基于3S技术的新疆棉花种植面积估测中影像分类方法研究

摘要

本文基于遥感技术(remotesensing)、地理信息系统(geographicalinformationsystem)和全球定位系统(globalpositionsystem)(以下简称3S技术)的支持，以SPOT影像为遥感信息源，结合地面样方调查、地面定位数据分析以及其它资料进行新疆棉花种植面积估测的综合研究。首先，回顾与分析了3S技术在中国农作物种植面积估算中的研究进展，及其所遇到的问题。针对新疆棉花种植面积估算的需求，简述了利用GPS数据进行遥感影像几何纠正的基本原理及其优点，重点研究了遥感分类方法中的非监督分类，监督分类中的最小距离法、最大似然法和马氏距离法4种分类方法及其在棉花种植面积估测上的应用，并分析其分类方法的原理和精度。其次，在样点调查与分类的基础上，通过对不同样区、不同时相遥感数据的解译、野外地面调查样方数据的统计分析，计算样区内棉花种植面积，并以新疆泽普县为例，在样方调查与分类的基础上，利用抽样内推外延的方法，计算该县的棉花种植面积，作为研究成果推广的实践基础。本文研究的创新之处是利用3S技术，选择一种适宜于新疆棉花种植面积估测的分类方法，同时将该流程应用于棉花种植面积监测，化繁为简，将复杂的种植面积估测技术设计成向导式的操作方式，为大面积棉花调查提供了方便、实用、经济的方法。并为应用SPOT卫星数据监测我国其它大宗农作物的种植面积提供依据，为后续卫星资料在农业领域的大规模应用打下基础。本研究的主要内容和结果如下： 1.根据作物物候历及棉花生长期中不同作物的光谱特性，确认新疆棉花识别的最佳时相应为六月中下旬与九月中下旬。 2.以新疆阿克苏和喀什地区为样区，根据SPOT影像的波段光谱效应及新疆棉花的光谱特征，研究中选用SPOT2、3、4波段进行各种方案假彩色合成，经比较分析和实际应用，采用SPOT的3、4、2波段组合对棉花的识别要优于3、2、4等的组合。 3.缨帽变化(TassledCap)和主成份变换(PrincipalComponentAnalysis，PCA)是处理SPOT数据强有力的方法。经过主成分变换预处理的样区SPOT影像，可以明显看出棉花的分布。对野外实地调查资料和分类结果比较，结果支持我们的预处理结果，主成分变换提高了棉花种植面积分类的精度和可靠性。经PCA分析处理的影像资料对新疆棉花的分类研究是可行的，也是可靠的。经过缨帽变换的影像较原影像信息显示有变化，但效果不如主成份变换后的。 4.本文尝试利用GPS定点数据进行SPOT影像几何精纠正，纠正后的影像不仅精度高，而且纠正方法简便，能使样方和纠正后的影像迅速、准确的套合，达到了满意的效果，提高了棉花种植面积的估算精度。 5.本文利用四种遥感分类方法进行遥感影像解译，经分类精度评价及统计对比分析，最小距离法是4种分类方法中分类精度最高的，所得结果的空间分布规律与新疆棉花种植面积分布状况吻合。 6.本文针对用SPOT影像进行新疆棉花种植面积提取时工作量大、持续时间长，容易造成操作失误和数据管理混乱的问题，将新疆棉花种植面积估测技术流程系统化和规范化，提高了棉花种植面积提取的精度和工作效率。

目录

文摘

英文文摘

原创性声明及关于学位论文使用授权的声明

第一章引言

第二章国内外研究进展

第三章材料与方法

第四章实验结果分析

第五章讨论

第六章结论

参考文献

致谢

附录