農業生產是國家社會經濟的基礎，糧食產量對于制定國家和區域社會經濟發展規劃、確保國家糧食安全和社會穩定、指導和調控宏觀種植結構等均有重要意義。作物種植面積是影響糧食產量的重要因素之一，利用遙感識別農作物地塊并估算作物種植面積是農業遙感監測的重要內容。農作物遙感分類是估算作物種植面積的重要核心問題，是提高作物種植面積估算精度的關鍵工作。
公司以遙感在作物類型識別和災害識別評估應用為主線，歸納了國內外作物類型識別及農業災害識別評估研究中常用的各類遙感數據，如資源遙感影像、氣象遙感影像、高分辨率影像、高光譜影像和微波影像等，分析其優缺點和適用性；總結了利用遙感進行作物類型識別的3類研究方法，包括基于光譜的識別方法、基于物候差異的識別方法以及光譜與物候相結合的方法，分析了各種方法的特點；解決克服了作物類型遙感識別中存在的主要問題，如影像空間精度與價格的平衡問題，多分辨率遙感數據的綜合應用問題，物候差異對作物識別的影響問題等；通過結合不同分辨率遙感數據、不同時相遙感數據的結合建立更多的光譜與物候相結合的解譯標志；提出作物識別機理和多尺度數據融合方法。為用戶提供多種農作物種類及在災害發生后評估的遙感識別解決方案。
>> 智能化的人機交互：將前沿的人工智能技術與傳統遙感影像解譯技術結合，提供作業效率和解譯精度，利用像元間的統計特征建立類別間的判別函數，進而識別作物類型。建立特定的農作物識別算法模型。
>> 時間序列匹配方法：高時間分辨率的影像能夠充分體現植被的季相變化，而同一區域相同植被具有相似的變化曲線，通過植被指數時間序列變化特征可以識別地物。匹配方法通過分析未知像元波譜曲線和純像元波譜曲線的匹配程度以識別地物類型，引入時間序列數據的分析以識別作物類型，利用季相節律的差異避免了作物類型間光譜特征相似的問題。
>> 關鍵物候期識別：同種作物在同一個地區具有相對穩定的生長發育規律。關鍵物候期可以使作物與其他植被具有較大的可區分性，可作為作物類型識別的重要依據，從而使作物類型識別更有效。通過分析時間序列數據中作物生長的關鍵物候期的特征值提取作物；利用當地的作物物候歷信息，選擇適當時相的遙感影像，使作物類型識別更有針對性，避免了遙感數據選取的盲目性。
>> 關聯分析模型：以實測結果或中高分辨率影像識別結果為樣本，與低分辨率時間序列或關鍵物候期數據建立半定量或回歸模型識別作物。通過考慮作物關鍵物候期植被指數與種植面積的定量函數關系，當像元中混入其他類型地物時會導致關鍵時段的曲線斜率發生變化。充分利用了多分辨率遙感的優勢，突出關鍵物候特性，使構建模型時理論更充分，精度應該更高；可用于統計總種植面積和大概種植分布。
案例效果：目前已建立識別模型農作物種類：水稻、小麥、玉米、棉花、大豆、
13641387229（公司業務） 13144314475（公司業務）18801198126（公司業務） 17778189097（公司業務） 010-53350658（公司業務） 010-88784566（技術服務）????????????? 010-53350672（人事）
010-53350672
atlasinfo@atlasinfo.com.cn
北京市石景山區八大處路 49 號院6號樓十二層 1205 號
微信關注“愛特拉斯”