HJ卫星数据在棉花种植面积提取中的应用研究

 探索利用环境小卫星数据进行棉花种植面积的提取,旨在利用国产卫星数据建立一种方便快捷的棉花种植面积提取技术,为棉花的遥感估产奠定基础;选取2011年新疆北部国营农场棉花不同生育期内两期HJ卫星影像,根据棉花与研究区其他作物物候和光谱差异性、农作物生长规律,运用监督分类算法、密度分割和逻辑运算,辅助于人机交互的目视解译,得到研究区棉花种植面积;结果表明：不同监督分类算法中,神经网络分类法和最大似然法分类效果最佳;最终提取的棉花面积总体精度为87.7%;本文采用的方法较为实际、便捷,提取棉花种植面积的精度符合农场生产要求,可为棉花估产和作物种植结构分析提供科学依据。     

利用MODIS数据提取水稻种植面积及精度分析

为了研究MODIS遥感数据及方法提取水稻种植面积在东北地区的适用性,利用MODIS数据对东北地区水稻面积进行提取,采用非监督分类法、决策树法等方法,并与SPOT、ALOS等遥感资料提取结果比较,进行精度分析。结果表明,MODIS监测水稻面积具有很好的效果,利用MODIS-LSWI提取黑龙江地区移栽期的水稻面积,采用非监督分类法,与SPOT比较,提取精度达97.4%;利用MODIS数据提取辽宁盘锦地区移栽期的水田面积,采用决策树法,与ALOS比较,提取精度达89.5%。因此,利用MODIS遥感数据及方法监测东北地区水稻种植面积是可行的。     

基于物候特征参数的橡胶树种植信息遥感提取研究?

为了更好地监测橡胶树的生长状态,客观准确地获取橡胶树的种植的地理位置信息,采用非对称高斯函数对海南岛内MODIS EVI时间序列数据进行滤波处理,定义作物物候特征参数并计算海南岛每个像元的特征参数值;统计分析基于MODIS EVI数据的海南岛橡胶树样区作物关键物候特征参数值变化规律;根据橡胶树样区特征参数值变化规律建立海南岛橡胶树种植信息提取算法,提取结果采用不同比例的橡胶树混合像元分类法表示。根据提取算法对海南岛2011年橡胶树种植信息进行提取,用验证数据对该提取算法进行精度检验与实用性评价,检验结果显示该算法的平均分类精度达85.97%,可以用来提取橡胶树种植信息。     

卫星遥感提取烟田种植面积应用分析

烟草是中国重要的经济作物之一，准确提取烟草种植面积对农作物种植结构调整、烟田科学管理和监测具有重要意义。笔者基于GEE(Google Earth Engine)云平台，利用2021年2—11月Sentinel-2A多时相数据，根据烟草种植特性排除误差因子，并结合实地采样数据的分布特征归纳植被特征，利用阈值法，以山东省临沂市为例，开展烟田种植地块自动提取的研究。结果表明，采用GEE和随机森林算法组合模式，能够准确获得烟田种植的空间分布信息，总体分类精度为96.04%。本研究方法分类质量较高，可以满足研究需要，为烟田种植管理部门提供准确、快捷、科学的参考。     

用MODIS数据监测冬小麦冠层反照率变化信息的方法研究

采用冬小麦主要生育期内冠层反照率的地面观测数据和MODIS反照率产品数据,分析了在冬小麦生长期时间序列上MODIS遥感图像端元反照率与地面观测不同空间尺度反照率的变化规律。提出了基于高空间分辨率图像分类的先验知识提取MODIS端元反照率的方法。研究结果表明,MODIS端元反照率与地面观测反照率随冬小麦生育期的变化趋势相同,两种观测尺度反照率的观测值差别小于4%,研究方法为MODIS反照率产品在大面积农田研究中的应用提供了参考。     

