基于地块尺度多时相遥感影像的冬小麦种植面积提取

针对仅利用单一遥感影像数据获取农作物信息精度不够问题,该文选择冬小麦主产地河南省兰考县乡镇作为研究区,以2017年多时相中分辨率Landsat8 OLI影像和Google earth上下载的亚米级高分影像为遥感数据源,结合光谱差异和农田地块信息实现冬小麦的精确提取。该算法首先构建不同时相决策树模型,分别实现2个时相的冬小麦区域初步提取;其次通过将对高分影像多尺度分割产生的地块信息分别与2个时相冬小麦播种面积初步区域相互叠加,完成地块单元控制下的冬小麦播种面积分地块统计,并通过设定不同统计阈值,分析落在每一地块单元下的冬小麦区域,生成基于地块单元的冬小麦播种面积分布图;最后通过多时相交叉验证,获取最终冬小麦播种区域。结果表明：该方法能更加准确提取冬小麦种植面积,保持较低的误判率（1.3%）水平下,得到较高的提取正确率（95.9%）,较通过对比单一Google earth高分辨率影像获取冬小麦精度（85.6%）高,该研究对通过融合多源多时相影像数据获取农作物提供参考。     

冬小麦面积遥感识别精度与空间分辨率的关系

不同空间分辨率农作物面积识别精度是农情遥感监测数据源选择的依据。该文采用WFV(wide field view)、MODIS(moderate-resolution imaging spectroradiometer)、OLI(operational land imager)、Google Earth影像,在天津市武清区选择了12 km×14 km的冬小麦种植区作为研究区域,采用目视识别的方法,分析了2、5、10、15、30、100、250 m共7个空间分辨率尺度下冬小麦面积识别精度与遥感数据分辨率、农田景观破碎度之间的关系。结果表明,随着空间分辨率由2 m变化到250 m,冬小麦面积识别的总体精度逐步由98.6%降低到70.1%,精度降低28.5%;面积数量比例由5.5%扩大到110.6%,误差增加105.1个百分点;面积精度呈明显下降趋势,数量误差呈明显增加趋势,数量误差的增加速度高于精度下降的趋势。高、中、低3个景观破碎度条件下,随着分辨率由2 m降低到250 m,作物识别精度分别降低了72.8、63.2和47.0个百分点,破碎度的增加导致面积识别精度下降速度更快;同等分辨率下,破碎度越高的地区面积识别精度越低。像元内冬小麦占比与可识别能力密切相关,像元占比达到45.0%以上时才能够被正确识别为冬小麦类型,像元尺度降低导致细小斑块丢失是造成面积识别与数量精度降低的主要原因。像元空间分辨率越高,冬小麦像元的光谱一致性越强,越有利于冬小麦分类精度的提高。针对农情遥感监测业务运行的需要,上述研究结果可以作为区域范围不同用户精度要求前提下遥感数据源选择的依据。     

遥感估测冬小麦种植面积

估测小麦种植面积是测产的一项重要内容,运用卫星遥感技术测算农作物种植面积是未来面积估算的发展方向.本文通过大样方试验,第一次建立了气象卫星遥感绿度值与绿度信息的两个主要构成因素(麦土比、叶面积系数)的直接经验统计关系.     

冬小麦冻害遥感监测

冻害是冬小麦常见自然灾害之一,进行遥感监测具有重要经济意义。过去对作物冻害的遥感监测研究不多。冻害不但与气温有关,也与生育期有关。该文以整个山东省为样区,收集了全省76个气象台站的由1995年3月1日至4月30日逐日最低气温、最低地面温度资料,及此期间气象卫星NOAA-AVHRR的所有晴空数据,共21个时相。根据植被指数NDVI突变的特征,并考虑到作物的生育期,提出了实用的遥感冻害监测方法。这一方法可以及时监测冻害的发生与范围     

