论文部分内容阅读
遥感技术是空间技术的核心组成部分,它具有高信息量、宏观性、客观性和时效性的优势,使其成为农业、林业、国上资源等部门进行监测管理不可替代的技术手段。小麦种植面积的准确估算关系到产量预测、市场价格等重要的现实问题。传统面积估算方法耗时耗力耗资金,且受人为因素影响导致结果不甚准确,已不能满足管理需求。目前对于小麦的面积识别研究大部分都是建立在Landsat系列卫星、ERS-1卫星和SPOT系列卫星数据之上,然而基于我国自主研发的高分一号卫星的小麦遥感识别研究还有待深入探索。本研究以昌吉市为研究区,2015年实地采集小麦、玉米、棉花、其他作物样本数据,基于高分一号和Landsat-8遥感影像,利用单时相、多时相NDVI序列遥感数据和五种常用的监督分类方法,对比分析2015年昌吉市小麦面积识别的最佳数据源、最佳识别时相以及识别方案。结果表明:1)Landsat-8总体分类精度稍好于高分一号卫星数据,但高分一号卫星的小麦生产精度和用户精度却高于Landsat-8卫星数据。即国高分一号卫星总体分类精度稍低,但其小麦生产和用户精度相比Landsat-8卫星要高。因此,如果研究目的是要进行农作物空间分布解译,建议使用数据质量更好更稳定的Landsat-8卫星数据;如果是要识别昌吉市小麦种植面积,建议使用高分一号数据,以便获得更高的解译精度。2)单时相影像解译,5月份是识别小麦面积的最佳时相。多时相NDVI时间序列的总体解译精度和小麦的生产精度及用户精度均高于单时相数据,是小麦面积解译的优选方法。3)如果基于单时相数据进行昌吉市小麦面积提取,最大似然方法监督分类是最优的方法。而基于多时相NDVI序列数据进行小麦面积提取,最大似然法和最小聚类法均是最优方法。整体来看,最大似然方法是小麦面积识别中精度最高的监督分类方法。4)2015年昌吉市小麦面积解译识别的最佳模型是,基于高分一号16 m多光谱数据、利用多时相的NDVI时间序列,以及选择最大似然或最小距离作物监督分类器,从而实现最高的小麦面积识别精度。基于该模型解译2015年昌吉市小麦面积为12486公顷,小麦面积提取精度为91.8%。