農(nóng)業生(shēng)産是國家社會經濟的基礎，糧食産量對于制定國家和區域社會經濟發展規劃、确保國家糧食安全和社會穩定、指導和調控宏觀種植結構等均有重要意義。作(zuò)物種植面積是影響糧食産量的重要因素之一(yī)，利用遙感識别農(nóng)作(zuò)物地塊并估算(suàn)作(zuò)物種植面積是農(nóng)業遙感監測的重要内容。農(nóng)作(zuò)物遙感分(fēn)類是估算(suàn)作(zuò)物種植面積的重要核心問題，是提高作(zuò)物種植面積估算(suàn)精度的關(guān)鍵工作(zuò)。
公司以遙感在作(zuò)物類型識别和災害識别評估應用為(wèi)主線，歸納了(le)國内外作(zuò)物類型識别及農(nóng)業災害識别評估研究中常用的各類遙感數據，如(rú)資源遙感影像、氣象遙感影像、高分(fēn)辨率影像、高光譜影像和微波影像等，分(fēn)析其優缺點和适用性；總結了(le)利用遙感進行作(zuò)物類型識别的3類研究方法，包括基于光譜的識别方法、基于物候差異的識别方法以及光譜與物候相結合的方法，分(fēn)析了(le)各種方法的特點；解決克服了(le)作(zuò)物類型遙感識别中存在的主要問題，如(rú)影像空間(jiān)精度與價格的平衡問題，多分(fēn)辨率遙感數據的綜合應用問題，物候差異對作(zuò)物識别的影響問題等；通過結合不同分(fēn)辨率遙感數據、不同時(shí)相遙感數據的結合建立更多的光譜與物候相結合的解譯标志；提出作(zuò)物識别機理(lǐ)和多尺度數據融合方法。為(wèi)用戶提供多種農(nóng)作(zuò)物種類及在災害發生(shēng)後評估的遙感識别解決方案。
>> 智能(néng)化(huà)的人(rén)機交互：将前沿的人(rén)工智能(néng)技術與傳統遙感影像解譯技術結合，提供作(zuò)業效率和解譯精度，利用像元間(jiān)的統計特征建立類别間(jiān)的判别函數，進而識别作(zuò)物類型。建立特定的農(nóng)作(zuò)物識别算(suàn)法模型。
>> 時(shí)間(jiān)序列匹配方法：高時(shí)間(jiān)分(fēn)辨率的影像能(néng)夠充分(fēn)體(tǐ)現(xiàn)植被的季相變化(huà)，而同一(yī)區域相同植被具有相似的變化(huà)曲線，通過植被指數時(shí)間(jiān)序列變化(huà)特征可以識别地物。匹配方法通過分(fēn)析未知像元波譜曲線和純像元波譜曲線的匹配程度以識别地物類型，引入時(shí)間(jiān)序列數據的分(fēn)析以識别作(zuò)物類型，利用季相節律的差異避免了(le)作(zuò)物類型間(jiān)光譜特征相似的問題。
>> 關(guān)鍵物候期識别：同種作(zuò)物在同一(yī)個(gè)地區具有相對穩定的生(shēng)長發育規律。關(guān)鍵物候期可以使作(zuò)物與其他植被具有較大的可區分(fēn)性，可作(zuò)為(wèi)作(zuò)物類型識别的重要依據，從而使作(zuò)物類型識别更有效。通過分(fēn)析時(shí)間(jiān)序列數據中作(zuò)物生(shēng)長的關(guān)鍵物候期的特征值提取作(zuò)物；利用當地的作(zuò)物物候曆信息，選擇适當時(shí)相的遙感影像，使作(zuò)物類型識别更有針對性，避免了(le)遙感數據選取的盲目性。
>> 關(guān)聯分(fēn)析模型：以實測結果或中高分(fēn)辨率影像識别結果為(wèi)樣本，與低(dī)分(fēn)辨率時(shí)間(jiān)序列或關(guān)鍵物候期數據建立半定量或回歸模型識别作(zuò)物。通過考慮作(zuò)物關(guān)鍵物候期植被指數與種植面積的定量函數關(guān)系，當像元中混入其他類型地物時(shí)會導緻關(guān)鍵時(shí)段的曲線斜率發生(shēng)變化(huà)。充分(fēn)利用了(le)多分(fēn)辨率遙感的優勢，突出關(guān)鍵物候特性，使構建模型時(shí)理(lǐ)論更充分(fēn)，精度應該更高；可用于統計總種植面積和大概種植分(fēn)布。
案例效果：目前已建立識别模型農(nóng)作(zuò)物種類：水稻、小麥、玉米、棉花、大豆、