ASTER卫星遥感影像在冬小麦品质监测方面的初步应用

该文利用ASTER遥感数据在冬小麦品质监测方面进行了初步的应用。根据2004年搭载ASTER传感器的Terra卫星的过境周期，对北京郊区21个冬小麦试验点进行田间取样试验，通过分析试验点冬小麦叶片生化组分(叶绿素a)与氮素间的关系、冬小麦叶片氮素含量与籽粒品质(蛋白质含量)间的关系、以及冬小麦ASTER影像冠层光谱信息与叶片生化组分和籽粒品质之间的关系，发现：冬小麦灌浆期小麦叶片叶绿素含量与同期ASTER影像的光谱信息－NDVI之间有良好的相关性，而冬小麦籽粒蛋白质含量也与ASTER影像波段2之间有很好的相关性；利用ASTER遥感影像对冬小麦灌浆期叶绿素以及籽粒蛋白质含量进行建模并反演，能够在较大的范围里了解冬小麦的品质信息，并能够在一定程度上对作物的籽粒蛋白质含量等品质进行预测；研究还表明，利用遥感技术来进行小麦籽粒蛋白质等主要品质指标的预测是可行的。研究成果为利用遥感技术监测冬小麦长势和籽粒品质提供了理论依据，开辟了遥感应用的新途径。     

基于Cokriging插值修正冬小麦面积遥感监测

在研究区内冬小麦种植区选取149个地面样方,筛选样方内反映种植结构、地块破碎程度、地形因素的参数并利用差分GPS测量,对3个参数量化并确定插值的主辅变量。探讨和比较了利用普通克里格和协同克里格2种插值方法对研究区的冬小麦种植面积比例的插值结果。结果表明,相同采样数量下,协同克里格法相对于普通克里格法的均方根误差降低1.48%,预测值与实测值之间的相关系数提高了6.82%,利用COK插值获取研究区内冬小麦种植面积比例分布状况,可以分区域对大尺度冬小麦面积遥感提取结果进行修正。     

基于GF-1卫星遥感的冬小麦面积早期识别

GF-1号卫星是中国高分卫星系列首颗卫星,自2013年04月26日发射以来,提供了大量的2 m/8 m/16 m空间分辨率的卫星数据,成为中国农业遥感监测的主要数据源之一。该文以GF-1卫星携带的16 m空间分辨率的宽视场(wide field view,WFV)传感器为主要数据源,采用2013年10月2日、10月17日、11月7日和12月5日4个时相的数据,以多尺度分割后的对象为基本分类单元,采用分层决策树分类的方法对冬小麦面积进行提取,并利用地面样方数据对分类结果进行了精度验证。结果表明,北京市顺义区冬小麦面积7 095 hm2,分类总体精度达到96.7%,制图精度为90.0%,其他未分类类别精度为97.3%,Kappa系数为0.8。研究区内冬小麦的播种时间可以分为10月1-5日早播、10月6-10日中播、10月11-15日中晚播、10月16-20日晚播等4个时间段,不同播期对应着归一化植被指数(normalized difference vegetation index,NDVI)不同的变化规律,是分层的基础,结合波段反射率、波段反射率和、波段反射率比值等参数的变化规律,通过分层可以有效的剔除草坪、桃树等容易同冬小麦混淆的地物类型,GF-1/WFV提供的多时相遥感数据能够可靠的反映冬小麦发育变化的规律,是冬小麦面积准确提取的基础,在农作物面积遥感监测业务运行中具有较大的开发应用潜力。     

应用线性混合模型遥感监测冬小麦种植面积

中分辨率成像光谱仪（MODIS）具有多光谱、多时相以及免费接收使用的优势。该文利用冬小麦返青期间的MODIS多光谱数据,采用传统的监督分类和阈值方法研究冬小麦种植区域的分布情况,同时针对遥感像元多为混合像元的特点,重点将线性混合像元分解技术应用于冬小麦种植面积的分解计算研究。比较不同分类方法对冬小麦种植面积估算的精度分析表明,采用线性混合分解模型,绝大部分（98.45%）的均方根误差都小于0.01,对比实际冬小麦种植面积数据,相对误差约3%,明显优于传统遥感分类方法的精度。     

