基于RapidEye遥感影像的农作物种植面积提取研究

农作物的播种面积、产量等信息是国家制定粮食政策和经济计划的重要依据。作物的种植面积反映了在空间范围内利用农业生产资源的情况，是了解农产品种类、分布特征的重要信息的有效途径，是进行农业结构调整的依据。及时了解农作物播种面积、长势及产量，对于加强农作物生产管理，进一步发挥生产潜力，辅助政府有关部门制定科学合理的粮食政策有重要的意义。传统的产量估算途径主要是用调查统计方法，根据自下而上的统计报表，所得到产量数据不仅时效性差、人为影响比较大、信息的准确度也无法保证。由于遥感覆盖面积大、探测周期短、资料丰富、现势性强、费用低等特点，为快速准确的农作物估产提供了一种新的科学手段。本文拟应用遥感方法，尝试对武城县农作物面积进行快速准确的估算。 本文以武城县为研究区，以RapidEye影像、土地利用现状矢量图为主要研究数据源，基于eCognition、ENVI、ArcGIS软件平台，采用面向对象与知识规则创建相结合的分类方法对研究区农作物面积信息进行了量算。首先，采用基于地块的面向对象多尺度图像分割理论，根据研究区影像像素亮度、纹理、颜色等特征对RapidEye影像进行分割，构建各类地物对象；再创建各种知识规则，包括基于光谱特征指数NDVI进行非植被信息的提取；基于光谱信息在蓝光波段、红光波段、近红外波段设置阈值以提取大棚、林地、水体等地物，最后去除线状地物的干扰，并且进行目视解译修正明显错误图斑，得到武城县农作物分布图，并进行农作物面积的估算。 为了证明方法的可行性，本研究采用随机抽样的方法对提取精度进行检验，在研究区内随机选取300个检验点，采用目视判别的方法记录这300个点所对应的地物类型，并将本文的研究方法与最大似然的监督分类的提取结果进行对比验证。结果表明，本文所用的基于知识规则的面向对象的分类方法提取精度较高。 本文研究后得出的结论为： (1)面向对象分类方法比最大似然分类更加适合于小麦面积的提取。 面向对象的结果与人工数字化更加接近，而且用时比数字化少的多；面向对象分类基于对象，对象内部相对均一性，最大似然分类基于像元，存在同谱异物和同物异谱的现象；面向对象分类减小了噪声的影响并克服椒盐现象，同时利用地物多方面的特征如光谱、空间、上下文关系等，分类精度较高。 (2)面向对象分类方法与最大似然分类提取结果有着较大的差异，但是小麦的分布特征基本一致。 (3)面向对象分类方法与GIS辅助数据相结合，提高分类精度。本文面向对象分类中加入了研究区地块矢量数据，基于地块的分割与分类，使得地物不致过于破碎，零散，能够保持地物的完整性特征，分类精度较高。 (4)时相的选择对于面向对象分类方法意义重大。本研究中提取棉花、玉米均不能反映真实的种植情况，存在着较大的偏差，易于与周围地物混淆，棉花、玉米与周围的裸地难以区分。 (5)选择合适的分割尺度对于面向对象分类的结果至关重要。分割尺度的选择，是进行分割的起点，它的选择的优劣与分类的结果息息相关。选择合适的尺度，分割的结果中地物不至于过于破碎，同时维持地物的空间特征。 (6)本文eCognition软件的应用，为研究提供了矢量图斑，属性表，有利于出图的需要，为进一步RS与GIS的集成提供了很好的契机。