高分一号归一化植被指数时间序列用于冬小麦识别

针对现阶段归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列空间分辨率普遍较低的问题,提出利用高分一号16m数据构建高空间分辨率NDVI时间序列。鉴于当前NDVI时间序列冬小麦识别方法比较复杂的问题,提出了空间向量法、曲线积分法和坐标转换法3种冬小麦识别模型。经研究区试验分析,发现以上3种方法均达到了较好的识别效果,其中空间向量法、坐标转换法的总体精度都达到98.65%;同当前流行的决策树分类方法相比较,这3种方法操作简单,且精度更优,具有较好的实用意义。     

基于GF-1遥感数据决策树与混合像元分解模型的冬小麦种植面积早期估算

我国西北地区耕地细碎,冬小麦种植面积提取时混合像元较多,所以将决策树和混合像元分解相结合可大大提高解译精度。以高时间分辨率及较高空间分辨率的GF-1卫星遥感数据为研究数据源。根据冬小麦和其他各类地物在不同时相数据上NDVI值的变化特性及特征值差异,建立决策树模型,快速高效地提取冬小麦像元。运用线性光谱混合模型,降低混合像元的影响,进一步精确提取冬小麦的种植面积。最后与实测样方的冬小麦种植面积数据进行比较,验证提取精度。结果表明:研究区内冬小麦种植面积提取精度达90%以上,Kappa系数接近0.8,可较为准确地反映出区域内冬小麦的分布情况。利用较高分辨率的遥感影像并结合决策树分类和混合像元分解可以较准确地提取耕地破碎地区作物种植面积,对开展早期农作物面积遥感监测有较大帮助。     

利用高时空融合数据监测冬小麦收割过程

针对难以对农作物收割过程进行有效地遥感监测这一难题,采用时空数据融合模型重构出空间分辨率为30m,时间分辨率为1d的高时-空分辨率遥感数据对农作物收割进度进行监测。针对冬小麦收割前后NDVI变化呈现的线性特征,计算时序NDVI的曲率,通过曲率确定阈值进行收割信息提取。结果表明:采用面向对象的SVM分类方法提取研究区冬小麦种植信息,Kappa系数为0.901,面积误差为2.61%;时空数据融合模型的结果与真实影像间的相关系数为0.77(红波段)和0.78(近红外波段),能够较好地重构出冬小麦收割时期的影像;通过提取NDVI变化曲线曲率接近于0时的冬小麦NDVI值来确定阈值,实现了冬小麦收割过程信息的遥感提取。     

基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段,对农业生产管理具有重要意义。以安徽龙亢农场为研究区,收集了中高分辨率多源卫星遥感数据并进行了定量化处理,构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型,生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律,分析了不同品种冬小麦的长势情况,发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上,构建了基于归一化植被指数（NDVI）的冬小麦估产模型,结果表明：利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算,据此绘制了龙亢农场2017年冬小麦产量遥感估算地图,产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测,为区域范围内农作物长势监测提供了一种有效途径。     

基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段,对农业生产管理具有重要意义。以安徽龙亢农场为研究区,收集了中高分辨率多源卫星遥感数据并进行了定量化处理,构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型,生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律,分析了不同品种冬小麦的长势情况,发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上,构建了基于归一化植被指数(NDVI)的冬小麦估产模型,结果表明:利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算,据此绘制了龙亢农场2017年冬小麦产量遥感估算地图,产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测,为区域范围内农作物长势监测提供了一种有效途径。     

