王 镕，赵红莉，蒋云钟，何 毅，段 浩

(1.中国水利水电科学研究院，北京 100038；2.兰州交通大学测绘与地理信息学院，兰州 730070)

0 引言

农作物种植结构反映了人类农业生产在空间范围内利用农业生产资源的状况[1]，是农作物种类、数量结构和空间分布特征等的信息组合，也是农业科学灌溉的基础。目前基于遥感的农作物种植结构提取多采用影像的光谱特征与纹理特征，光谱特征一般用于中低分辨率数据，如TM，SPOT，HJ等或NOAA，MODIS等[2]。中低分辨率的遥感数据获取来源较多，且影像覆盖范围广，但是一般适合大面积单一作物的识别[3]。针对复杂的地物类型，仅光谱特征难以准确的区分各类作物，最终影响其分类精度。如部分研究利用Landsat8[4]，HJ-1A/B[5]，MODIS-EVI[6]影像光谱信息构建小麦、水稻等作物的长时间序列变化特征，并提取相应地物的空间分布信息，精度可达到85%以上；而纹理特征一般用于高分辨率的遥感影像识别过程，如QuickBird，SPOT[7]，SAR，SuperView-1等。高分辨率影像拥有丰富的纹理、色调、形状和几何结构等特征信息，地物内部细节信息明显，边缘突出，具有较高的分辨精度与目标识别可靠性。如研究人员利用灰度共生矩阵[8]计算QuickBird，SPOT，SAR[9]等影像的纹理特征，实现植被类型的分布并实现长期的监测，精度均在90%以上。但是由于重访周期长、获取最佳时相困难、且价格高昂等缺点，难以满足农作物动态管理监测的需求。中高分辨率高分一号(GF-1)作为我国自主研发的卫星，因其重访周期短，分辨率高等特点，自发射以来，已开始应用于我国林业、农业、自然灾害、土地利用、定量化应用等众多领域。……