一年一季农作物遥感分类的时效性分析-中国农业科学.pdf

中国农业科学 2017,50(5):830-839 Scientia Agricultura Sinica doi: 10.3864/j.issn.0578-1752.2017.05.006 一年一季农作物遥感分类的时效性分析 刘焕军，于胜男，张新乐，郭栋，殷继先 （东北农业大学资源与环境学院，哈尔滨 150030 ） 摘要：【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础，也是推动 现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情，进行宏观调控提供依据。目前，农业遥感 研究主要集中于中低分辨率遥感影像，影响植被信息提取的精度，应用高分辨率多时相遥感影像和选择最优分类 方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法，为快速、准确地获取作物空间 分布数据和农情定量遥感监测提供依据。 【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥 感影像，构建 16 m 分辨率 NDVI 时间序列曲线，建立决策树分类模型，通过分类影像进行系列阈值分割，并结合 辅助背景数据及专家知识，成功提取虎林市土地利用覆被信息；利用20 幅影像依次波段合成的方式进行作物分类， 明确最优时相；将提取的耕地范围作为作物分类规则，并与未提取耕地范围的作物分类结果进行比较；同时通过 最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法 进行作物分类；利用农业保险投保地块数据进行精度验证。 【结果】（1）7月初、7月末到8月初、9月末是研究 区一年一季作物遥感分类的 3 个关键时相；（2）决策树分类方法在提取土地利用覆被信息的结果中精度最高，总 体精度90.24%，Kappa系数0.87；（3）6月初与7月初 2 幅影像结合采用最大似然法对作物进行分类的总体精度 高达94.01%，Kappa系数为0.79，6月初与 7 月初的影像结合，可以解决作物分类的时效性；（4）结合9月21日 的影像，总体精度进一步提高，大豆分类精度明显提高，最终确定最大似然法为最优作物分类方法。【结论】通过 遥感数据能实现在7 月上旬对作物进行精准分类，拓展了遥感数据在农业领域的应用价值，对一年一季地区作物 快速分类与农情定量遥感监测有重要意义。 关键词：时间序列遥感影像；作物分类；时效性；决策树；最大似然法 Timeliness Analysis of Crop Remote Sensing Classification One Crop A Year LIU HuanJun, YU ShengNan, ZHANG XinLe, GUO Dong, YIN JiXian (College of Resources and Environment, Northeast Agricultural University, Harbin 150030) Abstract: 【Objective 】Crop type remote sensing identification is a basis of crop cultivated area and crop growth analysis and yield estimation, and it is a very important driving force to promote the rapid development of modern agriculture. At the same time, it is also a basis for macro-regulation and control of understanding of agricultural conditions by the departments of agriculture as well as other related ones. At present, most of