全国冬小麦面积变化遥感监测抽样外推方法的研究

该文提出了一种可以用于业务化运行的全国冬小麦面积变化遥感监测方法。根据我国冬小麦生产的特点,采用分层抽样方法,以全国冬小麦种植面积以往的统计数据为分层指标,将全国1411个冬小麦生产县划分为6层,建立全国冬小麦面积变化遥感监测抽样外推模型;然后,以TM影像覆盖来近似随机地从各层抽取所需数量的冬小麦生产县,采用人工判读的方法解译冬小麦的变化,并以县为单位统计;最后利用外推模型得出全国冬小麦面积的变化。通过1999、2000年连续2年的运行试验,得到了满意的结果     

利用MODIS遥感数据监测冬小麦种植面积

冬小麦是中国最主要的粮食作物之一,利用遥感技术进行冬小麦种植面积监测是粮食安全的核心内容之一。美国1999年发射的TERRA卫星上携带的中分辨率成像光谱仪（MODIs）具有独特的光谱、时相和空间分辨率,为大范围的冬小麦种植面积监测提供了可靠的数据源。但中国耕地破碎,即使是250m分辨率的MODIS数据,采用传统的信息提取方法依然无法取得高的精度。因此结合多源遥感数据和GIS数据,建立了基于TERRA／MODIS数据的冬小麦种植面积遥感监测体系结构。首先利用IKONOS米级高分辨率遥感影像提取试验样区的地块图,用以指导野外采样工作;其次,在采样工作基础上,利用LANDSAT进行区域冬小麦种植面积提取;最后利用2002年TERRA／MODIS时间序列数据的混合像元线性分解模型进行河南省冬小麦种植面积的遥感监测,监测结果与国家统计数据相比,相对误差为5．25％,精度能满足农情监测的需要。研究结果为中国冬小麦种植面积遥感监测提供了一种业务化工作方法。     

基于相邻轨道图像的冬小麦面积提取及长势分析

冬小麦是我国北方主要农作物之一,及时掌握冬小麦面积信息及长势情况,能够快速地为农业生产管理者以及财政部门提供决策依据,有利于小麦增产、提高农民收入。本文以山东省滨州、东营市为研究区,通过主成分分析、监督及非监督分类结合的方法提取ETM+遥感影像的冬小麦信息,以SPSS聚类分析法估测滨州市冬小麦长势,用距离加权法构建相邻轨道图像的植被长势分级模型并估测东营市的冬小麦长势。结果显示:小麦提取平均精度约为93.79%,冬小麦分布呈现"西多东少,南多北少"的特征,一般小麦分布较多的地区长势也较好。基于重叠区距离加权法构建的植被长势分级模型,能够在一定程度上消除相邻轨道遥感图像的时间差异,实现大区域的植被长势分析。     

气候变化对陕西省冬小麦种植区的影响

选取全省资料年代较长的54个地面测站1961—2004年的温度、降水等基本气象要素资料，探讨丁陕西省气候变化特点，计算了冬小麦越冬期积温变化。研究了陕西省热量资源和水资源对冬小麦种植区的影响。结果表明，陕西省年、季平均气温在20世纪80年代中期发生了突变，80年代中期以前呈波动性的下降趋势，80年代中期后开始增温，90年代后增温迅速。降水量呈阶段性减少趋势。陕西省20世纪80年代中期后气温明显变暖，热量资源增加，冬小麦种植区北界向北扩展．但90年代开始干旱加剧，水资源严重不足。陕西省气候变化对冬小麦的负面影响大于正面影响。     

一元回归分析系统及其在冬小麦遥感监测研究中的应用

农情预报历来是农业部门最关心的问题之一。目前我国尚无一套完整的利用卫星数据对大宗农作物进行遥感动态监测的业务化运行系统。该文研究的一元回归分析系统是在ＦｏｘＰｒｏ２．５ｂ平台开发的数据库管理系统,该系统现有３级共１３个模块和８个核心数据库。系统投入运行后,利用气象卫星数据,可用于冬小麦面积估算和产量预报研究。研究结果表明,利用ＲＤＢＭＳ开发实用型软件,对问题进行系统化分析,处理或运算大量数据,可以大大提高工作效率。遥感数据再处理以及合理划分试验同步区是提高作物面积（产量）与绿度值回归模型信度的重要途径。     

