高光譜遙感技術(shù)性助推糧食作物細(xì)致歸類(lèi)

　　糧食作物細(xì)致歸類(lèi)針對(duì)糧食作物漲勢(shì)檢測(cè)、生產(chǎn)量預(yù)計(jì)、災(zāi)難評(píng)定、確保國(guó)家糧食安全具備關(guān)鍵實(shí)際意義。另外都是農(nóng)牧業(yè)加工過(guò)程中有效資源分配、精確上肥的重要環(huán)節(jié)。伴隨著空間技術(shù)的發(fā)展趨勢(shì)，運(yùn)用高光譜遙感通訊衛(wèi)星即時(shí)對(duì)地觀(guān)察，根據(jù)解析高光譜遙感影像數(shù)據(jù)進(jìn)行農(nóng)作物精細(xì)分類(lèi)逐漸成為一種主流方式。

　　我們采用“珠海一號(hào)”高光譜衛(wèi)星OHS-2(貴陽(yáng)一號(hào))的影像——河北雄安新區(qū)，作為實(shí)驗(yàn)區(qū)域。高光譜遙感影像數(shù)據(jù)經(jīng)過(guò)輻射定標(biāo)，并在定標(biāo)結(jié)果的基礎(chǔ)上進(jìn)行了FLAASH大氣校正。為了實(shí)驗(yàn)的準(zhǔn)確性，我們還對(duì)研究區(qū)域進(jìn)行實(shí)地調(diào)查。

　　從圖1的“珠海一號(hào)”高光譜遙感衛(wèi)星影像中可以看到，研究區(qū)域的東南區(qū)域存在部分云量，在分類(lèi)之前需要先將云掩膜去除。云的光譜特征曲線(xiàn)如圖2所示，云的反射率在480nm~866nm之間具有較高的值，而在紅光范圍內(nèi)640nm附近處于相對(duì)較低的反射率。根據(jù)這一特點(diǎn)，將云提取出來(lái)。

　　分類(lèi)過(guò)程

　　我們將實(shí)地提取的農(nóng)作物進(jìn)行分析得出平均光譜，如下圖所示，將農(nóng)作物分為玉米、紅薯、大豆、花生、蔬菜、草地、林地、其他植被和非植被(水體、建筑、裸地和道路)。

　　實(shí)驗(yàn)利用“珠海一號(hào)”高光譜遙感衛(wèi)星影像數(shù)據(jù)，結(jié)合實(shí)地調(diào)查樣點(diǎn)，基于決策樹(shù)分類(lèi)方法，對(duì)研究區(qū)土地覆蓋類(lèi)型進(jìn)行分類(lèi)，利用驗(yàn)證樣點(diǎn)基于混淆矩陣并利用實(shí)測(cè)點(diǎn)對(duì)分類(lèi)結(jié)果進(jìn)行精度驗(yàn)證Kappa系數(shù)為0.95，總體精度達(dá)95.94%，精度評(píng)價(jià)結(jié)果如下表1所示，其中花生、玉米、大豆、紅薯、蔬菜具有較高的分類(lèi)精度，花生和玉米存在小部分混分，由于遙感影像不可避免會(huì)存在“同譜異物”現(xiàn)象，導(dǎo)致蔬菜和其他植被存在混分現(xiàn)象。

　　根據(jù)分類(lèi)結(jié)果對(duì)研究區(qū)農(nóng)作物面積進(jìn)行統(tǒng)計(jì)，利用像元數(shù)乘以單位像元面積(“珠海一號(hào)”高光譜衛(wèi)星分辨率為10米)，即乘以10米×10米。

　　伴隨著國(guó)家室內(nèi)空間基礎(chǔ)建設(shè)的健全和物聯(lián)網(wǎng)技術(shù)、互聯(lián)網(wǎng)技術(shù)+、互聯(lián)網(wǎng)大數(shù)據(jù)、人工智能技術(shù)等技術(shù)性的發(fā)展趨勢(shì)，及其智能農(nóng)業(yè)和現(xiàn)代農(nóng)業(yè)發(fā)展趨勢(shì)的要求，農(nóng)牧業(yè)高光譜遙感技術(shù)性將會(huì)獲得更普遍地運(yùn)用。