基于物候特征和混合光谱信息的春玉米种植面积提取

快速、准确地获取玉米种植面积信息对国家粮食安全和现代信息农业发展有重要的现实意义。遥感技术在作物种植面积提取中具有一定优势,尤其是作物物候信息和光谱数据相结合的方法更是目前发展的趋势之一。选取辽宁省3县市为研究区,利用Savitzky-Golay滤波重构后的2014-2015年MODIS-NDVI时间序列数据,提取作物物候特征和其他主要地物的NDVI曲线变化规律,结合水稻移栽期的NDVI、LSWI数据与大豆鼓粒期的近红外波段反射率数据,训练地物分类阈值、构建决策树提取2015年春玉米种植面积。考虑到耕地的破碎化和土地覆盖类型的多样性,利用MOD09A1反射率影像提取春玉米及混合地物的端元波谱,基于线性光谱混合模型进行混合像元分解获取春玉米丰度,根据决策树分类结果与春玉米丰度信息精确提取春玉米种植面积。利用Landsat8 OLI监督分类影像对种植面积解译结果进行精度评价,结果显示研究区春玉米种植面积提取精度在81%以上,利用统计数据验证得到仅利用物候信息经决策树分类方法提取的春玉米种植面积精度为88.416%,结合混合光谱信息后的提取精度提高到92.382%。春玉米种植面积提取结果较好地反应了其地理分布,表明重构后的生长季NDVI曲线可以准确地反应作物生长变化规律,运用中分辨率MODIS-NDVI时间序列数据获取物候信息,快速、准确提取春玉米种植面积具有可行性。物候特征耦合混合光谱信息的方法突破了传统研究中的像元限制,将作物种植面积识别水平提高到亚像元尺度,效果好于传统的像元尺度MODIS时间序列信息分类方法,能够有效提高作物种植面积估算精度,对于加快数字农业进程、提升农业信息化水平具有重要作用。     

基于多光谱影像和专家决策法的作物分类研究

[目的]探讨基于多光谱影像和专家决策法的作物分类,验证利用单时相多光谱影像区分农作物的可行性。[方法]以呼伦贝尔地区典型农业种植区为研究区,根据野外实测光谱数据,寻找区分研究区主要作物大麦、小麦、油菜的最佳时间,根据作物波谱特征,采用决策树方法,结合光谱角度制图（SAM）等光谱匹配方法,开展了作物分类研究。[结果]利用8月上旬获取的LandsatTM影像,在对影像进行几何校正、大气校正的基础上,构建决策树,成功提取了小麦、大麦、油菜、种植草场的种植信息,分类总体精度达到86.90%,Kappa系数达到0.8311。[结论]以典型时相的多光谱影像为数据源,应用决策树方法提取作物类型信息,具有较好的应用前景。     

松嫩平原中部农作物空间格局时空变化分析

【目的】在国家"玉米调减"、"粮豆轮作"、"大豆目标价格"等种植结构调整政策背景下,分析2011~2016年松嫩平原中部地区农作物空间格局变化,为黑龙江省西部地区种植结构调整提供数据参考和科学基础。【方法】选择克山县为研究区域,利用2016年黑龙江省主要农作物一张图、2011年黑龙江省水稻、玉米本底数据,采取遥感手段提取2011年大豆分布,生成2011和2016年作物空间分布图;选取水稻、玉米、大豆和其他作物为研究对象,分别对农场和县域进行5年内种植结构变化、耕地内部4类作物面积转换分析和景观格局指数评价。【结果】(1)克山县种植结构发生了巨大的改变,55%左右的耕地种植作物发生变化,目前均以玉米、大豆为主,主要变化方向为大豆改种玉米。(2)克山县县域总体景观MPS变大,CI减小,机械化和规模化程度总体提升,AWMSI降低,斑块形状更加规则。【结论】(1)克山县种植结构的发展趋势由相对效益较低的大豆向着相对效益较高的玉米、水稻方向发展,种植结构由2011年的大豆为主要作物,转变为玉米和大豆为主要种植作物,且2016年玉米种植规模超过大豆,成为种植规模最大的作物;水稻受到自然地理条件的制约较大,面积扩张集中在县域的流域附近。(2)大豆、玉米和水稻的规模化、机械化和破碎化程度正逐渐趋于一致,其他作物规模化和机械化程度明显低于3种作物,破碎化程度高于3种作物;大豆、水稻和其他作物分布逐渐离散,玉米区域集中且优势度明显高于其他3种作物。(3)利用景观格局指数,可以很好地量化反映作物种植格局空间分布变化情况,包括规模、空间分布、形状、异质性和相关性情况。     

基于HJ-1 CCD影像的玉米种植面积估算研究

本研究以HJ-1 CCD影像为主要数据源,风云三号(FY-3)和高分一号(GF-1)影像为辅助数据源,选取作物种植结构复杂的菏泽市为研究区域,采用多时相NDVI阈值剔除法与监督分类相结合的分类方法,以土地利用类型和训练样本区数据作为辅助,提取出菏泽市玉米种植面积和分布区域,并检验其精度。结果显示:在复杂的作物混合种植区可以利用HJ-1 CCD影像提取出玉米种植面积和分布信息,总体分类精度为90.2%,面积总量精度为91.7%。本研究为其他区域利用HJ-1卫星影像提取作物种植面积提供了参考。     

