基于MODIS遥感数据混合像元分解的小麦识别及其面积估算
【摘要】:
我国北方小麦生产在全国粮食生产中占有举足轻重的地位。及时掌握小麦播种面积、长势及产量信息,对加强小麦生产管理,进一步挖掘生产潜力,对政府部门制定科学合理的粮食政策,确保国家粮食安全,具有十分重要的意义。目前,大尺度农情监测最直接、最经济的手段是依托于遥感技术。特别是近几十年来,遥感已经迅速发展成为一门综合性技术学科。遥感作为地球信息科学的前沿技术,具有数据客观、现势性好的特点,可以在较短时期内连续获取大范围的地面信息。因此,将其作为农情监测的手段具有得天独厚的优势。基于遥感的农作物种植面积提取的关键技术是对地物类型的准确识别。但由于受到传感器空间分辨率及地表地物类型多样性等约束的限制,混合像元普遍存在于遥感影像中,致使地物类型的判别精度难以提高。
在综合比较国内外常用混合像元分解模型优缺点的基础上,优选具有较为成熟、可操作性强、拟合能力好的线性光谱混合模型对研究区内的MODIS数据进行混合像元分解实验,并进一步以小麦为主要研究对象进行种植面积的提取。与采用端元反射率作为分解因子的传统分解方法相比而言,本文尝试引入归一化植被指数(NDVI)、增强植被指数(EVI)和差值植被指数(DVI)作为新的混合像元分解因子,并经精度评价指标体系验证,确定了增强植被指数(EVI)为最佳的分解因子。
菏泽位于鲁西南平原地区,境内气候属暖温带季风型大陆性气候,为农作物的生长提供了极为有利的条件,是山东主要的小麦生产基地,因此,选取菏泽地区作为本课题中的研究区。优选具有高光谱分辨率、高时间分辨率和适中空间分辨率的MODIS数据作为遥感数据源,经过大气校正、“双眼皮”效应消除、地理定标、影像剪切及融合等预处理过程,获得满足研究所需的遥感资料。建立基于菏泽地区MODIS数据的归一化植被指数、增强植被指数和差值植被指数时间序列。
地物终端像元和纯度的确定对混合像元分解精度具有关键性作用。通过提取分析不同生育期内各种地物类型的植被指数变化曲线,发现不同地物在植被指数时间序列中具有各自独立的波动规律。将决策树分类法的优势融入混合像元分解,利用决策树确定地物类型识别的阈值区间,进而构建基于植被指数时间序列的端元提纯模型。
对Landsat5 TM数据采用监督分类,根据分类结果图提取小麦种植区域,并进行像元积聚分析,将其结果作为MODIS混合像元分解精度的评价标准,得到如下结论:混合像元的分解精度受地表粗糙度的影响较大,在大田区内的像元分解精度优于混合种植区内的像元分解结果;对端元提纯前后的混合像元分解结果进行对比分析,结果显示端元经过提纯模型后混合像元分解总量精度、像元精度分别提高了6.32%和2.60%;在总量精度方面,经过EVI时间序列端元提纯模型后的混合像元分解结果较传统的仅依据反射率的分解结果高出5.12%,更优于经NDVI、DVI时间序列端元提纯模型后的分解精度7.88%和1.45%;在像元分解精度方面,经过EVI时间序列端元提纯模型后的混合像元分解结果较单纯对反射率数据分解结果的高出2.83%,高于基于NDVI时间序列的混合像元分解结果5.27%,仅略低于基于DVI时间序列混合像元分解结果0.88%,总体而言,基于EVI时间序列的线性像元分解模型是最佳的混合像元分解方法。
在中德科技合作与交流项目(2007DFB70200)和山东省自然科学基金(Y2008E10)的资助下,本文从我国农情信息需求出发,研究如何充分利用多时相高光谱遥感数据实现小麦类型、面积等信息的识别、提取和动态监测,发展基于遥感信息、具有较高精度保证的小麦识别与面积估测方法,探索性建立具有较高可行、经济和现势性的业务化运行方法。该项目的研究成果不仅具有较高的经济和社会效益,且对推动我国农情信息调研现代化具有重要的学术和应用价值。