本书共七章，主要内容包括：第一章农作物分类与叶面积指数遥感反演的研究现状与存在问题分析；第二章基于GF-1卫星多光谱影像的种植结构复杂区农作物精细分类研究；第三章多时相Sentinel-2卫星遥感影像的水稻识别研究；第四章旱地作物极化SAR分类特征优选研究；第五章基于星载全极化SAR数据的旱地作物分类研究；第六章基于深度学习模型的冬小麦叶面积指数遥感反演研究；第七章研究结论与展望。

王迪，男，1977年出生，副研究员，工学博士，硕士生导师，现任职于中国农业科学院农业资源与农业区划研究所农业遥感创新团队。长期从事农业遥感基础与应用研究，重点开展农作物面积空间抽样理论与技术、基于合成孔径雷达遥感的农作物分类与生物学参数反演研究。先后主持和参与国家级、省部级及其他各类研究项目40余项，以第一或通讯作者在国内外重要学术期刊发表论文50余篇。作为主要参加人获得水利部大禹水利科学技术奖二等奖1项。在我国农作物面积遥感监测研究方面获得了丰硕的成果。

第一章 绪论




第二章 种植结构复杂区农作物精细分类研究




第三章 多时相Sentinel-2卫星遥感影像的水稻识别研究




第四章 旱地作物极化SAR分类特征选择研究




第五章 旱地作物极化SAR分类研究




第六章 基于深度学习模型的冬小麦叶面积指数反演研究




第七章 结论及展望

  摘要
第一节研究背景及意义


我国旱地种植面积大，占耕面积的59%，且空间分布广，对粮食产量贡献高（Wang et al.，21）。随着农业现代化建设的大力，及时、获取农作物空间分布和长势信息可有效配置农业生产要素，推动农业生产向种植精准化、专业化和智能化方向发展（刘哲等，18；张鹏等，19）。遥感技术具有探测周期短、调查成本低、覆盖范围广等优点，已成为世界各行农作物识别、长势监测及产量估算等研究应用的主要手段（史舟等，15；王迪等，14）。


我国北方旱地秋收作物主要生长期内云雨雾天气频繁，无法获取足量有效的光学遥感影像；合成孔径雷达（Synthetic Aperture Radar，SAR)虽然能够全天时、全天候对地物目行监测，但现有研究利


用星载SAR数行旱地作物分类研究的精度普遍不高。对此，利用多波段多源多格式多时相极化SAR数行旱地作物(玉米、棉花等）分类研究，分析SAR系统工作频率、SAR数据获取时相、特征提取、极化分解方法等因素对农作物分类精度的影响，优选适合旱地作物极化SAR分类的波段、特征及时相，旨在为推动解决华北地区高质量光学遥感影像获取不足而制约农作物遥感监测的性和时效性的问题，达到改善旱地作物识别精度，提率的目的，为旱地作物种植面积及空间分布的快速提取提供参考。


一、遥感农作物分类研展


（一）多光谱农作物分类数据源


在农作物分类中常见的多光谱影像主要有Landsat数据、MODIS数据、HJ-1A/B CCD数据、Sentinel-2数据和高分系列多光谱数据。国内外多光谱遥感农作物分类研究常用数据源、研究对象等如表1.1所示。张健康等（12）将Landsat TM/ETM+影像与MODIS的


EVI和NDVI指数相结合，采用决策树法对黑龙港地区冬小麦、棉花、夏玉米、果树和蔬行分类，得到较好分类精度。刘佳等（15）利用HJ-1A/BCCD数据生成NDVI时间序列，通过设置不同NDVI阈值利用决策树法实现了冬小麦、夏玉米、春玉米、棉花及小宗农作物的分类体分类精度达到了90.9%。Immitzer et al.（16）探索了Sentinel-2数据应用于农作物分类研究的效果，采用随机森林方法对奥地利6种夏季作物和冬季作物分类，结果表明红边和短波红外波段对农作物制图的贡献大。Sonober et al.（17）利用Landsat 8 OLI数据光谱反射率及计算的植被指数对日本北海道地区的6种农作物分类，结果表明基于短波红外波段计算的植被指数可有效提高分类精度，精度高达94.5%。梁继等（）利用GF-6WFV数据，构建红边归一化植被指数NDVI710和NDVI750，对玉米、水稻和大行分类，结果表明含有红边波段的植被指数在农作物分类研究中表现。目前，应用于农作物分类的多光谱数据多采用中低空间分辨率遥感影像，面向小麦、玉米和大豆等大宗农作物开展大范围农作物制图研究。大宗农作物种植面积大，地块规整，尤其是国外的农业区耕地集中连片分布，机械化程度高，在一定程度上降低了分类难度。随着高分辨率成像技术的发展，地物分类更加精细化，如何在小尺度、高精度的农作物分布场景下获取可靠的制图精度仍需……