利用MODIS数据监测河北省冬小麦种植信息

利用多时相MODIS遥感数据和冬小麦地面GPS定位调查信息，参考河北省土地利用现状资料和生态功能区划成果，对河北省冬小麦种植环境进行了分区，充分考虑冬小麦的生长发育特征和下垫面的植被生长特征来选择遥感监测时段，改进了“麦土比”的概念，提出了“象元麦土比”的新方法，将遥感知识、农学知识和地学知识有机结合，形成一套计算机自动提取冬小麦种植信息系统，利用该系统提取了河北省2004-2005年度冬小麦播种信息，遥感测算的全省总面积误差为3．2％，综合考虑各个地市的偏差情况，9个地市面积平均绝对误差为9．6％。本文就此介绍其主要方法及其工作步骤。     

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。     

多时相影像的冬小麦种植面积提取及估产

针对多时相影像的农作物种植面积难以实现统一精确提取、不能高效地进行遥感估产研究的问题,以河南省濮阳市为研究区,基于Landsat TM影像,采用基于伪不变特征的相对辐射校正方法,在深入分析濮阳市内6类典型地物光谱的基础上,构建决策树提取冬小麦种植面积。然后,基于MODIS植被指数产品,结合相应年份统计数据进行植被指数校正,分别利用校正后关键生育期的归一化植被指数累计值和增强型植被指数累计值与冬小麦产量进行回归分析,建立冬小麦产量预测模型,利用2011年的产量进行验证。结果表明:各年份冬小麦的提取面积精度均在96.3%以上,利用归一化植被指数和增强型植被指数构建的估产模型,R2分别为0.834和0.926,估产精度分别为95.36%和96.44%。该研究可为市域冬小麦种植区的统一高效提取以及冬小麦产量预测提供参考。     

HJ星数据在关中冬小麦种植面积遥感监测中的应用 

应用冬小麦抽穗期的环境小卫星影像对关中地区依据行政区划划分,采用多种遥感监测方法进行冬小麦种植面积提取,提取精度达95.64%。结果表明:抽穗期是关中地区提取冬小麦种植面积的最佳时相,同时也表明环境小卫星可以用来监测大范围的冬小麦种植面积,并得到很高的精度。在未来的研究中,对于地形差异较大的地区,可依据地形和冬小麦的种植结构对研究区进行划分,针对每个子研究区采用不同的遥感监测方法以提高提取精度。     

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。     

设施农业空间分布信息自动提取方法研究

准确掌握设施农业的空间分布信息,对于各级政府及农业相关部门进一步制定设施农业发展政策、研究设施农业对环境的影响等具有重要意义。我国是世界上第一大设施农业生产国,长期以来设施农业面积调查主要采用基层单位层层上报的统计方式,该方法只有数量信息没有空间位置信息,因此急需发展一种自动快速的设施农业空间信息提取方法。传统遥感信息基于光谱特征的像元级分类受“同物异谱”、“异物同谱”现象的影响严重,不利于设施农业的高精度快速提取。考虑面向对象分类方法对纹理、几何特征鲜明地物提取中表现出的优势,提出耦合利用面向对象和基于支持向量机的分类方法进行设施农业空间分布信息的自动提取,并在河北省定州县利用航片进行了该方法的测试和验证。验证结果显示设施农业的总体分类精度为95.60%,Kappa系数为0.90,利用该方法可以高精度地提取设施农业的空间分布。     

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。     

基于多时相HJ卫星的冬小麦面积提取

我国环境与灾害监测预报小卫星HJ-1A/B具有较高的时间和空间分辨率,在作物种植面积提取和长势监测等方面具有较大优势。本文以江苏省姜堰市为研究区,根据冬小麦的物候规律和季相节律的差异性,选取返青期和拔节期两个生育期的HJ卫星影像,借鉴分层信息提取法原理,综合利用监督分类和非监督分类法,结合人机交互目视解译和实地定位调查等资料提取了姜堰市的冬小麦种植面积,总体面积提取精度达到90.22%,样点空间匹配精度为81.25%,实验基地空间匹配精度为80.34%。结果表明：HJ卫星能够用于提取南方地区冬小麦种植面积和长势监测,满足农情监测的需要,且利用多时相遥感影像能有效地增加信息量,实现信息互补,有助于提高监测精度。     

基于多时相MODIS监测冬小麦的种植面积

论文基于时相和波谱信息，利用MODIS数据监测了北京冬小麦的种植面积。首先，基于地形高度对地物光谱反射值的影响，借助DEM数据对研究区域进行划分。其次，在分析并提取北京地区主要农作物时间谱曲线特征的基础上，设计决策函数，成功提取了北京地区冬小麦的种植面积。最后，比较并分析了非遥感数据对监测精度的影响。研究结果表明，（1）时相信息可以极大的提高农作物种植面积的监测精度。（2）辅助数据的利用，使决策函数的设计更具有针对性，监测结果更可靠。（3）多源多时相遥感数据在农作物种植面积的提取中具有明显的技术优势和重要的应用潜力。     

Efficiency Research of Planted Rice Area Estimation From NOAA一AVHRR Data in Taihu Domain

运用NOAA-AVHRR资料估算水稻种植面积，是遥感应用领域中一个新的研究方向，结合国家“八五”攻关项目“太湖地区遥感话产”的要求，在太湖地区进行了初步的尝试:(1)根据估产精度要求和NOAA一AVHRR资料校正精度，探讨了运用NOAA一AVHRR资料估产所需的最小区域范围。(2)针对太湖地区的具休地理环境设计了提取水稻种植曲积的技术方案，并在试验区取得了初步成果。     

