83%。从不同海拔高程各时期的CBRES-02 CCD影像水稻识别的精度来看,海拔400～500m的区域水稻识别精度最高,该区域水稻识别效果最好的时期其差值率为-2.08%,识别效果最差的时期其差值率为-18.74%;其次为海拔低于400m的区域,水稻识别的精度最高的其差值率可以达到4.06%,而最低的差值率为-33.72%;水稻识别效果最差的为海拔500～600m及高于600m的区域,精度最高的时期其差值率分别达到-24.95%、-29.85%。由此可见,水稻识别精度受到海拔高度与地形因素的影响,海拔越低,地势越平坦,水稻分布越集中,水稻识别精度越高;海拔越高,地形条件越复杂,地块越破碎,水稻识别的精度越低。从TM影像与各时期的CBRES-02 CCD图像以乡镇为单位所提取水稻面积结果的相关性分析来看,2006年5月18日的影像与TM影像提取的水稻面积相关性最好,相关系数R为0.9027;其次是2005年11月28日的影像,它与TM影像的提取结果的相关系数为0.8795;再次是2006年3月29日与2006年10月17日的影像,它们与TM影像的提取结果相关系数分别为0.8149、0.8418;与TM影像提取结果相关性最差的是2006年8月25日的影像,其相关系数为0.5835。研究结果表明,水稻移栽时期(5月中下旬)是CBRES-02 CCD影像提取水稻种植面积的最佳时期。利用CBRES-02 CCD影像资料进行水稻种植面积的提取可以得到比较理想的结果,它可以与国外遥感影像TM、SPOT影像一样作为水稻识别的重要手段和主要的信息源。