基于时序定量遥感的冬小麦长势监测与估产研究

遥感技术是高效、客观监测农作物生长状态的重要手段，对农业生产管理具有重要意义。以安徽龙亢农场为研究区，收集了中高分辨率多源卫星遥感数据并进行了定量化处理，构建了冬小麦叶绿素密度、叶面积指数的遥感反演模型，生产了长时序冬小麦植被参数卫星遥感产品。通过监测冬小麦叶绿素密度、叶面积指数的时序变化规律，分析了不同品种冬小麦的长势情况，发现高产量小麦在越冬期长势显著优于低产量小麦。在此基础上，构建了基于归一化植被指数（NDVI）的冬小麦估产模型，结果表明：利用小麦抽穗期和乳熟期的累计NDVI值可以实现产量的精确估算，据此绘制了龙亢农场2017年冬小麦产量遥感估算地图，产量分布与实际种植情况吻合良好。实现了基于时序卫星定量遥感数据的冬小麦长势监测和产量预测，为区域范围内农作物长势监测提供了一种有效途径。     

利用风云卫星MERSI数据反演叶面积指数的研究

风云三号A星上搭载的中分辨率成像光谱仪(Medium Resolution Imaging Spectrometer)MERSI从2008年5月底开始对地球观测,其中5个波段250m分辨率的数据包含了丰富的植被信息,在全球同类传感器数据中独具特色,在其基础上反演的陆表植被数据产品目前还不多见。利用2013年生长季在河北固城观测获取的冬小麦光谱数据,结合MERSI 250m数据计算的NDVI值,建立二者NDVI之间的线性转换模型Y=1.1458 X+0.1916;同时利用地物光谱NDVI与实测叶面积指数构建了NDVI-LAI指数模型Y=0.0899e4.459 X;然后,利用MERSI 250m数据反演出华北太行山前平原区冬小麦的叶面积指数,经与大田观测的叶面积指数以及同期MODIS的叶面积指数产品对比验证,结果表明:反演的MERSI-LAI与实际观测叶面积指数接近且具有很好的线性关系,其空间分布与MODIS的叶面积指数相近,但MODIS-LAI数值明显偏小。     

一种抗时序数据噪声的冬小麦识别方法研究

冬小麦是全球主要粮食作物之一,及时、准确地获取冬小麦的空间分布信息对于开展冬小麦长势监测、辅助宏观经济决策和应对全球气候变化下的粮食安全等方面具有重要意义。利用2014年9月30日至2015年6月26日冬小麦生长季内35个时相的MODISQ1数据产品,生成NDVI时间序列数据集,在物候分析的基础上选择识别特征,由此构建了一种抗时序数据噪声的冬小麦识别方法,将该方法应用于河南省的冬小麦提取,结果表明,整个研究区的冬小麦总体识别精度达到了93.0%,耕地地块规则区和破碎区的冬小麦识别精度分别为94.0%和86.0%;与传统的基于时间序列提取冬小麦的方法相比,新方法在不同滤波情景下的冬小麦识别精度均较高且稳定,说明该方法可用于基于植被指数时序数据的大范围冬小麦空间分布信息的快速提取,同时也为冬小麦提取工作的业务化实施提供了新的技术支撑。     

基于SVM的高分时序冬小麦种植区提取研究

冬小麦作为我国重要的粮食作物,准确获取其空间分布情况,对农业生产管理及农情监测有重要意义。以河南省商丘市为例,利用覆盖冬小麦完整生育期的GF-1数据,计算归一化植被指数（Normalized Difference Vegetation Index, NDVI）、增强植被指数（Enhanced Vegetation Index, EVI）时间序列,结合关键生育期影像,构建不同特征量组合数据集,利用支持向量机方法进行冬小麦提取。同时采用主成分分析法对数据进行降维处理,尝试通过压缩特征集数据量来提高冬小麦提取效率。研究结果表明：EVI时序数据较NDVI能更好地描述作物的物候,提取精度皆高于NDVI,其中EVI时序数据与关键生育期影像组合提取精度最高,达到97.67%。结果表明,降维后数据并未对提取精度造成显著影响,达到压缩数据量保持提取精度的目的,为大区域作物提取提供参考价值。     

