农作物遥感分类的多元指示性识别特征研究

So far, the accuracies of crop identification using remote sensing were not satisfied and affected the dependent of remote sensing in crop acreage estimation. The reason lied in the deficient research of indicative crop identification/discrimination features. In that case, only few features can be used in crop identification or discrimination. The project considers crop indicators from optical spectrum, bio-physical and bio-chemical parameters, crop crown structure or geometry features, and proposes the following tasks: i) crop identification or crop discrimination features analysis based on crop spectrum database, and optical indicators, including spectral range and the growing stage of crops will be adopted by comparing the optical spectrum features of different crops; ii) investigating potential crop identification or discrimination indicators, and bio-physical and bio-chemical parameters, crop crown structure or geometry features measured in the fields will be analysis and compared among different crops. All available parameters in crop identification or discrimination and its suitable crop growth stage will be proposed; iii) focusing on the analysis of the combination of different indicators adopted from the last 2 tasks and determine typical crop identification indicators for different crop combination; iv) launching experiments of crop identification or crop discrimination with remote sensing using crop classification indicators adopted from above tasks. Accuracies assessment will also be carried out to identify the effects of all the crop classification indicators. And standard crop classification feature-sets will be then proposed for different growing stage of various crop combinations. The results will be helpful to crop classification with remote sensing. And it can also provide valuable theories and knowledge consultation to the designing of new payloads for next generation earth observation systems from agricultrual application views.

目前，农作物遥感识别精度难以得到根本提高，主要原因在于缺乏不同农作物或作物组合的典型性、指示性识别特征的系统性研究，农作物遥感识别特征相对单一，较多地局限于的光谱、微波散射等信息，难以充分利用农作物之间的多元化、全方位信息。本项目基于农作物光谱数据库、农作物物候、主要作物组合等知识，利用多源、多尺度遥感数据，通过光谱对比、物候节律分析、生物化学组分、几何结构对比、高空间分辨率等手段，重点开展：1）农作物遥感识别的光谱差异及光谱标识性特征研究；2）农作物遥感识别的潜在指示性几何和理化特征挖掘；3）农作物组合的遥感区分特征及其组合性分析与标志性识别特征研究；4）遥感分类实验与农作物遥感识别特征集建设。通过上述研究，建立农作物遥感识别或作物组合遥感区分的指示性特征，完善不同农作物或作物组合在不同生长阶段的分类策略，为利用遥感技术高精度识别农作物,以及新型载荷和遥感观测系统的设计提供理论支持。

农作物遥感识别是农业遥感领域中的基础研究内容之一，常用于支持农作物遥感种植面积估算、单产估算、长势、病虫害、气象灾害监测等应用。农作物遥感识别的精度受到作物识别影像特征和识别算法的影响，其中作物识别影像特征（如光谱反射率、植被指数、几何纹理等）决定了农作物遥感识别精度的理论上限。目前，针对农作物遥感识别的影像特征的有效性、优化组合，以及空间尺度、时相等对方面的研究中存在不足。迫切需要开展农作物遥感识别特征的系统化研究，挖掘、分析并总结整理，建立可用于农作物遥感识别或典型农作物组合遥感区分的指示性、标识性特征，并开展其数字化定量描述，提高农作物遥感分类的可选特征数量，改善农作物种植面积估算中影像分类的自动化水平及区域推广能力。为此，本项目聚焦于农作物遥感识别特征，研究了原始光谱特征及其衍生特征（植被指数、几何纹理、转换等）对于不同作物的可分离性或有效性差异及其随作物生长周期的变化；针对不同作物（组合）研究分析了不同空间尺度及时相条件下的农作物遥感识别的最优特征集；并在最优化理论支持下，提出了作物指示性识别特征概念，实现了作物生长其内时间序列指示性遥感识别特征的构建模型，建成了具有明确指示性和更高可分离性的作物指示性识别特征集。此外，本项目还新挖掘了自适应多尺度旋转不变纹理特征以捕捉不同作物在不同空间分辨率影像上的纹理特征差异，设计了基于兴趣类别的白化变换特征来增强兴趣类别与非兴趣类别的差异，提高作物提取的精度，创新了面积指数特征来表征不同的作物在相同特征空间中的反射率综合差异，从而服务不同作物的遥感识别。本项目在研究开发的农作物遥感识别的指示性特征集，有效地促进了农作物遥感识别的自动化、智能化水平，有助于提升农作物遥感识别，尤其是大区域农作物遥感识别的精度和效率。