吉林省西部主要水体面积动态变化遥感监测

[目的]分析吉林省西部主要水体的动态变化,了解西部水资源现状,为水资源保护、利用和可持续发展提供有力支持。[方法]利用2000年以来的MODIS数据,采用目视解译的方法提取吉林省西部主要水体分布及面积数据,对年际、年内变化规律及影响因素进行分析。[结果]2000年以来,月亮泡水库、向海水库和查干湖均表现出向北部推进和水域面积增加的趋势;水体面积表现出明显的年周期变化规律,雨季期间及后期一般会出现较大的水域面积,形成了与季节性气候相适应的年周期变化状态;气候变化趋势,特别是降水对水体面积的影响较为显著,人类活动也起到了明显的推动作用。[结论]2000年以来,受气候变化及人类活动的影响,西部主要水体的水域面积有增加的趋势。     

沟播和垄作条件下冬小麦田的土壤水分动态变化研究

通过冬小麦沟播和垄作试验,结果表明,沟播小麦不同灌水处理在0 12 0cm土壤层次中水分均呈下降趋势,0 90cm层次土壤水分下降幅度较大,而10 0 12 0cm层次下降幅度较小。从沟播和垄作麦田土壤贮水量差值的分析可以看出,沟播麦田土壤贮水量要明显高于垄作麦田,沟播的同一时期沟垄间的土壤水分差异在0 90cm土层要低于垄作的,而10 0 12 0cm土层就极其相近。从沟播和垄作的土壤水分纵深分布上比较,在各处理均没有灌水的情况下,沟播和垄作同一层次不同灌水处理的土壤水分极差均出现在0 10cm ,但随灌水处理灌溉次数的增加,沟播出现较大水分差异的土层下移,出现在10 2 0cm。     

用NOAA图像监测冬小麦面积的方法研究

冬小麦种植面积是农情监测中一个重要的监测因素,对生产管理与产量预测有重要意义。该文在冬小麦与同期主要大宗作物绿度－时相曲线对比分析的基础之上,建立反映冬小麦种植区域的差值植被指数图像,采用遥感－统计的方法,对利用ＮＯＡＡ图像进行冬小麦种植面积遥感监测进行了初步研究。通过对我国冬小麦主产区的河北、河南和山东三省的监测实验证明,该方法适用于大范围的冬小麦种植面积遥感监测。     

基于遥感的达来诺尔湖泊水域面积变化研究

达来诺尔是浑善达克地区重要的湖泊之一,利用遥感技术,通过近红外单波段灰度阈值法对达来诺尔的水域面积进行了分析。研究表明：单波段灰度阈值法可以简单快速地实现湖泊水体信息的提取和水域面积的变化研究,1975年,1987年,2001年和2008年四期遥感影像表明达来诺尔水域自1975年以来一直在萎缩,尤其是进入21世纪以后,湖泊的四周水域均发生明显的变化,湖泊萎缩和干涸是人类必须面临的重要环境问题之一。随着气候变暖和人口压力的增加,浑善达克沙地湖泊湿地的保护和生态环境的可持续发展必将面临更为严峻的考验。     

基于遥感数据的冬小麦农情监测研究进展

对国内基于遥感数据冬小麦农情监测技术的研究与应用进行了全面的回顾,对冬小麦长势、产量、品质和灾害预测预报方面的研究进展作了较系统的调查及研究,分析了遥感技术在小麦农情监测方面取得的成效。提出了冬小麦冠层光谱指数和遥感信息与冠层生化参量之间的关系是实现小麦农情监测的关键,对利用遥感技术进行小麦生长发育监测进行了展望。     

基于时序遥感数据的玉米种植面积提取方法研究

探讨了在Landsat TM图像上进行玉米分布区域信息提取的基础上,利用MODIS数据NDVI植被指数的时间序列进行提取的方法,并以吉林省榆树市实验区为例,提取了2007年的玉米种植面积。研究结果发现,该方法提高了用单一时相landsat TM进行玉米面积识别的精度。