论文部分内容阅读
粮食是人类得以繁衍生息的最基础生活资料,中国作为拥有14亿人口的超级农业大国,对粮食尤其是水稻的需求压力也在日益增加。快速、及时、准确的获取水稻的空间分布信息,对社会经济、粮食安全、生态功能以及政策制定等都有重要影响。使用遥感技术可以对水稻的种植面积进行大尺度的估算,但是现有的遥感数据不能同时满足高时间分辨率和高空间分辨率的需求,这对监测具有极大的限制,时空数据融合方法可以生成高时空分辨率的数据,为我国南方地貌破碎区域的水稻种植的空间分布信息提取提供了新的思路和方法。本文以江西省鄱阳湖区为研究对象,根据2014年的MOD09Q1和GF-1/WFV数据结合STARFM模型构建高时空分辨率遥感数据集,并利用此数据基于决策树分类方法实现了南方较大尺度的水稻空间分布信息的遥感提取,主要研究结果如下:(1)基于STARFM模型所融合构建的高时空反射率数据与真实影像的相关性系数总体可以达到0.6以上,二者在空间分布上具有总体一致性,融合影像可以体现GF-1/WFV影像的空间细节特征和MODIS影像的时间变化特征。(2)基于S-G滤波函数可以对受到云、霾影响的NDVI时间序列影像而产生的一些噪声进行有效的平滑去噪处理,使得处理过后的影像能够更好的反映地物的季节性变化规律。(3)利用融合的高时空分辨率时序NDVI影像基于决策树分类方法所获得的研究区的水稻分类精度达到了83%以上,分类精度高,同时,结合物候信息数据,可以提高水稻的分类精度,融合数据可以在一定程度上解决水稻空间分布信息提取过程中,高空间分辨率数据时间分辨率不足的问题。(4)利用融合的高时空分辨率时序NDVI影像可以有效的对结构破碎的地物进行分类,并具有较高识别精度,识别效果优于单景的GF-1/WFV和时序MODIS NDVI影像。