基于高分卫星影像的青岛市冬小麦种植信息提取

为了准确获取青岛市主要农作物冬小麦的种植信息,以GF-1/16 m卫星影像为主要数据源,将高程、土地利用和田间调查数据作为辅助数据源,根据冬小麦主要发育期与其他地物在GF-1/16 m卫星影像上的光谱差异,计算得到4月份为青岛市冬小麦遥感面积提取的最佳时相。在最佳时相内,采用决策树分类法,通过分区解译方式,提取出青岛市2017年冬小麦种植面积和分布区域,并利用GF-2融合后 1 m卫星影像、地面调查数据和统计局公布数据对分类结果进行精度验证。结果表明:利用GF-1/16 m卫星影像在幅宽、时间和空间分辨率的优势,将土地利用和高程等引入决策树分类模型,进行区域尺度的冬小麦种植面积遥感估算的方法是可行的。经精度验证,2017年青岛市冬小麦遥感解译总精度为94.3%,Kappa系数为0.857。遥感提取面积略小于统计局公布数据,面积总量提取精度为93.6%。本研究为基于高分卫星影像的区域尺度作物种植面积提取提供参考。     

基于MODIS的植被指数模型及其在草地生态系统中的应用

为了明确MODIS植被指数模型的类型以及MODIS数据在大尺度上的可用性,笔者在分析MODIS数据优势的基础上,综述了MODIS植被指数、植被指数模型以及MODIS植被指数模型在草地生态系统中的应用。MODIS数据可以直接提取NDVI和EVI 2类植被指数,还可以间接计算MSAVI和RVI等多种植被指数;利用MODIS植被指数可以建立线性回归模型和非线性的多种曲线模型,它们可以用在草地生态系统的净初级生产力估算、草地退化监测等方面。MODIS植被指数还可以在草地面积提取、草地碳储量估算等方面进一步的应用。     

湖北省当阳市农作物种质资源普查现状与分析

本研究对当阳市的农作物种质资源进行了普查和数据分析。通过查阅文献和实地调查相结合的方法,完成农作物种质资源普查表的编制,从农作物的种植面积、种植品种、种植结构等3个方面阐述了当阳市近60年来的农业生产变化,分析了农作物种质资源保护存在的问题,并提出了相应的对策建议。研究结果为当阳市农作物种质资源的保护和利用提供了参考。     

辽宁省农作物种植结构时空变化特征分析

为了提高辽宁省的农业经济效益，以辽宁省为研究区域，以2001—2014 年农作物统计数据为数据源，运用数理统计和GIS 空间分析方法，分析辽宁省近14 年玉米、水稻、大豆、油料和蔬菜5 种主要粮食和经济作物播种面积的时间空间变化特征。结果表明：（1）2001—2014 年辽宁省农作物总种植面积增加16.97%，粮食作物和经济作物种植面积分别增加17.30%和15.85%，且粮食作物始终占农作物总种植面积的较大比例，大致为77.50%。（2）玉米种植面积大幅增加70.54%，种植比例逐年上升，水稻种植面积减少79.62%，油料作物种植面积增加33.4%，蔬菜种植面积增加14.73%，大豆种植面积大幅减少63.36%。增加的地区集中在沈阳、铁岭、锦州等辽宁中北部地区。（3）通过对辽宁省各市5 种主要农作物种植面积进行GIS 空间分析，发现其分布存在一定的空间集聚现象。玉米、水稻、油料和蔬菜的种植结构呈现出以沈阳为中心向西、北辐射的分布特点，大豆的种植区域主要集聚在大连和沈阳。     

辽宁陆面温度的反演与实测数据对比分析

为了及时准确地从遥感图像数据中反演出地表温度的变化,针对辽宁地区制定播种计划、确定种植结构等提供技术支持,选取辽宁省作为研究区,利用EOS/MODIS热红外遥感数据和FY-3/MERSI数据与相关的地面气象台站实测数据,建立地表温度反演模型。采用分裂窗算法中的两因素模型和普适单通道算法对辽宁省地表温度进行反演。通过对气象台站实测的地面温度值和反演的温度进行拟合来获取回归方程,再利用反演的温度值模拟真实地表温度。对比2种算法,得出分裂窗算法是更适合进行辽宁地区地表温度的反演方法。     

基于遥感的黑龙江省东部水稻种植信息提取

为了实现黑龙江省东部地区水稻种植信息遥感监测的业务化,通过采用实地调查、ISODATA非监督分类、遥感数据融合和光谱耦合等方法,研究提取研究区水稻种植分布的方法,并进行面积推算。结果表明,2012年黑龙江省东部地区水稻种植面积为15389.01 km2,主要集中在佳木斯、双鸭山和鸡西地区,分类精度达89.19%。该方法可为区域水田空间分布信息提取提供借鉴。     

