农作物遥感识别方法有哪些？

1. 基于光谱特征的农作物遥感识别方法

基于光谱特征的农作物遥感识别方法主要包括目视解译、基于图像统计分类的监督分类和非监督分类法以及以句法结构分类法为主的各种集成分类方法（包括神经网络法、模糊数学法、决策树法和基于混合像元分解的方法等）。但由于受卫星影像分辨率限制，导致分类过程中“同物异谱”和“同谱异物”现象难以避免，所以单纯基于地物光谱特性进行复杂种植结构作物分类较难获得理想效果。

2. 基于作物物候特征的农作物遥感识别方法

对基于物候特征的作物遥感识别方法而言，由于作物具有季相节律性和物候变化规律性的特点，利用时间序列遥感数据的时相变化规律可以实现不同农作物类型的识别。该方法通过分析时序数据中作物关键物候期特征进行作物类型识别，可避免利用单一时相影像数据进行作物空间分布提取时因“异物同谱”等原因导致的错分、漏分等现象。

关键物候期可以使作物与其他植被具有较大的可区分性，可作为作物类型识别的重要依据，从而使作物类型识别更有效。该方法通过分析时间序列数据中作物生长的关键物候期的特征值提取作物；利用当地的作物物候历信息，选择适当时相的遥感影像，使作物类型识别更有针对性，避免了遥感数据选取的盲目性。

3. 基于多源数据融合的农作物遥感识别方法

基于多信息源数据的农作物遥感识别方法可以充分利用多种数据信息的特色，实现优势互补，弥补单一遥感数据和分类方法的缺陷，大大提高作物遥感识别精度。多信息源数据结合既包括多源遥感影像的结合，也包括遥感影像与非遥感数据源的结合。

多源遥感影像的结合可以得到更多的信息，减少理解的模糊性。引入非遥感影像数据源，如在分类过程中引入地形（如高程、坡度和坡向信息等）、土壤、作物轮作和分布环境信息，可大大提高农作物种植面积的提取精度。