高光谱遥感技术性助推粮食作物细致归类

　　粮食作物细致归类针对粮食作物涨势检测、生产量预计、灾难评定、确保國家粮食安全具备关键实际意义。另外都是农牧业加工过程中有效资源分配、精确上肥的重要环节。伴随着空间技术的发展趋势，运用高光谱遥感通讯卫星即时对地观察，根据解析高光谱遥感影像数据进行农作物精细分类逐渐成为一种主流方式。

　　我们采用“珠海一号”高光谱卫星OHS-2(贵阳一号)的影像——河北雄安新区，作为实验区域。高光谱遥感影像数据经过辐射定标，并在定标结果的基础上进行了FLAASH大气校正。为了实验的准确性，我们还对研究区域进行实地调查。

　　从图1的“珠海一号”高光谱遥感卫星影像中可以看到，研究区域的东南区域存在部分云量，在分类之前需要先将云掩膜去除。云的光谱特征曲线如图2所示，云的反射率在480nm~866nm之间具有较高的值，而在红光范围内640nm附近处于相对较低的反射率。根据这一特点，将云提取出来。

　　分类过程

　　我们将实地提取的农作物进行分析得出平均光谱，如下图所示，将农作物分为玉米、红薯、大豆、花生、蔬菜、草地、林地、其他植被和非植被(水体、建筑、裸地和道路)。

　　实验利用“珠海一号”高光谱遥感卫星影像数据，结合实地调查样点，基于决策树分类方法，对研究区土地覆盖类型进行分类，利用验证样点基于混淆矩阵并利用实测点对分类结果进行精度验证Kappa系数为0.95，总体精度达95.94%，精度评价结果如下表1所示，其中花生、玉米、大豆、红薯、蔬菜具有较高的分类精度，花生和玉米存在小部分混分，由于遥感影像不可避免会存在“同谱异物”现象，导致蔬菜和其他植被存在混分现象。

　　根据分类结果对研究区农作物面积进行统计，利用像元数乘以单位像元面积(“珠海一号”高光谱卫星分辨率为10米)，即乘以10米×10米。

　　伴随着國家室内空间基础建设的健全和物联网技术、互联网技术+、互联网大数据、人工智能技术等技术性的发展趋势，及其智能农业和现代农业发展趋势的要求，农牧业高光谱遥感技术性将会获得更普遍地运用。