農情遙感監(jiān)測與估產(編輯修改稿)
2025-06-03 23:53 本頁面
【文章內容簡介】 ? 結合地面樣點的監(jiān)督分類方法 ? 分層分區(qū)圖像分類法 ? 多時相分析方法 ? 多源數(shù)據(jù)結合的方法 ? 其它遙感影像分類方法 ：神經網絡方法 、模糊數(shù)學方法 、專家系統(tǒng)方法 、基于混合像元分解的分類 、面向對象的信息提取 ? 多種方法的結合應用 遙感圖像分類監(jiān)測方法 作物的光譜特征在其生長季中是不斷變化的，不同作物的物候期常常存在交叉現(xiàn)像，因此通過單時相的遙感影像不可能獲取所有作物的最大差異。而利用多時相遙感影像，借助植被物候所提供的輔加信息，會使分類精度有較大程度的提高 。 1. 地面采樣點數(shù)據(jù) 外業(yè)調查目的 數(shù)據(jù)處理和模型構建提供基礎信息 外業(yè)調查工具 手持式 GPS（ Garmin GPS 12XL）進行外業(yè)調查的現(xiàn)場定位 坐標變換 通過 GIS軟件將 GPS定位的樣地經緯度數(shù)據(jù)轉換成與圖像坐標一致的大地坐標。然后在遙感圖像上進行地面樣點地位，讀取地面樣點的遙感監(jiān)測信息 基于時序 TM數(shù)據(jù)的作物分類 樣點號 樣點名稱 北緯 ( 度 ) 東經（度） 地物類型1 房山 1 號 36. 043 115 . 990 3 春玉米2 房山 2 號 42. 874 115 . 066 7 春玉米3 房山 3 號 35. 673 115 . 795 8 夏玉米4 房山 4 號 35. 996 115 . 790 2 夏玉米5 房山 5 號 36. 866 115 . 874 2 夏玉米、播種晚6 房山 6 號 35. 083 115 . 865 3 果樹7 通縣 1 號 39. 731 43 116 . 545 9 冬小麥8 通縣 2 號 39. 864 78 116 . 624 7 冬小麥9 順義 1 號 40. 136 5 116 . 487 7 冬小麥10 順義 2 號 40. 136 52 116 . 487 8 冬小麥11 密云 1 號 40. 552 04 116 . 919 5 苜蓿12 密云 2 號 40. 549 63 116 . 982 5 苜蓿13 順義 1 號 40. 104 63 116 . 733 9 苜蓿14 順義 2 號 40. 088 34 116 . 699 5 苜蓿北京地面采樣點 基于時序 TM數(shù)據(jù)的作物分類 2. NDVI時間譜曲線 NDVI計算公式 ? ? ? ?4 3 4 3N D V I T M T M T M T M? ? ?將作物的 NDVI值以時間為橫坐標排列，便形成了作物生長的 NDVI動態(tài)跡線，它以最直觀的形式反映了作物從播種、出苗、抽穗到成熟、收割的 NDVI變化過程。作物種類不同，其 NDVI曲線具有不同的特征 NDVI時間譜曲線 基于時序 TM數(shù)據(jù)的作物分類 3. 北京 NDVI時間譜曲線 011Apr 17Apr 19May 6Jul 8SepdateNDVIchunyumi wheat+maizemuxu juminqushuiti lindi 基于時序 TM數(shù)據(jù)的作物分類 4. 北京研究區(qū)作物分類 ——決策樹法 對北京研究區(qū)主要作物種植信息的提取是在對時間譜曲線分析的基礎上利用決策樹分類的方法實現(xiàn)的。 首先根據(jù)不同作物生育周期季相節(jié)律差異性，設計不同的決策函數(shù)，分別提取不同作物的種植信息。 基于時序 TM數(shù)據(jù)的作物分類 基于時序 TM數(shù)據(jù)的作物分類 北京 DEM 基于時序 TM數(shù)據(jù)的作物分類 4 月 1 日 N D V I 閾 值植 被 非 植 被是 否D E M 圖 像邏 輯 與 運 算苜 蓿 、 小 麥 、城 市 綠 化 用 地邏 輯 與 運 算苜 蓿 、 城 市 綠化 用 地人 機 交 互式 修 訂苜 蓿 提 取7 月 6 日 N D V I 閾 值5 月 1 9 日 N D V I 閾 值初 步 提 取 冬 小 麥的 種 植 信 息4 月 1 7 日 T M反 射 率 圖 像邏 輯 與 運 算提 取 冬 小 麥種 植 信 息4 月 1 7 日 N D V I 閾 值是否9 月 8 日 N D V I 閾 值是是夏 玉 米植 被
環(huán)評公示相關推薦
鄂ICP備17016276號-1