基于遥感的国外作物长势监测与产量趋势估计

国外重点产粮区的作物长势和产量增长趋势信息对于中国政府决策和制订合理的粮食政策具有重要意义,但由于地域的限制、生产方式的差异以及国外可获取的气象资料有限,气象模型和农学模型在国外估产方面尚存在不足,遥感以其便捷、快速、客观的优势已被越来越多地采用进行国外作物长势监测和产量估计。该文以美国玉米和印度水稻为例,探讨了基于1kmSPOT-VGT遥感资料进行作物长势监测和产量趋势估计的方法,并结合当地气象条件对其结果进行了分析。经检验,利用该方法得到的长势状况及空间分布与实际基本一致,产量增长趋势预测准确率为100%;在作物生长旺盛季节,植株覆盖密度较大时,EVI比NDVI能更真实地反映作物的长势状况。该研究可为国外作物长势遥感监测与产量估算业务应用提供参考。     

基于关键期HJ卫星数据提取无棣县作物种植面积

探讨利用作物关键生育期HJ卫星遥感数据,进行区域主要作物种植面积快速监测的可行性,旨在建立一种方便快捷的作物种植面积提取技术。以山东省无棣县为研究区,根据该县作物栽培技术月历为参考选择关键期HJ星遥感数据,通过EVI指数时序数据分析,采用支持向量机(SVM)方法进行了该县主要作物种植空间分布信息提取。结果表明：关键期HJ星EVI指数数据结合SVM方法,能较为准确地获取该县冬小麦、玉米和棉花的种植面积,总体的面积总量精度超过93%,空间分布精度大于75%;利用关键期影像大大减少了数据处理量,便于可视化感兴趣区的选择,仅利用SVM方法就获得了满足精度要求的作物面积提取结果,大大简化了操作流程,为其他区域利用HJ卫星数据提取作物种植面积提供了参考。     

基于历史增强型植被指数时序的农作物类型早期识别

快速准确地获取农作物分布数据对作物估产、灾害预警具有重要意义。该文针对目前农情遥感监测业务中普遍存在的缺乏地面数据和分类时效性较低的问题,以美国堪萨斯州为研究区,提出了基于参考时间序列获得训练样本的方法。首先,基于2006到2013年的MODIS EVI时间序列数据和cropland data layer(CDL)数据,使用免疫系统网络方法建立苜蓿、玉米、高粱和冬小麦的参考EVI时间序列;根据2006年到2013年作物分布情况,将作物超过总记录年数一半的象元作为2014年"潜在"训练样本;通过计算参考EVI时间序列和"潜在"样本的MODIS EVI时间序列的欧氏距离确认2014年训练样本;最后使用这些样本和2014年Landsat NDVI月合成数据进行30 m作物识别,并且评价时间序列长度对作物识别结果的影响。试验结果表明,时间序列长度为4-8月时,获得2014年样本10 183个,样本正确率为96.32%,总体分类精度为94.02%,接近使用完整时间序列数据的结果(总体分类精度94.89%);提取的苜蓿、玉米、高粱和冬小麦的面积分别为549.5、1 999.5、2 851.5和6 415.3 km~2,与CDL数据相比误差低于20%,说明基于参考时间序列方法获得的训练样本具有较高的正确率,具备进行30 m作物早期制图的潜力。该研究可为提高农作物遥感制图工作效率提供参考。     

洞庭湖流域植被物候特征参数遥感提取

以洞庭湖流域为研究区域,对MODIS13Q1植被产品数据的所有像元进行EVI时间序列重构后,采用滑动平均法、动态阈值法、最大变化斜率法以及Logistic函数拟合法等4种方法进行物候参数提取。对比分析后,选择了效果最佳的滑动平均法对2005年及2015年洞庭湖流域的EVI时间序列的遥感影像进行植被物候参数提取,分析近10年来研究区域植被物候特征变化。结果表明:滑动平均法提取的植被物候参数较准确,适用性较强;利用遥感手段能及时准确地监测大区域尺度植被物候变化,为研究区域气候变化等提供参考。     

基于多时相遥感影像的作物种植信息提取

为了快速、准确地在遥感影像上对作物种植信息进行提取,该研究运用多时相的TM/ETM+遥感影像数据和13幅时间序列的MODISEVI遥感影像数据,采取基于生态分类法的监督分类与决策树分类相结合的人机交互解译方法,建立决策树识别模型,对黑龙港地区的主要作物进行遥感解译,总体分类精度达到了91.3%,与单纯对TM影像进行监督分类相比,棉花、玉米、小麦、蔬菜4类作物的相对误差的绝对值分别降低了1.3%、20.5%、2.0%、13.8%。结果表明该方法的分类精度高,能较好的反映作物的分布状况,可为该地区主要作物种植结构调整提供科学依据,还可为其他区域尺度作物分布信息的提取提供参考。     

