第七章遥感应用农作物估产.pptVIP

遥感应用实例——冬小麦估产 冬小麦反射光谱特征 遥感信息源选择 小麦估产区划 播面自动提取（计算机自动分类） 长势监测 产量估算 精度检验 冬小麦反射光谱特征 冬小麦反射光谱特征 冬小麦反射光谱特征 冬小麦反射光谱特征 遥感信息源选择 遥感平台选择 Landsat TM NOAA AVHRR 遥感时相选择 11月中旬到12月中旬，3月上旬到4月上旬 3月到6月 NOAA AVHRR AVHRR（Advanced Very High Resolution Radiometer）即改进型甚高分辩率辐射仪。 其数据量化等级为1024（10-bit数据结构） 。 星下点空间分辨率1.1km, 温度分辨率达1oC 。重复观测周期为半天 。 探测器扫描角度为±55.4o，扫描带宽2800公里 。要想获取较高质量的数据，应尽可能选择±30o扫描角(对应地面扫描宽度为870公里)以内的数据。 NOAA AVHRR Landsat Lantat的轨道为太阳同步的近极地圆形轨道，保证北半球中纬度地区获得中等太阳高度角的上午影像，且卫星通过某一地点的地方时相同。每16至18天覆盖地球一次（重复覆盖周期），图像的覆盖范围为185km * 185 km（Landsat－7为 185 *170 km）。 Landsat上携带的传感器所具有的空间分辨率在不断提高，由 80 m提高到 30 m，Landsa－7的 ETM又提高到 15 m。 Landsa－7 ETM 的空间分辨率在可见光、近红外、中红外波段为30米，在热红外波段为60米，全色波段15米。 Landsat搭载的传感器 MSS--Multispectral Scanner System 多光谱扫描系统 TM—Thmetic Mapper 专题制图仪器 ETM+---Ehance Thmetic Mapper Plus 增强型专题制图仪器 估产区划 小麦估产区划的目的是揭示小麦不同生态类型和小麦生产的地域差异，为遥感估产的采样框架布设、单产模型的建立提供定位和定量的科学依据。 小麦估产区划是在综合评价小麦生态环境、社会经济条件的基础上，根据各种因素对小麦生产的影响程度和它们的空间组合规律及相应的产量水平等，按一定的原则归纳其共性，区别其差异性。 估产区划图 ETM数据获取冬小麦面积 通过遥感数据获取农作物播种面积信息，关键是如何区分农作物与其他地物。根据农作物与非农作物之间、不同农作物之间的光谱特征差异，并结合农作物的物候历，在GIS支持下建立各种识别模式，从遥感数据中提取农作物信息。 在同一区域不同作物的生育期差异，是确定作物种植面积和长势的重要依据之一。因此，农作物物候历是遥感估产的重要辅助信息。只有充分了解了各种作物的物候历，才能选择最佳时相的遥感数据来获取面积、长势信息，以及根据物候历确定影响作物生长的相关要素来进行产量估算。 ETM数据获取冬小麦面积 冬小麦物候历 冬小麦整个生长季历经秋、冬、春及初夏，大约需要2200℃左右的积温。由于北方气温低，冬小麦播种早、收割晚、生育期长，南方则相反。 从我国冬小麦主产区主要生育期等值线图中可以看出，北京市9月底进行冬小麦播种，10月中旬开始分蘖，越冬以后，3月中旬开始返青，4月中旬拔节，5月中旬抽穗，到6月中旬成熟。一般在华北地区，冬小麦收割后，播种的大宗作物为夏玉米和大豆。 华北地区冬小麦主要生育日期等值线图 冬小麦面积的提取 理论基础：土壤光谱线 冬小麦面积的提取 理论基础：土壤光谱线 从图中可以看出，植被点都在土壤线上方，而水体点都在土壤线下方，土壤线方程g(x)可视为水体和植被的分类判别函数： 实际上由于土壤线在IR、R平面中呈带状分布，所以有： （ 为较小正数） 如果g1(x)和g2(x)分别代表植被和水体的绿度，则其间关系式为： 由此可以判别出植被区与非植被区，可以达到自动识别的目的。 冬小麦面积的提取 理论基础： 图像分割理论 假彩色合成图像 （RGB合成4-3-2） 近红外波段与红波段差值图像 ETM数据获取冬小麦面积 理论基础：图像分割理论 地理空间三维绿度图像 ETM数据获取冬小麦面积 面积提取 从ETM数据获取冬小麦面积 面积提取 ETM数据获取冬小麦面积 （4）确定分类判别函数。适宜时相的差值绿度（D）图像直观地将在近红外波段和红光波段反射率差值大的小麦信息突出出来，但如何由计算机自动将其定量提取出来，需要建立一个判别函数，求出阈值Ti，使得DTi时判定为小麦，否则为非小麦。 设G1（x）=IR1-R1为麦地像元绿度，G2（x）=IR2-R2为非麦地像元绿度，根据地物在绿度空间的分布规律，必然存在一个值T满