面向对象的复杂地形下冬小麦多时相遥感分类提取研究

河南省各地地形地貌差异较大,如何准确地获取不同地形冬小麦种植面积对农业调查来说是关键问题。本文选取河南省鹤壁市淇县作为典型的复杂地形区,选取Sentinel-2影像作为数据源进行多植被指数及红边指数计算,采用面向对象分类方法进行多尺度分割并计算分割对象的光谱特征、纹理特征、指数特征等信息,然后对淇县进行冬小麦种植多时相遥感分类,分析不同时相冬小麦解译面积与精度,最终得到最优精度冬小麦种植面积。结果表明：淇县东部平原地区冬小麦大量种植,西部山区小麦种植多以点状分布于山谷与河滩地等。采用预留样本点对解译结果进行精度验证,整体验证精度在95%以上;其中平原地区冬小麦分类精度在97%左右,西部山区冬小麦分类精度为95%。结合数字高程数据及不同时期植被指数进行分析,结果显示鹤壁淇县冬小麦空间分布与其生长周期、空间分布特性高度吻合。     

大面积小麦遥感估产模型的构建与调试方法的研究

本文重点研究大面积冬小麦遥感估产模型构建及其调试方法。通过分析冬小麦生长发育过程,对光、温、水、肥等必须条件需求规律研究的基础上,提出了以绿度指数、温度和绿度变化速率等因子,构建大面积冬小麦遥感估产模型。为了适应大面积遥感估产运行系统的需要,在变量获取及模型调试等方面进行了一些新的探索。     

作物种植景观及破碎度时空变化研究——以唐山玉田为例

为降低耕地破碎化程度、便于高标准农田建设,该文基于2001、2009、2017年3期多时相Landsat系列数据提取农作物种植信息,构建农作物种植景观破碎度评价模型,采用景观指数法、熵值法等对研究区5种农作物种植景观及破碎度时空变化进行分析.结果 显示:夏玉米单种面积最多,冬小麦-夏玉米复种面积次之,冬小麦-大白菜复种面积最小;并呈现出以县城为中心单种大白菜-外围单种夏玉米或冬小麦-小玉米复种的分布特征.研究期间种植破碎度以夏玉米单种破碎度最大,分值保持在0.56以上;破碎度平均值为0.4694,总体处于中低偏下水平,但仍存在破碎化程度较高区域,耕地集中连片程度有待提高.建议调整高破碎度区域种植类型和结构,提高土地节约集约利用程度,对低中破碎度区域加强耕地生产规模化管理.     

基于高分六号WFV数据的冬小麦种植面积提取

冬小麦是我国重要的粮食作物之一,准确获取冬小麦种植面积具有重要的现实意义。为探究高分六号卫星影像进行冬小麦遥感监测的可行性和精确性,本文选取甘肃省崆峒区为研究区,运用红边波段+监督分类中的支持向量机法,提取了2019年崆峒区冬小麦种植面积,并利用混淆矩阵对分类结果进行精度验证。结果表明:提取崆峒区冬小麦种植面积为15045 hm 2,与实际种植面积相比,误差率为1.02%;该模型能有效地提取崆峒区冬小麦,总体精度为98.88%,Kappa系数为0.97;红边波段能有效地提取干扰地物,提取精度比直接使用监督分类高7.88个百分点;GF6影像在提取冬小麦种植面积上具有明显优势。     

土壤水分的遥感监测方法

本文讨论了用雷达图像散射系数法、NOAA-AVHRR数字图像热惯量法和作物缺水指数法监测土壤水分的结果,并将这些方法与常规气象方法、绿度指数法和温差法监测土壤水分的效果进行了比较和评价。结果表明,微波遥感监测土壤水分有广阔的应用前景,但必须深入开展基础研究。在我国目前情况下,采用NOAA-AVHRR数字图像及有关气象数据计算热惯量、作物蒸散和缺水指数,从而估算土壤水分的方法是一种比较切实可行的方法。     