基于时序MODIS-EVI数据的冬小麦种植信息提取

【研究目的】准确获取作物种植空间分布和面积信息是进行粮食估产的重要前提条件,也是调整种植结构的重要数据基础。【方法】笔者以河北省2004--2005年整个作物生育期内35个时相的合成地表反射率数据为数据源,生成时间序列MODIS-EVI数据集,在利用Savitzky-Golay滤波重构时序MODIS-EVI数据的基础上,分析作物EVI时间曲线,结合作物种植结构和物候历,构建分类模型,提取2004年主要种植作物的种植空间分布及面积信息。【结果】Savitzky-Golay滤波能够有效地消除云和缺失数据的影响,同时基本上保持原有曲线的基本形状,较为真实地恢复植被指数曲线。与统计数据相比,各市分类精度相差较大,其中邯郸的分类精度最低（85.9%）,沧州精度最高,达到99%。按全省计算,整体精度为95.7%。2004年,河北省冬小麦呈明显的地带性,主要分布在邯郸东南部、邢台和石家庄中部以及保定东部。【结论】利用时间序列MODIS-NDVI数据提取大区域作物种植空间分布信息是可行的。     

基于承包地确权成果的农作物种植结构调查

为快速、便捷获取农作物种植结构信息,选择山西省永济市开张镇作为研究区,基于农村土地承包经营权确权登记颁证成果数据,采用访谈调查法获取研究区农作物种植结构,并通过实地验证对其精度进行检验。结果表明：（1）开张镇农作物面积8926.86 hm²,包括果树、小麦、玉米等11种作物,农作物以果树和小麦为主,涉及39012个承包地块、9595个农户。（2）农作物广泛分布在各村庄周边,全镇东北部农作物以果树为主,西北部和东南部农作物以果树和小麦为主,南部农作物以小麦为主。（3）开张镇农作物种植结构准确率为92.06%,高粱、棉花、中药材的精度均为100%;果树、小麦、其他作物的精度均在90%以上;其余农作物的准确率在80%以上。（4）与实地调查、逐级统计、遥感等方法相比,基于农村土地承包经营权确权登记颁证成果,结合访谈调查来获取农作物种植结构信息,操作简单、成本低、精度高。研究成果可为研究区农作物种植结构调整和农业发展布局提供科学依据,研究方法有望成为未来获取农作物种植结构信息的重要方式。     

安徽省农作物种质资源普查收集现状与思考

农作物种质资源是农业发展的重要物质基础。安徽省发动广大基层农技人员,通过查阅历史文献、实地调查走访等方法,开展了第三次全国农作物种质资源普查与收集工作。根据普查信息和征集资源数据,从农业生产结构、种植面积、种植品种以及收集资源类型等方面阐述了安徽省的农业生产变化,分析了农作物种质资源保护中存在的一些问题,并提出了相应的对策建议,为推进农作物种质资源的保护和利用提供参考。     

基于环境卫星数据和实测地物光谱数据估算中稻面积

为准确获取水稻种植面积,提高遥感监测精度,利用环境卫星数据,在农作物掩膜的基础上,结合野外实测地物光谱确定端元组分,采用线性光谱混合模型提取湖北省监利县中稻种植面积,将其结果分别与统计数据和实地调查数据相比较。结果表明：采用确定端元选取的方法是可行的,其混合像元分解方法提取作物面积总量精度为93.68%;样本精度为83.67%。因此,利用HJ卫星影像数据开展平原地区水稻遥感监测可为政府决策部门提供信息服务。     

四川省农作物种植结构与气候变化耦合协调性研究

为了探究四川省作物种植结构与气候变化的协调关系,本研究基于四川省气候数据与农作物播种面积数据,分析了2000—2018年四川气候变化、农作物种植结构变化以及它们之间的协调关系。结果发现：四川省2000—2018年间降水量、≥10℃积温均呈显著上升趋势,降水量气候倾向率为53.5 mm/10 a,≥10℃积温气候倾向率为123.7℃/10 a;作物播种面积明显增加的有玉米、油料作物、豆类、果园,薯类播种面积保持相对稳定状态,作物播种面积明显下降的有水稻、小麦和其他作物;各主要农作物种植结构占比变化明显。四川省农作物种植占比前三种为水稻、玉米和薯类,多年平均占比分别为21%、17%和13%,且水稻在所有种类中占比较稳定;小麦种植占比正在逐年降低。四川省2000—2018年农作物种植结构变化与气候变化整体相互适应,耦合度与耦合协调度均较高。     

