影像分块与混合像元分解技术在水稻面积提取中的应用

"基于影像分块与混合像元分解的水稻面积提取" 本文主要探讨了如何通过结合影像空间特征与光谱信息来提高中低分辨率遥感影像中水稻面积提取的精度。作者马孟莉、王航等人提出了一种创新的方法，该方法包括两个关键步骤：影像分块和混合像元分解。 首先，影像分块是一种处理大尺寸遥感图像的有效策略，它将整个影像分割成较小的、易于处理的块。这种方法有助于减少计算复杂性，同时在处理高分辨率数据时可以保持局部光谱特性。对于中低分辨率的遥感影像，由于波段数量有限，光谱信息相对不丰富，直接进行像元分析可能会导致端元（纯像元）的漏选或错选，从而影响提取精度。通过分块，可以更好地捕捉局部的空间结构，有助于识别和区分不同的地物类型，尤其是对于像水稻这样具有特定生长特性的作物。 其次，混合像元分解是遥感图像分析中的一个重要技术，旨在解决像元级别的光谱混合问题。在本文中，作者提出了一个结合空间特征与光谱信息的端元提取方法，以增加端元数目。端元是像元光谱库中的基本组成单元，代表了特定地物的光谱特性。增加端元数目能更准确地表征混合像元中的各个组成部分，这对于精确提取水稻种植面积至关重要。作者使用4波段的多光谱影像（HJ-1BCCD）进行实验，证明了这种方法在分解混合像元方面的有效性。 为了验证所提方法的准确性，研究选取了江苏省如皋市2009年的水稻种植面积作为案例，将其与几种常用的基于像元的水稻分类和面积提取方法进行了比较。通过与高分辨率SPOT-5影像提取的参考数据对比，结果显示，采用本文方法估算的水稻种植面积精度达到了95.50%，相比其他基于像元的方法提高了约8%。这一结果表明，结合影像分块和混合像元分解的新方法可以有效克服多光谱影像在光谱信息不足时的局限，显著提高水稻面积提取的精度。 关键词涵盖了水稻、影像分块、混合像元分解和遥感种植面积，这些是本研究的核心内容。这项工作为利用多光谱遥感影像进行作物面积提取提供了新的思路，对于农业遥感、土地覆盖变化监测以及精准农业的发展具有重要意义。