农作物种植面积的改进型混合像元判别分析法提取

开篇：润墨网以专业的文秘视角，为您筛选了一篇农作物种植面积的改进型混合像元判别分析法提取范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：根据线性混合模型原理提出了利用低分辨率高光谱的遥感数据计算农作物种植面积的新方法，改进型混合像元判别分析法，并运用中分辨率成像光谱仪（ＭＯＤＩＳ）数据计算了江陵县中稻和棉花的种植面积，以当天ＴＭ数据的监督分类法得出的种植面积作为标准对此方法进行了详细比较，并与其他两种常规方法作物光谱特性差异法和监督分类法进行比较。结果表明，改进的混合像元判别分析法误差最小，运用在混合像元为特性的ＭＯＤＩＳ数据上比较合适；作物光谱特性差异法原理简单、计算方便，但小面积地物区分效果差；监督分类法误差最大，不适合运用在低分辨率高光谱的ＭＯＤＩＳ数据上。

关键词：中分辨率成像光谱仪（ＭＯＤＩＳ）；农作物种植面积；改进型混合像元判别分析法

中图分类号：Ｓ１２７ 文献标识码：Ａ 文章编号：0439－８114（２０12）24－5783-05

农作物种植面积的遥感提取是在收集分析不同农作物光谱特征的基础上，通过遥感影像记录的地表信息识别农作物的类型，统计农作物的种植面积。农作物的识别主要是利用绿色植物独特的波谱反射特征，将植被（农作物）与其他地物区分开［１］。不同农作物类型的识别主要依据两点：一是农作物在近红外波段的反射主要受叶子内部构造的控制，不同类型农作物的叶子内部构造有一定的差别［２］；二是不同区域、不同类型作物间物候历的差异，可利用遥感影像信息的时相变化规律进行不同农作物类型的识别［３］。因此遥感影像分析方法的发展推动农作物种植面积的遥感提取方法的研究。而“同物异谱”、“异物同谱”以及“混合像元”现象制约着遥感影像分析方法的发展［４］。目前常用的提取农作物种植面积的影像分析方法有目视法、监督分类法、非监督分类法、作物特性法，这些方法主要运用到高分辨率的影像图片上（如ＴＭ数据），因为农作物种植最小面积远远大于卫星的探测单元瞬时视场角所对应的地面范围，可以把像元看成纯净像元；而对基于低分辨率、高光谱、混合像元为特性的中分辨率成像光谱仪（ＭＯＤＩＳ）数据而言，其探测单元瞬时视场角所对应的地面范围（１　ｋｍ×１　ｋｍ）同时种植好几种作物，运用传统统计模式分析方法会产生很大的误差，因此目前很少人运用单纯的ＭＯＤＩＳ卫星图片来计算县级农作物面积。

为了计算混合像元中各地物的丰度，可通过获取卫星资料上纯净地物像元的光谱特征曲线，来人工合成某种地物不同比例、不同其他地物混合情况下的光谱数据，用这些光谱数据作为已知的监督点建立判别方程来进行分类处理，并将含这种地物相同比例的混合像素归为一类，这样可以得到这种地物各种比例下的分布面积，将其面积与此地物所占的比例相乘便可以得到此地物的总的分布面积，这就是改进型混合像元判别分析法。

改进型混合像元判别分析法建立在线性混合模型的基础上，是将人工合成的光谱特性作为监督点进行监督分类，因而纯净地物像元的选择对此方法的判断精度影响很大，而且为了避免异物同谱现象出现，只能采用能精确反映地物光谱特性的高光谱卫星数据，用高光谱特性中的地物信息最大限度地消除低空间分辨率带来的误差，而ＭＯＤＩＳ有２２个反射波段，只要能找到纯净地物像元的光谱数据，便可以相对精确地计算出各种地物的分布特点和面积。

２ 资料的分析与处理

选定的地点是湖北省江陵县，江陵县是荆州市农业大县，处于江汉平原西南部，地势平坦，紧靠长江，水系发达；种植制度单一，只有小麦－棉花和油菜－中稻两种。选取的ＭＯＤＩＳ卫星资料的日期为２００１年９月１５日（晴天、无云），此时中稻处于成熟期，叶片偏黄（收获期为９月２３日），棉花处于采摘期，叶片还是绿色。

２．１ ＭＯＤＩＳ卫星资料的预处理

ＮＡＳＡ网站上提供的ＭＯＤＩＳ数据是经过大气校正过的ＭＯＤＩＳ　Ｌ１Ｂ（ＭＯＤ０２）格式的资料，运行ＥＮＶＩ软件中专门针对ＭＯＤＩＳ原始数据进行坐标转换的程序，将资料转成Ｋｒａｓｏｖｓｋｖ地球模型、Ａｌｂｅｒｔ投影方式坐标的栅格数据；并运用江陵县矢量地图采用ＭＡＳＫ方式将江陵县栅格数据取出来。