基于MODIS植被指数的西北农业灌溉区生物量估算

利用新疆艾比湖农业灌溉地区MODIS EVI遥感影像数据和同期野外调查获得的75个样方生物量数据,对比分析了EVI与地表生物量多个回归方程的相关系数,进而建立了EVI与农作物生物量的多元回归模型。地表农作物生物量与EVI拟合方程相关系数大小依次为:幂函数>指数方程>三次多项式方程>一元线性拟合方程,同时采用13个独立样方采样数据进行误差分析,证明幂函数模型拟合精度最高。因此采用幂函数模型对研究区农作物生物量进行估算,结果表明,在人工灌溉地区,作物生长茂盛,生物量分布于1～10 kg/m2区间;而在非浇灌地区,地表植被稀疏,多为耐旱耐盐碱植物,地表生物量多在1 kg/m2以下。西北农业灌溉地区地表生物量与土壤水分密切相关,人工灌溉是影响地表农作物生物量变化的主要因素。     

基于决策树方法的青藏高原温泉区域高寒草地植被分类研究

植被指数作为植被生长状态的最佳指示因子,已成为植被分类的重要手段之一。为了解青藏高原温泉区域高寒草地植被的分布状况,利用野外样方调查获得植被点数据,结合MODIS/EVI遥感影像数据及数字高程（DEM）数据,综合分析各种高寒草地植被类型的EVI时序曲线特征及其生长环境的高程、坡度和坡向等地形特征,建立知识库并采用决策树分类算法对该区域的高寒草地植被分类进行研究。结果表明,总体分类精度为72%,Kappa系数是0.6,决策树方法能有效地分类和识别具有相似EVI时序特征的高寒草地植被。     

基于MODIS的光化学植被指数反演水稻区域光能利用率

为了探究光化学反射植被指数（Photochemical Reflectance Index, PRI）在反演大面积水稻光能利用率（Light Use Efficiency, LUE）方面的潜力,利用安徽寿县国家气候观象台通量观测数据和同期MODIS卫星数据,分别构建不同参照波段下（488、551和667nm）的PRIs与站点像元LUE间的模型,并尝试利用最优模型反演区域尺度的水稻光能利用率。结果表明,在所测试的参照波段中,来自后向散射方向影像提取的PRIs与LUE的相关性更强,其中PRI₅₅₁表现最优;与MOD17算法相比,利用PRI₅₅₁-LUE模型反演的区域LUE值更符合实际,且空间分布差异明显,在多时相影像和完善数据插补方法的基础上,利用MODIS PRI在反演长时间、大面积植被的光能利用率或生产力方面具有可行性。     

基于MODIS EVI的内蒙古草地多源信息综合分类研究

利用遥感数据与非遥感数据相结合的方法对内蒙古草地进行分类研究.以MODIS EVI(MODIS增强型植被指数)数据为基础,计算得到MODIS EVI月度数据,分剐取其一、二、三主成分作为分类的前3个参数;引入研究区域同期的气温、降水、生物温度及DEM(数字高程)数据,通过克里金插值、主成分变换、重采样等方法确定分类的第4、第5个参数.在此基础上,应用ISODATA技术对草地进行分类.结果表明,该分类结果能够提供比AVHRR NDVI(AVHRR归一化植被指数)和MODIS NDVI(MODIS归一化植被指数)更丰富的分类信息,可以清晰识别到5大草地类,对草甸草原、典型草原和荒漠草原可以进一步识别到草地亚类.因此,MODIS EVI数据与非遥感数据结合的多源信息综合分类能提高草地分类的精度.     

利用MODIS-EVI时序数据对河南省土地覆盖进行分类

基于遥感的土地覆盖信息提取对农林业生产、环境监测具有直接的应用意义。该文选取河南省作为研究区域,利用2005年23个时相的MODIS EVI数据,结合农作物物候历、其他分类参考数据及河南省种植结构的相关文献,在对时序数据进行去云、平滑处理后,采用SVM（支持向量机）分类器,对河南省的土地覆盖进行分类。分类结果上,一方面参照2005年河南省农作物种植面积的统计数据得到面积精度,对大面积种植的农作物：小麦为81.47%、玉米94.87%、水稻82.43%;经济作物：油菜39.81%、大豆93.65%、棉花95.21%、花生74.27%;另一方面,参照2000年1：10万全国土地覆盖的分类数据,将2000年的对应数据和分类结果分别归并为：耕地、林地、草地、水体、建筑进行精度比较,结果表明总体识别精度为78.07%,Kappa系数为0.6556。从分类精度验证来看,表明MODIS植被指数时序数据及该文研究方法在农作物信息提取中的有效性。