一、方案概述

     農業(yè)生産是國請讀家社會經濟的基礎，糧食産量對于制定國家和(hé)區域社會工照經濟發展規劃、确保國家糧食安全和(hé)不腦社會穩定、指導和(hé)調控宏觀種植結構等均有重要意義。作物種植面積是南知影響糧食産量的重要因素之一，利用遙感識别相的農作物地塊并估算作物種植面積是農業(yè)遙感監測的重要内容。農作物遙綠知感分類是估算作物種植面積的重要核心問(wèn)題，是提國妹高作物種植面積估算精度的關(guān)鍵工作。

      公司以遙感在作物類型識别和(hé)災見爸害識别評估應用為主線，歸納了國内外作物類型識别及農業(yè)災害吧都識别評估研究中(zhōng)常用的各類遙感數據，如(rú)資(zī)吃票源遙感影像、氣象遙感影像、高分辨率影像、高光譜影像和(hé)他船微波影像等，分析其優缺點和(hé)适用性；總結了利用遙感進行女熱作物類型識别的3類研究方法，包括基于光譜的識飛行别方法、基于物候差異的識别方法以及光譜與物間睡候相結合的方法，分析了各種方法的特點；解決克服了作物類吧店型遙感識别中(zhōng)存在的主要問(wèn)題，如(rú)影像金你空間精度與價格的平衡問(wèn)題，多分辨率遙感數據的綜合應用問(wèn)照窗題，物候差異對作物識别的影響問(wèn)題等；通(tōng)過結合不在化同分辨率遙感數據、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請信标志；提出作物識别機理和(hé)多尺度數據融合方法。為用雪在戶提供多種農作物種類及在災害發生後評估的遙感識微綠别解決方案。

二、方案特點

>> 智能化的人機交互：将前沿的人工智能技術(shù)與傳統遙感影像解譯技術頻物(shù)結合，提供作業(yè)效率和(hé)件動解譯精度，利用像元間的統計特征建立類别間的判别函數，進來技而識别作物類型。建立特定的農作物識别算法模型船樹。

>> 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，而同一區域相個西同植被具有相似的變化曲線，通(tōng)過植被指花鐘數時間序列變化特征可(kě)以識别地物。匹配方法匠姐通(tōng)過分析未知像元波譜曲線和(h城人é)純像元波譜曲線的匹配程度以識别地物類型，引入時間序列數據的分析以識著自别作物類型，利用季相節律的差異避免了作物類型了吧間光譜特征相似的問(wèn)題。

>> 關(guān)鍵物候期識别：同種作物在同一個(gè)地區具有相對穩定的生長發育規律。關(gu慢熱ān)鍵物候期可(kě)以使作物與其他植被具有較大的可(kě)區分性，可(農房kě)作為作物類型識别的重要依據，從而使作物類型識别更有效說務。通(tōng)過分析時間序列數據中(zhōng)作物生長的關(gu公年ān)鍵物候期的特征值提取作物；利用當地的作物物候曆信息，選擇适當多笑時相的遙感影像，使作物類型識别更有針對性，避免了遙感數據選取的唱的盲目性。

>> 關(guān)聯分析模型：以實測結果或中(zhōng)高分辨率影像識别結果為樣本，與低又紅分辨率時間序列或關(guān)鍵物候期數據建立半定量或回樂路歸模型識别作物。通(tōng)過考慮作物關(guān)鍵物候期植被坐書指數與種植面積的定量函數關(guān)系，當像元中(z術為hōng)混入其他類型地物時會導緻關(guān)鍵飛我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(guān)市為鍵物候特性，使構建模型時理論更充分，精度應該更高和書；可(kě)用于統計總種植面積和(hé)大概種植分布。 

三、案例展示

案例效果及經典案例

      案例效果：目前已建立識别模型農作物種類：水稻器火、小麥、玉米、棉花(huā)、大豆、