种植业结构调整空间辅助决策系统研究

研究者建立种植业结构调整空间辅助决策系统主要是为了使县域种植业经济效益达到最大化，使县域农作物种植结构最优化，能够为决策者提供决策的依据；在决策系统的研究中，研究者针对研究区域的特点建立了辅助决策模型，采用GIS中MapObjects控件与辅助决策模型内嵌式集成的方法，应用VB编程语言，形成面向种植业结构调整的空间辅助决策系统；决策者在种植业结构调整空间决策系统中可以对农作物种植数据进行动态查询，查询数据还可以直观动态地显示在相应的地图位置。在后台数据库的支持下，决策者可以计算每年各个乡镇各种农作物的适宜性参数，决策系统可以自动将农作物适宜性参数输入模型中参与计算农作物的种植面积，决策者可以根据不同情况选择决策系统中的不同模型进行计算农作物种植的调整数据。根据往年的农作物种植面积与计算所得的种植面积进行比较，得到农作物需要调整的种植面积。系统可以根据调整前后的农作物种植面积进行效益分析，利润分析，生成图表，能够直观动态地为决策提供支持。以河北正定县为例对所开发的种植业结构调整决策系统进行实例验证，结果表明，该系统设计合理可行，能够为县域的种植业结构调整提供决策支持，具有一定的实践价值和意义。     

基于多时相MODIS数据监测水、旱作物种植面积及空间分布

针对农业信息服务中大范围水田、旱田种植面积信息调查业务的现状与需求,以黑龙江省为研究区,通过分析水田、旱田作物发育期特征、MODIS数据植被指数(NDVI、EVI、LSWI)时序特征,引入积温条件分区构建决策规则,提取检测农田与其他、水田与旱田作物种植的空间分布。以实地调查地面验证点对分类结果进行验证,结果表明,分类结果达到了较高的识别精度,分类结果的总体精度为90.68%,Kappa系数为0.81,其中水稻制图精度为81.13%,用户精度为97.73%;旱地制图精度为98.46%,用户精度为87.07%;与不考虑积温条件相比,分类结果总体精度提高了12.77%,水稻制图精度提高了22.57%,旱地制图精度提高了5.94%。本研究通过引入积温条件,提高了大范围水稻、旱地作物提取精度,具有自动化程度高、分类结果稳定的特点。     

单时相MERSI数据在冬小麦种植面积监测中的应用

以FY-3A MERSI可见光到近红外波段250 m分辨率数据为信息源,采用PPI（像元纯净指数）提取结合实测数据的方法,经反复试验最终提取了山西南部冬小麦区的不同地物覆盖特征谱,进而采用基于监督分类的最大似然法、神经网络等方法进行不同地物类型的分类,同时根据不同地物光谱特征采用混合像元分解技术提取冬小麦种植面积。结果表明：单时相FY-3A MERSI数据提取作物种植面积是可行的,神经网络法好于最大似然法,混合像元分解提取的面积同实际种植面积最为接近。     

综合NDVI时序特征的冬小麦混合像元分解及面积估算

基于MODIS数据进行面积提取易受混合像元影响，为了降低因混合像元导致的错分和漏分误差，该文提出一种线性的混合像元分解模型，建立MODIS混合像元中冬小麦占比与MODIS/NDVI时间序列影像波峰波谷差值之间的定量关系。基于2017年保定市MODIS数据和GF数据进行了模型构建，基于2014年数据进行了模型验证，结果显示纯度指数（PPI）精确度均值为0.485，基于混合像元分解模型得到的2014年保定市冬小麦面积推算值为40.05万hm2，基于GF数据得的2014年保定市冬小麦面积“真值”为37.39万hm2，绝对误差为2.66万hm2，相对误差率为7.11%。利用河北省冬小麦广泛种植的8个地市对模型的适用性进行评价，结果表明不同地市的冬小麦面积推算值和冬小麦面积“真值”间平均误差率为3.69%。基于该模型的冬小麦面积推算值误差相对较低，数据可靠性较高，且受地域影响较小，具有较为普遍适用性。