基于RS技术的作物土地生态信息反演与估产

为快速监测土地生态情况,准确获取净初级生产力、收获指数与作物单产信息具有重要意义。以沈阳为研究区域,利用CART决策树方法对研究区玉米等地类进行分类提取,结合高精度地物分类结果与CASA模型对研究区内净初级生产力(N_PP)进行估算,结合玉米估产模型与研究区内N_PP与玉米收获指数(H_I)对玉米单产进行预估。结果表明：研究区内玉米C的N_PP达到600～800 g/m²水平,2020年沈阳市玉米生长状况良好;采取玉米单产模型预估的沈阳市各区县玉米单产相对误差均小于10%。研究结果具有一定可靠性,可为农业、国土资源等部门进行监测管理提供重要依据。     

基于MODIS时序数据物候特征下的多源遥感玉米提取

为解决农作物遥感分类易混淆的问题，准确获取玉米种植结构信息，提出了一种能够充分利用高时间分辨率和中高空间分辨率数据优势的多源遥感数据玉米提取方法。以沈阳为研究区域，利用S-G滤波重构MODIS-EVI时序曲线提取物候特征，同时利用EVI转换模型平衡Landsat-8、Sentinel-2、GF-1与MODIS之间的EVI差异构建了30 m分辨率的时序数据，采用决策树方法，基于MODIS物候特征对多源时序数据分类，逐层掩膜水稻、大豆等易混淆地类获取玉米提取结果，并采用决策树与混合像元分解结合的方法进一步提高玉米提取结果的精度。结果表明：基于多源转化遥感数据的决策树分类总体精度与Kappa系数分别为92.27%和0.8825，相较于CART决策树、随机森林、最大似然法，其分类总体精度和Kappa系数均有较大幅度的提高，相较于数据未经模型转换的决策树分类的总体精度和Kappa系数分别提高4.59个百分点和0.0663。决策树分类后结合混合像元分解的玉米提取总精度提高至95.98%，玉米分类精度得到进一步提高。