高光譜遙感技術性助推糧食作物細致歸類
糧食作物細致歸類針對糧食作物漲勢檢測、生產量預計、災難評定、確保國家糧食安全具備關鍵實際意義。另外都是農牧業加工過程中有效資源分配、精確上肥的重要環節。伴隨著空間技術的發展趨勢，運用高光譜遙感通訊衛星即時對地觀察，根據解析高光譜遙感影像數據進行農作物精細分類逐漸成為一種主流方式。
我們采用“珠海一號”高光譜衛星OHS-2(貴陽一號)的影像——河北雄安新區，作為實驗區域。高光譜遙感影像數據經過輻射定標，并在定標結果的基礎上進行了FLAASH大氣校正。為了實驗的準確性，我們還對研究區域進行實地調查。
從圖1的“珠海一號”高光譜遙感衛星影像中可以看到，研究區域的東南區域存在部分云量，在分類之前需要先將云掩膜去除。云的光譜特征曲線如圖2所示，云的反射率在480nm~866nm之間具有較高的值，而在紅光范圍內640nm附近處于相對較低的反射率。根據這一特點，將云提取出來。
分類過程
我們將實地提取的農作物進行分析得出平均光譜，如下圖所示，將農作物分為玉米、紅薯、大豆、花生、蔬菜、草地、林地、其他植被和非植被(水體、建筑、裸地和道路)。
實驗利用“珠海一號”高光譜遙感衛星影像數據，結合實地調查樣點，基于決策樹分類方法，對研究區土地覆蓋類型進行分類，利用驗證樣點基于混淆矩陣并利用實測點對分類結果進行精度驗證Kappa系數為0.95，總體精度達95.94%，精度評價結果如下表1所示，其中花生、玉米、大豆、紅薯、蔬菜具有較高的分類精度，花生和玉米存在小部分混分，由于遙感影像不可避免會存在“同譜異物”現象，導致蔬菜和其他植被存在混分現象。
根據分類結果對研究區農作物面積進行統計，利用像元數乘以單位像元面積(“珠海一號”高光譜衛星分辨率為10米)，即乘以10米×10米。
伴隨著國家室內空間基礎建設的健全和物聯網技術、互聯網技術+、互聯網大數據、人工智能技術等技術性的發展趨勢，及其智能農業和現代農業發展趨勢的要求，農牧業高光譜遙感技術性將會獲得更普遍地運用。
