摘要:針對遙感農作物分類精度低、作物區分不明顯的特點，本文提出了一種基于主成分分析的農作物空間分布信息提取方法。通過主成分分析，增強影像的光譜特征，提高樣本的可分離性和影像分類精度，滿足農作空間分布識別要求。最后以GF-1衛星影像為研究對象進行試驗，結果表明，本文提出的方法分類精度可達95%以上，實驗結果符合實際情況。

　　關鍵詞:主成分分析;空間分布;分類

　　0引言

　　農作物空間分布是農作物漲勢監測、災害監測、產量預估、土地利用現狀等專題研究與分析的基礎。農作物種植面積廣，生長過程具有周期性，而遙感因其具有監測面積大、觀測實時、獲取效率高等特點，為農作物空間分布的快速、準確獲取提供了有效手段。由于農作物的生長過程受人類活動影響導致“同物異譜，同譜異物”現象嚴重，因此，如何提高農作物遙感識別的時效性和精度成為農業土地系統研究領域的重要課題。

　　根據遙感影像分辨率的不同，將農作物空間分布信息提取分為基于時間序列的低空間分辨率影像信息提取、基于多時相中高空間分辨率影像信息提取、基于高空間分辨率影像信息提取。基于時間序列的低空間分辨率影像信息提取主要利用低空間分辨率影像時間分辨率高的特點，構建時序NDVI曲線，達到提取農作物的目的，由于空間分辨率較低，分類精度受混合像元影響較大，分類精度較低。

　　[1-2]基于多時相中高空間分辨率影像信息提取，通常用多景影像提取物候參數，結合光譜特征、紋理特征等信息，構建分類規則，提取農作物信息，分類精度有所提高。基于高空間分辨率影像信息提取主要有兩個思路:一是像素級的分類方式，二是面向對象的分類方式，高分辨率影像分類精度受混合像元影響小、分類精度高，但受時間分辨率限制較多。

　　本文從提升空間分布分類精度的角度考慮，減少高分辨率影像的時間分辨率限制，采用高分影像進行實驗，目前，將高分影像用于農作物空間分布的研究不多，主要是用多時相遙感影像提取農作物[3-5]，本文采用一景時間分辨率為4d的高分影像，運用主成分分析增強作物間的波普差異，提取農作物信息，取得了較好的分類效果，并通過實地驗證，分類精度可達95%以上。

　　1基于主成分分析的空間分布信息提取原理

　　1.1基于主成分分析的空間分布信息提取流程

　　對高分一號衛星影像數據進行輻射校正、幾何糾正等預處理工作，得到準確的物體表面光譜信息及實際位置，以確保主成分分析效果以及面積統計的準確性;通過主成分分析增強不同作物光譜之間的差異性，便于分類過程中的樣本選擇;對影像進行監督分類，提取玉米、水稻、馬鈴薯、大豆及其他5種作物;對分類結果進行實地驗證。

　　1.2主成分分析原理

　　主成分分析本質是一種特征提取，主要是在特征空間中最大限度地保留原始空間的主要分類信息，特征空間的維數遠低于原始空間維數。在不減少“有效”信息的前提下，將原始數據集轉換為由維數較少的“有效”信息來標識，以達到方差最優的目的，提高數據表示效果。[6]

　　2實驗

　　本實驗采用2018年7月下旬獲取的16m分辨率的GF-1號衛星影像，運用基于主成分分析的空間分布信息提取方法。原始影像整體為綠色，能夠分辨出深綠色、淺綠色及灰色，說明原始影像中至少存在2種作物，但光譜特征并不明顯。主成分分析處理結果，主成分分析處理結果顏色鮮明、突出，能夠分辨出深藍色、湖藍色、粉色、黃色、紅色，農作物光譜差異明顯，實驗區域可能存在5種農作物，而且鮮明、突出的顏色也有利于樣本的選擇。為基于主成分分析監督分類結果，通過樣本可以發現紅色和黃色同為大豆，這種情況可能是受大豆品種、種植時間、生長狀況等影響造成的，監督分類將實驗區分為玉米、大豆、馬鈴薯及其他。

　　農作物論文范例：農業氣象災害對農作物產量的影響

　　3結束語

　　農作物空間分布信息提取是一個比較有意義的研究內容，本文提出的基于主成分分析的農作物空間分布信息提取采用一景影像可以達到比較好的實驗效果，該結果可以減少傳統農業調查的工作量，指導農作物種植補貼，減少虛報瞞報現象。本文方法采用的是單一數據源，在其他數據源的農作物空間信息提取的應用有待進一步研究，以達到更好的應用效果。

　　參考文獻:

　　[1]HUQ，WUW，SONGQ，etal.Howdotemporalandspectralfeaturesmatterincropclassification[J].JntegrAgr，2017(16):324-336.

　　[2]DADHWALVK，RAYSS.CropassessmentusingremotesensingpartⅡ:Cropconditionandyieldassessment[J].IndianJofAgrEcon，2000(55):55-67.

　　[3]李冰，梁燕華，李丹丹，等.多時相GF-1衛星PMS影像提取農作物種植結構[J].中國農業資源與區劃，2017，38(9):56-62.

　　[4]黃健熙，侯矞焯，蘇偉，等.基于GF-1WFV數據的玉米與大豆種植面積提取方法[J].農業工程學報，2017，33(7):164-170.

　　[5]王利民，劉佳，楊福剛，等.基于GF-1衛星遙感的冬小麥面積早期識別[J].農業工程學報，2015，31(11):194-201.

　　[6]陳佩.主成分分析法研究及其在特征提取中的應用[D].西安:陜西師范大學，2014.

　　作者：王眾嬌，魏茂盛，郭凌峰，王向強，高磊