利用时序数据构建冬小麦识别矢量分析模型

鉴于作物类型识别中存在光谱特征相似的困扰,"异物同谱"问题难以有效解决,而时序归一化植被指数(Normalized Different Vegetation Index,NDVI)曲线数据能够反映作物不同时期的动态变化趋势,该文将NDVI时间序列投影到N维空间构成多维特征矢量,结合冬小麦特有的物候特征,充分利用矢量的方向和大小参量,构建冬小麦识别的矢量分析模型,模型的识别能力较强,可以充分发挥NDVI时间序列的优势。以唐山市为研究区,基于高分一号WFV(Wide Field of View)数据的高分辨率优势,构建覆盖冬小麦生长期的NDVI时间序列,采用矢量分析模型进行冬小麦识别,同时与最大似然法、马氏距离法、支持向量机法、神经网络法、最小距离法等分类方法进行对比。结果显示,后5种分类方法的Kappa系数介于0.701 8和0.790 3之间,而矢量分析模型达到了0.895 2,精度有了较大提高。该研究为冬小麦识别提取提供了新的思路,也对推动遥感农情信息调研具有一定学术和应用价值。同时,基于研究区训练样本提出了模型阈值参数自动确定的方法,为今后冬小麦自动提取奠定了基础。     

基于ISODATA法的冬小麦产量分级监测预报

以江苏省姜堰市为例,进行了基于TM卫星遥感技术和小麦估产模型的冬小麦产量监测研究。在利用GPS实地采样调查和建立解译标志的基础上,通过影像校正、采用优化的ISODATA分类方法,结合人机交互式判读解译等操作,将样点的作物信息数据贯穿到整个校验分类过程中,信息解译精度在90%以上。利用分类提取的冬小麦数据,反演叶面积指数、生物量信息等,结合冬小麦估产模型,计算单点产量信息,经过线性转换,对整个区域的冬小麦产量进行监测预报,并制作了冬小麦产量分级专题图。     

在植物生长周期内县级区域植被指数的时空演变特征分析

采用１９９１至１９９２年晴空时的ＮＯＡＡ卫星ＡＶＨＲＲ资料，计算甘肃省河东地区６０个县（市）作物和牧草生长周期内标准化差植被指数（ＮＤＶＩ）的平均值和标准差，并逐县绘制其时间演变曲线和直方图。选取以农作物、草地和森林草地混合为主的三类县作对比分析，研究县级区域植被指数时空变化与作物和牧草生育期的关系。分析１９９１至１９９２年度冬小麦生长周期内遇到严重干旱的情况，为干旱监测、估产和区分土地使用类型选择最佳时相提供依据     

Estimation of wheat production by the integration of MODIS and ground data

This paper presents a methodology capable of combining Moderate Resolution Imaging Spectroradiometer (MODIS) Normalized Difference Vegetation Index (NDVI) imagery and ancillary data to estimate durum wheat production in Tuscany (Central Italy). First, the phenological stages of winter wheat are simulated by the use of an agro-meteorological model (Syrius 4.1). Next, MODIS NDVI images at 250 m spatial resolution are utilized to identify fields likely grown with winter wheat. The multitemporal NDVI profiles of these fields are then integrated with Syrius 4.1 outputs through a previously developed procedure in order to simulate wheat above-ground biomass and harvest index. This allows the computation of wheat yield, which, combined with relevant cropped area, provides provincial wheat production estimates. The methodology is tested using ground and MODIS data taken over four Tuscany provinces where winter wheat is widely cultivated. The accuracy of all estimated variables (wheat cropped area, yield and production) is finally evaluated against provincial statistical data. The results of this experiment indicate that the accuracy of wheat cropped area estimation and yield simulation is variable, but interannual production variations are reproduced well for all provinces.     

