论文部分内容阅读
农田地膜覆盖技术能够有效改善农田水热条件,促进农作物生长发育,提高作物产量,为我国农业生产和粮食安全保障做出了重大贡献。然而,随着大面积推广使用,地膜覆盖技术也带来了一些较严重的生态环境问题。为保障农业生产和保护生态环境,获取地膜覆盖农田空间信息极为紧迫。为了建立地膜覆盖农田遥感识别技术体系,本文选择了华北地区地膜覆盖农田较集中的河北省衡水市冀州市和西北地区典型旱作地膜覆盖农业区域宁夏回族自治区固原市原州区为研究区,采用多种光学和雷达遥感数据,充分分析了地膜覆盖农田遥感识别有效特征和方法。利用局部方差法、支持向量机机器学习算法和随机森林机器学习算法分别开展了地膜覆盖农田遥感识别有效空间尺度及尺度影响、地膜覆盖农田遥感识别最优时间窗口及优化特征以及多源数据多种特征优化研究。本文主要研究内容和研究结果如下:(1)采用多时相Landsat-8卫星数据开展地膜覆盖农田遥感识别最佳时间窗口、特征优化及优化时相组合研究。结果表明基于Landsat-8卫星数据的地膜覆盖农田遥感识别中光谱特征最重要、指数特征和纹理特征较重要。在时间窗口上,4月份为最佳识别时间,其次是5月份;在多时相组合中4月份和5月份数据的结合最优。基于多时相结合数据的识别精度显著高于单时相数据的识别精度。(2)采用GF-1卫星数据,探讨地膜覆盖农田遥感识别有效空间尺度/有效空间尺度范围及尺度影响分析。研究发现地膜覆盖农田遥感识别有效空间尺度基本上位于8-20 m空间分辨率。尺度效应研究表明地膜覆盖农田遥感识别光谱和纹理特征的贡献随着空间分辨率降低而降低。纹理特征的空间尺度依赖性大于光谱特征。空间分辨率足够高时,基于GF-1数据纹理特征的识别精度高于其光谱特征的识别精度。(3)开展了基于Radarsat-2雷达遥感数据的地膜覆盖农田遥感识别研究。结果表明,基于Radarsat-2雷达数据的地膜覆盖农田遥感识别精度都较低,尽管引入多种极化分解特征,其识别精度依然低于80%。在不同极化分解方法中基于相干矩阵的H/A/Alpha分解特征的贡献较大。(4)开展了基于多源遥感数据的地膜覆盖农田遥感识别研究。研究发现在光学遥感数据和雷达遥感数据相结合使用时,地膜覆盖农田识别精度得到显著提高。GF-1、Landsat-8和Radarsat-2三种数据相结合时地膜覆盖农田识别精度达到最高。而基于GF-1和Radarsat-2数据相结合的地膜覆盖农田识别精度高于基于Landsat-8和Radarsat-2相结合的地膜覆盖农田识别精度。总体上,基于单时相Landsat-8 OLI光谱特征的地膜覆盖农田识别精度要高于GF-1光谱特征的识别精度;基于单时相Landsat-8多特征的地膜覆盖农田识别精度也高于基于单时相GF-1数据的光谱和纹理相结合特征的识别精度。GF-1数据纹理特征能够明显提高识别精度,而Landsat-8数据纹理特征的贡献不明显。Landsat-8单时相与多时相特征相比,基于多时相多特征的识别精度显著优于基于单时相多特征的识别。雷达数据对地膜覆盖农田识别力不理想,但在雷达数据与光学遥感数据结合时识别精度有显著提高。在与GF-1数据结合使用时雷达数据的贡献大于GF-1数据纹理特征的贡献。