２．２ 改进型混合像元判别分析法的处理步骤

２．３ 对比数据的计算

２．３．１ 实际结果的计算 选用采用同日期的ＴＭ卫星资料的监督分类法计算的种植面积作为标准，其计算方法如下。

１）伪彩色图的生成。在ＥＮＶＩ软件中将７０、４０、２０　μｍ波段的数据当成红、绿、蓝３种颜色形成一张伪彩色图，中稻和棉花很容易分辨，绿色部分为棉花，红棕色地物为中稻，水系为蓝色，而城镇为灰色。

２）监督点的选取。根据江陵县的特点将地物分为４类，取长江和木沉渊湖作为水体地物的监督点，郝穴镇（县城）为城镇的监督点，三湖农场作为棉花的监督点，而传统中稻种植区白马镇作为中稻的监督点。

３）数据资料的监督分类。通过ＥＮＶＩ软件，根据上面选取的已知监督点光谱数据，运用Ｍａｈａｌａｎｏｂｉｓ距离法来进行监督分类。

３ 结果与分析

３．１ 改进型混合像元判别分析法计算的结果分布图与其他方法和实际的比较结果

因此运用改进型混合像元判别分析法能准确地反映棉花和中稻的分布规律，特别是在一些零星种植区和两种农作物交叉种植区都能很好地体现，这是用传统型监督分类法无法实现的；为了更好地比较检验改进型混合像元判别分析法的效果和分析改进型混合像元判别分析法的误差来源，将图２中各种比例的种植区分类结果分别与ＴＭ监督法统计的实际结果进行比较，得到的结果见表３。由表３可知，各分类区内实际情况与计算结果基本相符，证明改进型混合像元判别分析法的分类原理是正确的，但也有一定的误差，其误差来源有两个方面：一个是混合像素内小于２５％地物的光谱特性基本消失，不容易识别；另一方面是１００％种植区里还有其他地物区分不出来。但总的来讲，改进型混合像元判别分析法最大限度地利用高光谱特性提取了混合像元中农作物信息，最大精度地显示了农作物种植分布情况。

３．２ ３种方法计算结果的比较

由于江陵县作物种植相对单一，因此很好寻找单一地物的像元，如果找不到这样的监督点，采用此方法会有很大的误差。

４ 结论

改进型混合像元判别分析法是由线性混合模型发展而来，原理简单易懂；实现容易，只要ＳＰＳＳ软件和ＥＮＶＩ软件就能完成计算过程；最大限度地利用高光谱特性提取了混合像元中农作物信息，最大精度地显示了农作物种植分布情况，误差最小。因此运用在混合像元为特性的ＭＯＤＩＳ卫星上比较合适，影响其误差大小的主要因素是监督点的选取。

另外作物光谱特性差异法原理简单、计算方便，但误差比较大；监督分类法误差最大，不适合运用在低分辨率高光谱的ＭＯＤＩＳ卫星上。

参考文献：

［１］　周成虎，骆剑承．遥感影像地学理解与分析［Ｍ］．北京：科学出版社，１９９９．

［２］　斯韦恩Ｐ　Ｈ，戴维Ｓ　Ｍ．遥感定量方法［Ｍ］．北京：科学出版社，１９８４．

［３］　孙九林．中国农作物遥感动态监测与估产总论［Ｍ］．北京：中国科学技术出版社，１９９６．

［４］　章孝灿，黄智才．遥感数字图像处理［Ｍ］．　杭州：浙江大学出版社，１９９７．

［５］　吕长春，王忠武．混合像元分解模型综述［Ｊ］．遥感信息，２００３（３）：５５－５９．

［６］　徐希孺，周莲芳，朱晓红．　混合像元的因子分析方法及其在大范围冬小麦播种面积估算中的应用探讨［Ｊ］．科学通报，１９８９，３４（１２）：９４６－９４９．

［７］　ＱＵＡＲＭＢＹ　Ｎ　Ａ，ＴＯＷＮＳＨＥＮＤ　Ｊ　Ｒ　Ｇ，ＳＥＴＴＬＥ　Ｊ　Ｊ．　Ｌｉｎｅａｒ　ｍｉｘｔｕｒｅ　ｍｏｄｅｌｉｎｇ　ａｐｐｌｉｅｄ　ｔｏ　ＡＶＨＲＲ　ｄａｔａ　ｆｏｒ　ｃｒｏｐ　ａｒｅａ　ｅｓｔｉｍａｔｉｏｎ［Ｊ］．　Ｉｎｔ　Ｊ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，１９９２，１３（３）：４１５－４２５．