棉花是新疆的主要经济作物,快速、准确地监测新疆棉花的种植面积、长势和分布等情况,对棉花病虫害监测、棉花产量和质量评估等具有重要意义。中国自行研制的环境减灾小卫星星座(HJ-1A/1B卫星)有着综合优势,因其覆盖范围广、重访周期短、空间分辨率高,多光谱维,数据处理简单,并能免费获取,在作物种植面积及病虫害信息提取方面具有很大的应用前景。本文以我国新疆种植区棉花为研究对象,利用HJ卫星数据结合地面冠层高光谱数据,对棉花面积进行了提取,并进行了病虫害发生早期的识别和提取,主要内容总结如下:(1)冠层尺度棉花病虫害识别。本文分析了棉花不同病虫害在冠层尺度上的光谱特征,选取了能够识别和区分棉花黄萎病和棉叶螨的植被指数和小波特征,分别利用植被指数和小波特征建立病虫害识别模型。结果表明,通过选取的植被指数和小波特征建立的判别区分模型都能很好地区分病虫害的类型,其中植被指数法建立的识别模型总体精度为97%,小波特征建立的判别模型精度为99%,相对而言,由小波特征建立的判别模型精度总体比植被指数建立的模型精度高。本文选择的6个植被指数和10个不同尺度下不同波段范围与样本类别相关系数最大的9个波段的小波特征对作为判别模型的输入量,有一定科学性和创新性。这些特征对两种病虫害存在较高的敏感度和区分能力。(2)利用多时相环境卫星提取棉花种植面积和位置信息。选取2014年新疆奎屯市农七师125团棉花蕾期和吐絮期两期HJ-CCD数据影像,根据棉花与研究区其他作物物候和光谱差异,以及NDVI值的变化差异,分别运用基于支持向量机(SVM)的分层监督分类法和专家知识决策树(CART算法)分类法提取棉花种植面积,并从面积总量和空间位置等方面比较两者的提取精度。结果表明:利用关键期的HJ影像可以有效提高面积提取的效率,基于支持向量机的分层监督分类法与专家决策树分类法都能有效的提取棉花的面积,其中,监督分类得到棉花的总面积精度为96.34%,位置精度82.98%;专家决策树分类得到的棉花面积精度为96.51%,位置精度为87.23%。对比分析两种面积提取方法,基于支持向量机的监督分类,分类精度虽高,但过程相对复杂,位置精度较差,而专家决策树法相对简单,分类精度高,分类位置精度较好,便于在棉花信息监测系统平台中推广应用。研究表明,HJ影像在提取棉花种植面积方面有着覆盖面积大、观测周期短的综合优势,结合野外调查,更准确的提取棉花的种植信息。(3)基于HJ卫星遥感影像的棉花病虫害信息提取。利用二值逻辑回归法,建立实测冠层光谱得到的植被指数(TVI)与其健康状况的关系模型,并将此模型应用于遥感影像中,采用3?3邻近像元逐步计算,得到地块的病虫害发生范围信息。结果表明,在10个病虫害地块验证点中,有6个地块都归类正确,总体精度达到60%。棉花病虫害在遥感影像中的分布呈点状,这与实际情况相符,在卫星尺度上提取棉花病虫害异常信息具有一定的潜力。