| 基于历史增强型植被指数时序的农作物类型早期识别 |
| |
| 引用本文： | 郝鹏宇,唐华俊,陈仲新,牛铮.基于历史增强型植被指数时序的农作物类型早期识别[J].农业工程学报,2018,34(13):179-186. |
| |
| 作者姓名： | 郝鹏宇 唐华俊 陈仲新 牛铮 |
| |
| 作者单位： | 中国农业科学院农业资源与农业区划研究所农业部农业遥感重点实验室;中国科学院遥感与数字地球研究所遥感科学国家重点实验室 |
| |
| 基金项目： | 博士后创新人才支持计划（编号：2017BX00286）;农业部"948"计划项目（2016-X38） |
| |
| 摘 要： | 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。
|
| 关 键 词： | 作物 遥感 识别 参考EVI时间序列 作物识别 样本 免疫系统网络 CDL数据 |
| 收稿时间： | 2018/3/5 0:00:00 |
| 修稿时间： | 2018/6/4 0:00:00 |
Early season crop type recognition based on historical EVI time series |
| |
| Hao Pengyu,Tang Huajun,Chen Zhongxin and Niu Zheng.Early season crop type recognition based on historical EVI time series[J].Transactions of the Chinese Society of Agricultural Engineering,2018,34(13):179-186. |
| |
| Authors: | Hao Pengyu Tang Huajun Chen Zhongxin and Niu Zheng |
| |
| Institution: | 1. Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences/Key Laboratory of Agri-Informatics, Ministry of Agriculture, Beijing 100081, China;,1. Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences/Key Laboratory of Agri-Informatics, Ministry of Agriculture, Beijing 100081, China;,1. Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences/Key Laboratory of Agri-Informatics, Ministry of Agriculture, Beijing 100081, China; and 2. The State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, China; |
| |
| Abstract: | |
| |
| Keywords: | crops remote sensing recognition reference EVI time series crop type classification training samples artificial annual network cropland data layer (CDL) |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
| 点击此处可从《农业工程学报》下载免费的PDF全文 |
|