利用RefineNet模型提取冬小麦种植信息的方法

冬小麦是我国主要的粮食作物，获取精细的冬小麦种植信息对于指导农业生产具有重要的意义。通过对RefineNet模型进行扩展，形成了适宜提取冬小麦种植信息的Ex-RefineNet（Extend-RefineNet）模型，Ex-RefineNet模型由两个子模型组成，Ex-RefineNet-Edge子模型用于提取冬小麦种植区域的边缘像素，Ex-RefineNet-Inner子模型用于提取冬小麦种植区域的内部像素，使用贝叶斯模型对两个子模型的提取结果进行合并处理，形成最终提取结果。利用山东省济南市和泰安市的16幅高分2号遥感影像进行实验，将每幅影像的2/3作为训练数据，其他数据作为测试数据，选择平均精度、查全率和Kappa系数作为对比指标，Ex-RefineNet模型的结果分别为0.93、0.92、0.91，而RefineNet模型的结果分别为0.86、0.84、0.83，说明本文给出的方法在提取冬小麦种植信息方面具有较明显的优势。     

利用RefineNet模型提取冬小麦种植信息的方法

冬小麦是我国主要的粮食作物，获取精细的冬小麦种植信息对于指导农业生产具有重要的意义。通过对RefineNet模型进行扩展，形成了适宜提取冬小麦种植信息的Ex-RefineNet（Extend-RefineNet）模型，Ex-RefineNet模型由两个子模型组成，Ex-RefineNet-Edge子模型用于提取冬小麦种植区域的边缘像素，Ex-RefineNet-Inner子模型用于提取冬小麦种植区域的内部像素，使用贝叶斯模型对两个子模型的提取结果进行合并处理，形成最终提取结果。利用山东省济南市和泰安市的16幅高分2号遥感影像进行实验，将每幅影像的2/3作为训练数据，其他数据作为测试数据，选择平均精度、查全率和Kappa系数作为对比指标，Ex-RefineNet模型的结果分别为0.93、0.92、0.91，而RefineNet模型的结果分别为0.86、0.84、0.83，说明本文给出的方法在提取冬小麦种植信息方面具有较明显的优势。     

Early Estimation of Winter Wheat Planting Area in Qingyang City by Decision Tree and Pixel UnmixingMethods based on GF-1 Satellite Data

In Northwest China,there are many mixed pixels in the winter wheat area,so the combination of decision tree and mixed pixel decomposition is of great significance to improve the interpretation accuracy.The data source of this result is GF-1 satellite data which excellent in the high temporal resolution and high spatial resolution.Based on the difference about variation characteristics and NDVI value for winter wheat and the other crops in different phase data,we build decision tree to extract winter wheat pixels preliminary.Then selected linear spectral mixture model,further analysis the previous data by mixed pixel decomposition,get the final planting area data more exactly.Compared with the winter wheat samples measurement data,calculate the extraction accuracy eventually.The result shows that the extraction accuracy of winter wheat planting area in the study area was more than 90%,Kappa coefficient is close to 0.8,can reflect the distribution of winter wheat in the region accurately.This study found that the method which combined with decision tree classification and pixel unmixing based on high resolution remote sensing image can extract the winter wheat planting area precisely,This is helpful for the development of crop area remote sensing monitoring.     

地面反射波谱与卫星磁带记录数据间关系模拟的初步探讨──以冬小麦和土壤为例

根据冬小麦和土壤地面反射波谱测试数据，计算了在卫星高度上与卫星磁带数据相对应波段的辐亮度值，对ＮＯＡＡＡＶＨＲＲ和ＴＭ某些通道的差值绿度植被指数ＤＶＩ、归一化绿度植被指数ＮＤＶＩ和比值绿度植被指数ＲＶＩ的分析，从理论上证明了目前采用ＴＭＤＶＩ＿（４，３）提取冬小麦种植面积和ＮＯＡＡＮＤＶＩ＿（２，１）区分植被和土壤背景的有效性。同时在冬小麦种植面积和长势监测方面提出了一些新建议。     

基于多时相TM影像的冬小麦面积变化监测

利用北京1992年、2000年、2004年、2009年的多时相Landsat TM5影像数据,结合实际调查数据,分析了近20年来北京冬小麦种植面积的变化趋势及演变特征。采用决策树、PCA、缨帽变换等手段对地物进行分类,利用多时相影像,NDVI组合阈值提取小麦种植区面积。研究结果表明:北京地区1992年、2000年、2004年、2009年冬小麦种植面积分别为:113671ha,84322ha,40410ha,61529ha。北京冬小麦种植面积呈现为明显的先减少后增加的趋势。从1992年到2009年共减少52143ha。其中,从1992年到2000年冬小麦种植面积减少了29349ha,减少的面积中城区扩张占用和转变为裸地的最多,分别为39.7%和42.8%,另外有13.3%变为设施用地,3%成为水体(鱼塘和水田);从2000年到2004年冬小麦种植面积共减少43921ha,减少的面积中转变为裸地和城区扩张占用的最多,分别为39.8%和33.1%;从2004年到2009年冬小麦种植面积共增加了21119ha,其中裸地转变为小麦种植区面积最大。     

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。     

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。