摘要：环境星影像具有较高的时间和空间分辨率,利用其时序遥感数据进行作物信息提取优势明显.该文以黑龙江垦区友谊农场作物为研究对象,利用2010年6月至9月共10景 HJ-CCD 数据进行作物种植分类信息提取.首先,通过 SPLINE 算法对云影响区域插值去噪,重构时间序列影像数据;其次,通过分析试验区主要作物的光谱和植被指数时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了黑龙江友谊农场大豆、玉米和水稻的种植信息,分类总体精度达到96.33%.同时,将分类结果同基于时间序列植被指数影像的支持向量机和最大似然法分类结果相比较,结果表明,决策树分类效果最好,支持向量机次之,最大似然分类较差.研究表明,通过去云处理后构建的时间序列 HJ 卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,借助于决策树分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度.

关键词：遥感 作物 分类 时间序列分析 决策树 

单位：北京农业信息技术研究中心/国家农业信息化工程技术研究中心; 北京100097; 南京信息工程大学大气物理学院; 南京210044; 黑龙江农垦科学院科技情报研究所; 哈尔滨150036