遥感在作物分类中的应用

在提取作物种植分类信息方面,多时相和多光谱特征信息综合应用十分重要。环境与灾害监测预报小卫星影像具有较高的时间、空间分辨率,采用时间序列分析的方法提取作物种植分类信息优势显著。本研究以宁夏平罗地区作物为研究对象,利用HJ-CCD数据提取主要农作物分类信息,采用非监督分类、最大似然分类、决策树分类3种算法挖掘数据。研究表明,通过构建的时间序列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,能够有效进行农作物分类。     

农作物分布格局动态变化的遥感监测——以东北三省为例

【目的】当前对涉及到耕地内部不同作物空间分布及其变化的研究较少。本文旨在探讨大尺度作物种植面积和分布格局遥感提取方法及景观生态学中景观格局指数在作物格局动态变化分析中的应用。【方法】基于2005年和2010年作物生育期内遥感影像全覆盖的MODIS-NDVI数据,利用RS、GIS技术,通过分析东北地区主要作物（水稻、玉米、大豆）的种植结构、物候历及NDVI曲线特征,建立不同作物面积遥感提取模型,提取大尺度农作物空间分布格局信息。同时,利用景观格局指数方法分析农作物格局动态变化特征和变化规律。【结果】与多年平均统计数据比较,基于MODIS遥感数据提取的作物面积信息,2005年和2010年平均精度达到了90%以上;5年间,东北地区主要作物种植结构发生了较大变化。其中大豆平均斑块面积减少,面积年动态度为-4.47%,水稻和玉米平均斑块面积均增加,且5年的变化幅度均超过20%。【结论】成本和收益是作物面积增加或减少的主要原因;用中等分辨率的遥感数据进行大尺度作物面积提取的方法是可行的;景观生态学中格局指数可以用来分析耕地内部作物格局的动态变化规律。     

基于多光谱影像和专家决策法的作物分类研究

[目的]探讨基于多光谱影像和专家决策法的作物分类,验证利用单时相多光谱影像区分农作物的可行性。[方法]以呼伦贝尔地区典型农业种植区为研究区,根据野外实测光谱数据,寻找区分研究区主要作物大麦、小麦、油菜的最佳时间,根据作物波谱特征,采用决策树方法,结合光谱角度制图（SAM）等光谱匹配方法,开展了作物分类研究。[结果]利用8月上旬获取的LandsatTM影像,在对影像进行几何校正、大气校正的基础上,构建决策树,成功提取了小麦、大麦、油菜、种植草场的种植信息,分类总体精度达到86.90%,Kap-pa系数达到0.831 1。[结论]以典型时相的多光谱影像为数据源,应用决策树方法提取作物类型信息,具有较好的应用前景。     

Sentinel-2数据县域尺度大豆种植信息提取研究

及时准确地获取农作物种植信息对把握区域农作物生产情况、种植结构调整等具有重大战略意义。大豆是国家重要农作物,在农业生产中占有重要地位。本文以大豆为目标作物,利用Sentinel-2遥感影像数据开展县域尺度大豆种植信息提取研究。以Sentinel-2影像为数据源,利用监督分类的最大似然算法提取县域尺度大豆种植信息,并进行精度验证。利用此种方法获取到2023年黑龙江省海伦市大豆种植信息,种植面积为959.51km²,用户精度为0.938,Kappa系数为0.809,与实际情况高度一致。基于Sentinel-2影像数据的最大似然法监督分类能够应用于县域尺度农作物信息提取,并将其应用到种植结构调整,农作物长势监测及估产等环节中,为制定农业政策、保障粮食安全等提供数据支持。     

基于GEE平台和多维特征优选的粮食作物提取——以西辽河流域为例

快速准确地掌握作物种植类型和布局，对农业生产和管理具有重要意义。选取西辽河流域为研究区，基于Google Earth Engine(GEE)云平台，以Landsat和MODIS影像作为数据源，构建时序NDVI、物候参数、光谱指数、反射率及地形因子等多维特征。分别采用随机森林、支持向量机、分类回归树等方法，对比不同特征和分类器组合，选择优选特征和随机森林分类器，完成西辽河流域玉米、大豆和水稻的提取。结果表明，基于GEE平台可快速构建作物识别的多维特征，进一步利用递归消除随机森林优选特征，当加入重要性前30位特征参数时，总体精度可基本达到最高。选择优选特征组合并基于随机森林模型进行训练分类，可以实现高效率、高精度的作物空间分布制图。在验证指标中总体精度、κ系数、统计R²等验证指标均大于0.9,说明作物识别精度较高。西辽河流域农作物主要沿河流两侧呈条带状分布，玉米是最主要的农作物类型，大豆、水稻种植面积较少。     

基于遥感的西南地区水稻种植信息提取

为探索西南地区水稻种植信息的有效提取方法,以重庆市永川区朱沱镇为例,根据Sentinel-2多光谱影像,结合高分一号(GF-1)影像数据选取样本分布点,构建水稻作物信息随机森林提取模型,同时分析样本地类像元光谱曲线,构建不同地类样本影像像元光谱库,并将随机森林分类结果与传统最大似然法、光谱角及基于时差的光谱角水稻空间种植信息分类结果进行对比及精度分析。结果显示,通过光谱角分类器提取地物精度有限,结合时差特征能够明显提高目标提取精度,而基于水稻样本信息训练构建的光谱角模型提取方法获取水稻种植面积准确率高达90.62%,分类结果总体精度达91.50%,Kappa系数达到0.83,实现了对西南地块破碎地区分散作物种植信息的有效提取,可为西南地形复杂、地块破碎地区农作物信息提取提供一定参考。