论文部分内容阅读
玉米是我国重要的粮食作物,饲料作物和工业原料。对于全国范围内玉米种植面积和长势状况的监测,需要客观、准确、可靠的技术支撑体系作为保障。随着遥感技术的发展,大范围内的农作物长势和种植面积监测成为可能,其监测结果为国家农业生产决策、粮食贸易提供了重要的参考依据。在我国东部地区,多云雨的气候条件限制了光学遥感对玉米的监测,很难在玉米的生长期内获得完整、连续的观测数据。而雷达遥感具有不受天气和光照条件的限制,全天时、全天候成像能力的优点,成为对玉米监测又一主要的数据来源。本文利用玉米生长期内的3景全极化Radarsat-2雷达影像数据,以江苏省睢宁县为试验区,结合玉米地上生长参数数据,对玉米制图原理和方法进行了分析和探讨,比较了决策树分类和基于散射特征的分类方法,并通过实测GPS数据分别对两种分类方法进行检验;在此基础上,对玉米后向散射系数与玉米生物学参数的相关性进行了分析,通过建立经验模型对玉米主要生长参数(LAI)进行反演,并结合实测地面数据对反演精度进行验证。结果表明,Radarsat-2雷达影像数据对玉米长势状况和种植面积监测具有可行性和较高的准确性,为雷达遥感影像提取,识别和检验农作物信息提供了重要的参考。就此,论文所得主要结果如下:(1) Radarsat-2雷达遥感数据的预处理。运用SARINFOS、PLOSARPRO、ENVI、ERDAS等软件,完成对原始数据的辐射定标,噪声滤波,几何精校正和地理参考的预处理步骤。实现了3景影像与地面0.1m分辨率的GPS矢量数据相互的精确配准,这为以后从影像数据中农作物的信息提取和利用提供了标准的数据源。(2)玉米识别与制图方法的研究。通过分析3景雷达遥感数据中不同地物类型的后向散射特征的差异性,利用决策树分类算法和基于散射机理的分类算法对影像进行农作物识别分类和玉米种植面积提取。经过验证,基于散射机理的分类方法为83.07%,玉米分类精度80.9%;决策树分类的总精度80.09%,玉米分类精度84.7%。两种方法都能以较高的精度进行玉米分类。但由于SAR图像会受到相干噪声斑点的影响,对决策树分类算法的识别干扰较大,相比较决策树分类算法,基于散射机理的分类算法结果图中象元分布更加平滑、均匀,分类较好。(3)探讨了对制图结果验证的方法。分别利用分类算法中混淆矩阵和象元统计的方法,结合实地GPS样方数据,对分类结果图进行验证。比较了验证方法的结果,依据提供同样的训练样本区,比起由遥感图像处理软件生成的混淆矩阵验证方法,象元统计的验证方法更为清晰、方便。(4)利用雷达遥感数据与地面玉米生长参数的相关性,建立经验模型,结合本文玉米制图的分类结果,反演玉米生长的主要参数,实现对玉米长势状况监测的目的。其结果表明,遥感影像中7月30日HH极化后向散射系数、8月23日HV极化后向散射系数与玉米叶面积LAI有较好的相关性,R为0.8,R为0.61,并结合玉米种植面积分布图反演了玉米在该时期的长势状况。