農業生産是國家社會經濟的(de)基礎，糧食産量對于制定國家和(hé)區域社會經濟發展規劃、确保國家糧食安全和(hé)社會穩定、指導和(hé)調控宏觀種植結構等均有重要意義。作物(wù)種植面積是影(yǐng)響糧食産量的(de)重要因素之一，利用(yòng)遙感識别農作物(wù)地塊并估算(suàn)作物(wù)種植面積是農業遙感監測的(de)重要内容。農作物(wù)遙感分(fēn)類是估算(suàn)作物(wù)種植面積的(de)重要核心問題，是提高(gāo)作物(wù)種植面積估算(suàn)精度的(de)關鍵工作。
公司以遙感在作物(wù)類型識别和(hé)災害識别評估應用(yòng)爲主線，歸納了(le)國内外作物(wù)類型識别及農業災害識别評估研究中常用(yòng)的(de)各類遙感數據，如資源遙感影(yǐng)像、氣象遙感影(yǐng)像、高(gāo)分(fēn)辨率影(yǐng)像、高(gāo)光(guāng)譜影(yǐng)像和(hé)微波影(yǐng)像等，分(fēn)析其優缺點和(hé)适用(yòng)性；總結了(le)利用(yòng)遙感進行作物(wù)類型識别的(de)3類研究方法，包括基于光(guāng)譜的(de)識别方法、基于物(wù)候差異的(de)識别方法以及光(guāng)譜與物(wù)候相結合的(de)方法，分(fēn)析了(le)各種方法的(de)特點；解決克服了(le)作物(wù)類型遙感識别中存在的(de)主要問題，如影(yǐng)像空間精度與價格的(de)平衡問題，多(duō)分(fēn)辨率遙感數據的(de)綜合應用(yòng)問題，物(wù)候差異對作物(wù)識别的(de)影(yǐng)響問題等；通(tōng)過結合不同分(fēn)辨率遙感數據、不同時相遙感數據的(de)結合建立更多(duō)的(de)光(guāng)譜與物(wù)候相結合的(de)解譯标志；提出作物(wù)識别機理(lǐ)和(hé)多(duō)尺度數據融合方法。爲用(yòng)戶提供多(duō)種農作物(wù)種類及在災害發生後評估的(de)遙感識别解決方案。
>> 智能化(huà)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(yǐng)像解譯技術結合，提供作業效率和(hé)解譯精度，利用(yòng)像元間的(de)統計特征建立類别間的(de)判别函數，進而識别作物(wù)類型。建立特定的(de)農作物(wù)識别算(suàn)法模型。
>> 時間序列匹配方法：高(gāo)時間分(fēn)辨率的(de)影(yǐng)像能夠充分(fēn)體現植被的(de)季相變化(huà)，而同一區域相同植被具有相似的(de)變化(huà)曲線，通(tōng)過植被指數時間序列變化(huà)特征可(kě)以識别地物(wù)。匹配方法通(tōng)過分(fēn)析未知像元波譜曲線和(hé)純像元波譜曲線的(de)匹配程度以識别地物(wù)類型，引入時間序列數據的(de)分(fēn)析以識别作物(wù)類型，利用(yòng)季相節律的(de)差異避免了(le)作物(wù)類型間光(guāng)譜特征相似的(de)問題。
>> 關鍵物(wù)候期識别：同種作物(wù)在同一個地區具有相對穩定的(de)生長發育規律。關鍵物(wù)候期可(kě)以使作物(wù)與其他(tā)植被具有較大(dà)的(de)可(kě)區分(fēn)性，可(kě)作爲作物(wù)類型識别的(de)重要依據，從而使作物(wù)類型識别更有效。通(tōng)過分(fēn)析時間序列數據中作物(wù)生長的(de)關鍵物(wù)候期的(de)特征值提取作物(wù)；利用(yòng)當地的(de)作物(wù)物(wù)候曆信息，選擇适當時相的(de)遙感影(yǐng)像，使作物(wù)類型識别更有針對性，避免了(le)遙感數據選取的(de)盲目性。
>> 關聯分(fēn)析模型：以實測結果或中高(gāo)分(fēn)辨率影(yǐng)像識别結果爲樣本，與低分(fēn)辨率時間序列或關鍵物(wù)候期數據建立半定量或回歸模型識别作物(wù)。通(tōng)過考慮作物(wù)關鍵物(wù)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)類型地物(wù)時會導緻關鍵時段的(de)曲線斜率發生變化(huà)。充分(fēn)利用(yòng)了(le)多(duō)分(fēn)辨率遙感的(de)優勢，突出關鍵物(wù)候特性，使構建模型時理(lǐ)論更充分(fēn)，精度應該更高(gāo)；可(kě)用(yòng)于統計總種植面積和(hé)大(dà)概種植分(fēn)布。
案例效果：目前已建立識别模型農作物(wù)種類：水(shuǐ)稻、小麥、玉米、棉花、大(dà)豆、
