基于历史数据的新样本生产与作物分类研究.pdfVIP

摘 要 大范围的作物分布精细制图是农业生产管理、土气水养循环、全球粮农商贸的基 础数据，为实施可持续农业提供了重要支持。目前基于遥感的作物分类方法主要是监 督分类，而样本是监督分类的关键。每年进行大范围样本采集，耗费巨大的人力和财 力，此外，近几年由于疫情封控等因素，实地样本收集更加困难。因此，在没有目标 年份实采样本的场景下，克服历史数据与目标年的不可比性，实现不同尺度和多种种 植模式下的历史数据复用，提高历史数据的利用率，以较低代价生成目标年样本并实 现大范围作物分类，是当前的研究热点和难点。本文基于此，以2013-2017 年为历史 年份，2018 年为目标年，以空间分辨率为16m 的GF-1 WFV 数据为遥感数据源，提 出了三种场景下基于历史数据生产新样本的方法。首先针对年际间作物连续种植的场 景，提出了叠加多年历史数据的样本生产方法，并用于县域作物分类；之后针对局部 空间存在相似种植环境的场景，选用适宜的函数拟合构建了多年时序光谱特征向量， 基于环境相似性的原则，提出了适用于省域尺度的历史样本逐年逐点复用和作物分类 方法。在此基础上，针对轮作场景，结合连作和轮作规律提出了基于作物年际间变化 强度的样本生产方法，剖析了黑龙江作物变化强度的时空规律与差异，探究了分类精 度与变化强度的关系。 本文的主要研究内容与结论如下： （1）针对年际间作物连续种植的场景，提出了基于种植连续性的样本生产方法。 以黑龙江省萝北县南部和虎林市西南部为例，基于历史作物分布数据，提取作物类型 不变的像元，并利用像元在目标年6 个植被指数（NDVI、NDWI、RVI 、TVI 、DVI 、 EVI ）的时序光谱和空间信息进行聚类，获得“新样本”。结果显示，基于虎林市西南 部 “新样本”与目标年样本的分类精度分别为80.44%和82.94% 。 （2）对比分析了多年时序光谱特征的拟合效果。利用三次多项式、高斯函数以 及五参数线性谐波函数分别拟合蓝、绿、红、近红外、NDVI 和NDWI 的多年时序曲 线，通过R2 和RMSE 进行拟合精度检验，结果显示：蓝、绿、红波段拟合效果较差， 近红外波段、NDVI 和NDWI 分别在三次多项式、五参数线性谐波函数和高斯函数的 拟合效果最佳，R2 为0.897、0.929 和0.807。 （3）针对局部空间存在相似种植环境的场景，提出了基于环境相似性的历史样 本逐年逐点复用方法。以黑龙江为研究区，计算每个历史样本在历史年份和该样本四 周邻近 5 ×5 像元在目标年份的光谱特征向量，通过Dynamic Time Warping （DTW ） 计算其相似性并筛选得到“潜在样本”，最后对“潜在样本”在目标年的光谱特征聚 类分析得到“新样本”，基于此对目标年分类的精度为60.63%，高于直接使用2017 年 样本进行分类的47.49%，低于实采样本的80.58%，但作物分布与目标年结果较一致。 （4）针对存在轮作的场景，提出了结合作物变化强度与连作和轮作模式的样本 生产方法。以黑龙江为研究区，基于历史数据分析作物主要的连作与轮作模式，并以 I 10km 格网为单位，定义了作物区和作物变化强度的计算方法，耦合两者数据，提取 了历史年份样本并集格网所在区域的变化强度。然后，在空间、特征和数量上，分别 依据区域耕作模式、目标年光谱特征和历史年份面积比例进行像元筛选，获得了“新 样本”8296 个，分类精度为61.22%，作物分布规律与利用实采样本的较一致。 （5）分析了黑龙江省作物变化强度的时空分布特征及其与分类精度的关系。以 10km 和县域两个尺度分析了变化强度的年际、空间和时空聚集性特征。结果表明， 在时间上，不同年份的作物变化强度较相似，在年际间无明显变化趋势；在空间上， 变化强度大多集中在0.2~0.6 之间,其中西北部的较大，南部和东部的较小，且变化强 度呈现出较强的空间聚集性，莫兰指数为0.67。此外，建立了变化强度与分类精度损 失 （实采样本- “新样本”）的关系，R2 为0.31，两者呈现较强的正相关性，说明变化 强度过大会对历史数据的复用有较大限制。 关键词：历史数据，样本生产，作物变化强度，作物分类 II