一(yī / yì ／yí)、方案概述

     農業生産是(shì)國(guó)家社會經濟的(de)基礎，糧食産量對于(yú)制定國(guó)家和(hé / huò)區域社會經濟發展規劃、确保國(guó)家糧食安全和(hé / huò)社會穩定、指導和(hé / huò)調控宏觀種植結構等均有重要(yào / yāo)意義。作物種植面積是(shì)影響糧食産量的(de)重要(yào / yāo)因素之(zhī)一(yī / yì ／yí)，利用遙感識别農作物地(dì / de)塊并估算作物種植面積是(shì)農業遙感監測的(de)重要(yào / yāo)内容。農作物遙感分類是(shì)估算作物種植面積的(de)重要(yào / yāo)核心問題，是(shì)提高作物種植面積估算精度的(de)關鍵工作。

      公司以(yǐ)遙感在(zài)作物類型識别和(hé / huò)災害識别評估應用爲(wéi / wèi)主線，歸納了(le／liǎo)國(guó)内外作物類型識别及農業災害識别評估研究中常用的(de)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(hé / huò)微波影像等，分析其優缺點和(hé / huò)适用性；總結了(le／liǎo)利用遙感進行作物類型識别的(de)3類研究方法，包括基于(yú)光譜的(de)識别方法、基于(yú)物候差異的(de)識别方法以(yǐ)及光譜與物候相結合的(de)方法，分析了(le／liǎo)各種方法的(de)特點；解決克服了(le／liǎo)作物類型遙感識别中存在(zài)的(de)主要(yào / yāo)問題，如影像空間精度與價格的(de)平衡問題，多分辨率遙感數據的(de)綜合應用問題，物候差異對作物識别的(de)影響問題等；通過結合不(bù)同分辨率遙感數據、不(bù)同時(shí)相遙感數據的(de)結合建立更多的(de)光譜與物候相結合的(de)解譯标志；提出(chū)作物識别機理和(hé / huò)多尺度數據融合方法。爲(wéi / wèi)用戶提供多種農作物種類及在(zài)災害發生後評估的(de)遙感識别解決方案。

二、方案特點

>> 智能化的(de)人(rén)機交互：将前沿的(de)人(rén)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(hé / huò)解譯精度，利用像元間的(de)統計特征建立類别間的(de)判别函數，進而(ér)識别作物類型。建立特定的(de)農作物識别算法模型。

>> 時(shí)間序列匹配方法：高時(shí)間分辨率的(de)影像能夠充分體現植被的(de)季相變化，而(ér)同一(yī / yì ／yí)區域相同植被具有相似的(de)變化曲線，通過植被指數時(shí)間序列變化特征可以(yǐ)識别地(dì / de)物。匹配方法通過分析未知像元波譜曲線和(hé / huò)純像元波譜曲線的(de)匹配程度以(yǐ)識别地(dì / de)物類型，引入時(shí)間序列數據的(de)分析以(yǐ)識别作物類型，利用季相節律的(de)差異避免了(le／liǎo)作物類型間光譜特征相似的(de)問題。

>> 關鍵物候期識别：同種作物在(zài)同一(yī / yì ／yí)個(gè)地(dì / de)區具有相對穩定的(de)生長發育規律。關鍵物候期可以(yǐ)使作物與其他(tā)植被具有較大(dà)的(de)可區分性，可作爲(wéi / wèi)作物類型識别的(de)重要(yào / yāo)依據，從而(ér)使作物類型識别更有效。通過分析時(shí)間序列數據中作物生長的(de)關鍵物候期的(de)特征值提取作物；利用當地(dì / de)的(de)作物物候曆信息，選擇适當時(shí)相的(de)遙感影像，使作物類型識别更有針對性，避免了(le／liǎo)遙感數據選取的(de)盲目性。

>> 關聯分析模型：以(yǐ)實測結果或中高分辨率影像識别結果爲(wéi / wèi)樣本，與低分辨率時(shí)間序列或關鍵物候期數據建立半定量或回歸模型識别作物。通過考慮作物關鍵物候期植被指數與種植面積的(de)定量函數關系，當像元中混入其他(tā)類型地(dì / de)物時(shí)會導緻關鍵時(shí)段的(de)曲線斜率發生變化。充分利用了(le／liǎo)多分辨率遙感的(de)優勢，突出(chū)關鍵物候特性，使構建模型時(shí)理論更充分，精度應該更高；可用于(yú)統計總種植面積和(hé / huò)大(dà)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、小麥、玉米、棉花、大(dà)豆、