《抗干擾的農作物種植模式自動提取方法》是依託福州大學，由邱炳文擔任項目負責人的面上項目。
基本介紹
- 中文名：抗干擾的農作物種植模式自動提取方法
- 依託單位：福州大學
- 項目類別：面上項目
- 項目負責人：邱炳文
項目摘要,結題摘要,
項目摘要
農作物種植模式的遙感自動提取對於農業信息更新並確保糧食安全具有重要意義。消除植被指數時序數據噪聲與類內變化的干擾，是農作物種植模式遙感監測所面臨的關鍵技術問題。本項目擬提出一種能抗干擾的農作物種植模式自動提取方法：首先基於多層次自適應時空建模框架，探索植被演變的時空過程與驅動機制，開展植被指數時序信號分析與重構，以合理消除數據噪聲，併科學評估與量化類內變化的干擾特徵；進而借鑑模式識別領域的技術方法，綜合植被與氣候因子的年內、年際變化等多維度信息，通過提取其時頻圖譜-特徵圖譜-相關性圖譜的魯棒性特徵，以有效避免類內變化干擾，最終創建農作物種植模式自動提取方法。在算法研究的基礎上，實現對中國主要農業區農作物種植模式的自動精確提取，並揭示歷年耕地複種指數時空演變規律。該方法可拓展用於其他植被覆蓋變化遙感監測，促進時序分類技術的發展，並有望為解決遙感分類異物同譜與同物異譜問題開拓新思路。
結題摘要
農作物種植模式的遙感自動提取，對於及時獲取農業信息並確保糧食安全意義重大。消除植被指數時序數據噪聲與類內異質性的干擾，是農作物種植模式遙感監測所面臨的關鍵科學技術問題。本項目針對這一國際學術前沿問題開展研究，獲得了如下研究成果：(1)針對不同區域、年份與氣候條件等多種因素導致的植被複雜類內異質性問題，提出了基於自適應時頻域的植被遙感監測方法；(2)提出基於圖譜的耕地複種指數自動監測方法，能有效地消除植被物候期變化、植被長勢與生長期長度差異等各種類內異質性問題；(3)創建了基於生長期植被指數增量的冬小麥大範圍快速識別方法，獲得了相當準確的分類精度；(4)建立了基於植被與水體變化比值指數的水稻自動遙感監測方法，能有效地避免降水以及數據來源差異與數據噪聲干擾，提高了水稻識別精度；(5)針對時序遙感影像數據可獲得性差異帶來的挑戰，創新性地提出了水稻自適應製圖方法；(6)創建了基於生長盛期NMDI增減比值指數的玉米自動製圖方法，能適用於全國尺度連續多年玉米種植分布信息快速自動提取；(7)建立全國大範圍長時間序列耕地複種指數和水稻、冬小麥和玉米等大宗農作物分布時空連續資料庫，深入揭示了其時空演變規律和驅動機制，並有力校驗了所創建技術方法的大範圍長時序套用推廣能力。本項目將深化農作物種植模式自動提取以及時序遙感影像類內異質性的認識，開拓與帶動大範圍長時序農作物自動製圖的研究與套用，為推動克服植被類內異質性挑戰建立高精度快速自動植被遙感監測技術開闢新的技術方法與研究思路。
