烟草是由国家管控的特殊经济作物,我国烟草领域施行统一领导和垂直管理的制度。依据相关规定,烟草的种植需由烟草主管部门实行统一的管理。烟田面积测量是监控烟民实际移栽烟草数量和面积与合同签订株数、面积相符的重要手段。烟草遥感估产利用遥感影像进行烟草信息提取可以及时准确的获得大面积烟草产量的相关动态数据,能做到不接触、不破坏、简单易行、高精度、时效性高和经济可行。为生产管理部门及时、准确地掌握当年烟草生产形势、调整烟草指导性种植计划以及有关政策执行情况的评估等提供重要的参考依据,为烟草的科学研究和定量化管理奠定基础。目前临沂沂水县仍采用人工实地测量的传统方法获取套种烟草面积,工作量大,耗时、耗力。遥感估产在烟草领域的研究较少。论文基于山东临沂沂水县研究区特殊的山地套种模式,利用ENVI5.1软件处理资源三号2.1m全色影像和5.8m多光谱影像,以期获得快捷、高精度的产量估测途径。研究首先对影像进行大气校正获得真实的波谱值,导入1:10000DEM数据对影像进行正射校正以纠正地形起伏引起影像上的误差,采用GS影像融合的方法生成高精度多光谱影像。通过野外调查获取代表性地面控制点(GCP)并采集其GPS等信息。利用面向对象分类方法,对影像进行智能化的分割和合并,以GCP的光谱、纹理和形状属性创建规则提取烟草面积。通过收集分析烟草有效的多光谱信息,结合实测产量数据分别构建烟草多光谱信息-烟草产量预测回归模型,并对模型进行评价优选。本文的结论如下:(1)遥感影像的预处理可消除影像成像时由于各种因素导致的影像几何畸形、大气消光、辐射量失真等现象。正射校正过程中添加1:10000DEM数据,可以很好的修正地形起伏引起的影像上的误差。GS影像融合可结合资源三号影像高分和多光谱的双重特性,保持光谱值的真实性。(2)面向对象特征地物提取效果远远优于非监督分类和决策树分类。面向对象分类方法充分利用高分影像丰富的光谱、形状、结构、纹理、相关布局以及影像中地物之间的上下文信息,可以显著提高分类精度。影像分割和合并是面向对象特征地物提取的前提。分割合并尺度的设定要根据实地考察资料和特征地物具体特点,经过大量的组合实验最终选定最适分割合并尺度,才能使得分割后的烟草地块既不破碎又不会与其他地物混合在一个对象内,获得较好的效果。经过分类后处理提取的研究区烟草面积为14088.46hm2,分类精度高达94.63%。实用性较高。(3)通过烟草各波段和植被指数与烟草实际产量的相关分析得出:波段1、波段2和波段3与产量相关性较好;波段4、NDVI、DVI和RVI与产量的相关性均达到了显著水平,其中NDVI和RVI与产量相关性最好,分别为0.968和0.967。(4)研究建立了波段4、NDVI、DVI和RVI与烟草产量的遥感估产模型。各估产因子与产量的拟合程度不同,同一估产因子的采用不同的方程式的其拟合程度也会不同。NDVI与产量拟合性最高;band4与产量拟合性相对较差;DVI和RVI与产量拟合性居中。估产模型精度除波段4的预报精度为86.7%,植被指数的估测模型精度都高于90%。其中估产模型精度最高为NDVI,其模型精度为97.3%,RVI和DVI模型精度适中。