Yield estimation and forecasting for winter wheat in Hungary using time series of MODIS data

Wheat is one of the most important crops in Hungary, which represents approximately 20% of the entire agricultural area of the country, and about 40% of cereals. A robust yield method has been improved for estimating and forecasting wheat yield in Hungary in the period of 2003–2015 using normalized difference vegetation index (NDVI) derived from the data of the Moderate Resolution Imaging Spectroradiometer. Estimation was made at the end of June – it is generally the beginning of harvest of winter wheat in Hungary – while the forecasts were performed 1–7 weeks earlier. General yield unified robust reference index (GYURRI) vegetation index was calculated each year using different curve-fitting methods to the NDVI time series. The correlation between GYURRI and country level yield data gave correlation coefficient (r) of 0.985 for the examined 13 years in the case of estimation. Simulating a quasi-operative yield estimation process, 10 years’ (2006–2015) yield data was estimated. The differences between the estimated and actual yield data provided by the Hungarian Central Statistical Office were less than 5%, the average difference was 2.5%. In the case of forecasting, these average differences calculated approximately 2 and 4 weeks before the beginning of harvest season were 4.5% and 6.8%, respectively. We also tested the yield estimation procedure for smaller areas, for the 19 counties (Nomenclature of Territorial Units for Statistics-3 level) of Hungary. We found that, the relationship between GYURRI and the county level yield data had r of 0.894 for the years 2003–2014, and by simulating the quasi-operative forecast for 2015, the resulting 19 county average yield values differed from the actual yield as much as 8.7% in average.     

利用航空成像光谱数据进行冬小麦产量预测

以国产成像光谱仪PHI(Pushbroom Hyperspectral Imaget)所获遥感影像数据为基础，根据田间冬小麦单产遥感研究试验数据建立了研究区不同时相冬小麦单产预测模型，实现了利用航空高光谱遥感数据对研究区小麦产量的整体预测；对试验区土壤氮素水平与不同时相冬小麦预测产量以及试验区实测产量进行了初步分析，分析结果显示：土壤氮素分布的差异性对小麦的产量有明显影响。     

Yield estimation of winter wheat in the North China Plain using the remote-sensing–photosynthesis–yield estimation for crops (RS–P–YEC) model

The accurate prediction of crop yield is of great help for grain policy making. By assuming a horizontally homogeneous, vertically laminar structure and introducing a multilayer-two-big-leaf model, we develop a radiative-transfer equation for winter-wheat canopy and a model, named the remote-sensing–photosynthesis–yield estimation for crops (RS–P–YEC) model, for winter-wheat yield estimation. The yield is calculated by multiplying the net primary productivity (NPP) by the harvest index (HI). In this study, the yield of winter wheat in the North China Plain in 2006 is estimated using the RS–P–YEC model. The simulated yield is consistent with observations from 17 agro-meteorological stations, and the mean relative error is 4.6%. The results demonstrate that the RS–P–YEC model is a useful tool for winter-wheat yield estimation in the North China Plain with widely available remotely sensed imageries.     

利用多时相NDVI 监测京郊冬小麦种植信息

物候和时相信息在农作物种植信息提取方面有十分重要的应用价值, 利用多时相L andsat TM 数据, 结合冬小麦的波谱和时相信息, 成功提取了北京地区的冬小麦种植信息。首先, 选用了2003 年4 月7 日、5 月1 日、5 月25 日、6 月18 日不同时相的4 景TM 卫星影像, 计算了不同时相的NDV I 时间谱图像数据; 其次, 结合北京地区农作物种植的实际情况, 提取并分析了北京春夏季主要植被地物(冬小麦、苜蓿、苗圃、春玉米、树林等) 的NDV I 时间谱特征; 第三, 利用不同时相的NDV I 图像数据, 通过NDV I 图像通道间的逻辑运算算法, 成功提取了2003 年北京地区的冬小麦种植信息, 提取精度达到96. 92%; 最后, 与2002 年收割小麦的统计数据相对比, 监测了北京各郊区县的冬小麦种植结构调整情况。结果表明, 多时相、多光谱遥感数据在作物种植信息的监测中有十分明显的技术优势和重要的应用潜力。