论文部分内容阅读
遥感技术具有高信息量、宏观性、客观性和时效性等综合优势,是农业、林业、国土资源等部门进行监测管理的重要技术手段。作物种植面积的准确提取与作物长势监测、产量预测、市场价格等问题密切相关。传统基于遥感技术的作物面积提取方法大多依赖单一的MODIS、TM或SPOT等中高分辨率卫星数据,由于单一数据源数据量的限制,一般较难达到时间与空间尺度的平衡,提取精度仍有待提高。近年来,随着各种新型传感器的不断推出,不同数据之间的交互比较及耦合应用已成为研究的热点。因此,研究如何借助多源遥感数据实现高空间分辨率时间序列的构建,从而有效提取农作物的种植时空分布将具有重要的使用价值和研究意义。本文以解决目前地物识别中高空间分辨率单源遥感数据连续性差的问题为研究目标,以GF-1与Landsat-8影像为基本数据源,提出联合构建高空间、高时间分辨率植被指数时序数据的研究思路,以期提高农作物种植结构提取及农作物估产精度。本文首先通过数据选取规则确定、植被指数转换等一系列处理流程,解决了因数据采集平台不同引起的数据差异性等问题;然后基于线性回归模型,构建了GF-1与Landsat-8转换方程,并进行了滤波处理和精度评估;再次,引入5种距离测度方法,以石津灌区为实验区,综合比较了新构建时序的聚类精度,评价了GF-1与Landsat-8植被指数时序插补序列的效果和适用性,并与以MODIS、TM为遥感数据源的传统分类方法进行对比分析,确定石津灌区种植结构提取的最佳数据源及识别方法。最后,论文基于石津灌区种植结构空间分布,以光谱信息、降水、气温为影响因子,对粮食单产进行了遥感估测。实验结果表明:(1)Landsat-8与GF-1 NDVI数据呈现高度线性相关,经转换方程转换后,GF-1 NDVI拟合数据与Landsat-8 NDVI关系增强,有效减少了数据差异程度;(2)基于多源数据建立的植被指数时序数据能充分发挥GF-1与Landsat-8影像的各自优势,相比其单源数据,在地物识别中具有更高的分类精度。5种距离测度的分类结果均取得较高精度,总体分类精度最高达到96.09%;(3)以MODIS NDVI时间序列为数据源的总体分类精度为84.13%,Kappa系数为0.79。多时相Landsat-8分类总体精度介于76%~86%,Kappa系数介于0.6~0.75之间。与多源时序插补数据的分类结果进行比较,传统分类方法提取精度较低,进一步验证了GF-1与Landsat-8时序插补进行遥感识别的可行性;(4)基于石津灌区种植结构空间分布,分别建立了光谱产量模型、气象产量模型和光谱气象产量综合模型。与光谱产量模型和气象产量模型相比,光谱气象产量综合模型的相关系数高达0.89,留一交叉检验的决定系数达0.79,总体上优于另两种估产模型。该研究为开展中小尺度区域遥感识别和粮食产量遥感估测提供了一种新的技术手段,为政府及其他有关部门及时了解不同生态区域粮食生产趋势提供了指导,研究结果可为粮食贸易和宏观调控政策的制定提供参考依据。