考虑植被红边信息的多时相Sentinel-2大范围冬小麦提取研究

冬小麦是中国的主要粮食作物且种植面积年际变化较大,及时准确掌握冬小麦种植面积变化有利于国家和相关部门科学决策。遥感技术是获取大范围冬小麦种植面积数据的最有效手段。前期研究多利用多时相中低分辨率影像（如MODIS）的归一化植被指数NDVI（Normalized Difference Vegetation Index）开展大范围冬小麦种植区提取,因分辨率低导致精度难以令人满意。Sentinel-2卫星是唯一能获取3个红边波段影像的米级分辨率传感器,但应用其红边波段进行大范围冬小麦提取的研究几乎没有。本文分析了红边位置指数REPI（Red-Edge Position Index）与NDVI各自在冬小麦提取中的优势,并基于冬小麦物候特征与JM距离研究关键时相,提出一种综合多时相Sentinel-2 PERI、NDVI的大范围冬小麦提取方法,将其应用于2020年京津冀地区的冬小麦种植区提取,冬小麦总面积提取误差为-2.57%。提取结果与Google Earth高分辨率光学影像的解译结果进行比较,总体精度为94.24%,Kappa系数为0.88,相较于已有大范围冬小麦提取研究精度有明显提升,表明了本文方法的有效性。     

基于GF-1卫星数据的冬小麦种植面积估算模型

目前遥感技术越来越广泛地应用于农作物面积的估算,本文研究了基于高分辨率卫星影像的农作物面积测量技术,提出一种冬小麦种植面积估算模型。该模型采用最大似然法对遥感影像进行监督分类,利用耕地矢量数据优化分类结果,结合高分辨率样本村数据拟合估算冬小麦种植面积。以泗洪县为研究区,采用GF-1卫星数据完成了泗洪县冬小麦面积提取实验,验证了该模型的有效性。     

用NOAA气象卫星资料结合地面光谱测定对运城盆地冬小麦长势进行监测及产量估算的方法探讨

根据NOAA气象卫星具有周期短、覆盖面积大、对绿色植被及水份温度反应比较灵敏等特点,作者利用AVHRR甚高分辨率辐射计资料,结合同时期地面样方光谱和有关生物物理指标观测,对山西省运城盆地冬小麦长势进行了监测,并利用中比例尺的MSS彩色合成图像,分区分类测算面积和估算产量。在产量估算精度上有了新的提高。 首先采用多时相陆地卫星像片,按相同的生产条件及生产水平进行分类划区,然后分区设立地面样方,并与气象卫星接收同时进行光谱及生物物理指标观测。资料分析结果表明:地面光谱计算指数与小麦产量有较好的直线相关;地面光谱与卫星光谱指数(NVI),以及卫星光谱指数与小麦产量均具有较好的相关关系。 资料还证明了植冠红外温度与土壤水分即作物需水状况的相关性,以及气象卫星红外温度值与小麦产量的相关性。 利用上述遥感方法对冬小麦长势进行监测和估产,计算可靠,方法简便、快速,适宜于中小区域农业生产管理应用。     

基于典型物候特征的MODIS-EVI时间序列数据 农作物种植面积提取方法 —小区域冬小麦实验研究

利用MODIS植被指数时间序列这一特性,以北京市通州及周边为实验区,冬小麦种植面积为研究对象,提出 了农作物种植面积指数模型(Pan-CPI模型)的概念,并构造了冬小麦特征物候期植被指数与种植面积的定量函数关系, 通过样区TM影像求解关键参数,对研究区冬小麦种植面积测量方法进行了试验研究。研究结果表明：(1)Pan-CPI模 型能够很好地反映特定目标农作物种植面积状况,为基于植被指数时间序列影像识别农作物种植面积提供了新方法; (2)精度分析结果表明：Pan-CPI模型具有很高的稳定性,且不受样本变化的影响,只要达到满足模型计算的样本量(如： 5%),多次测量结果间具有很好的一致性。选取MODIS 6×6像元大小的窗口时,TM样本的复相关系数(R2)稳定在0.85 左右,与TM结果比较,窗口相对精度稳定在95%左右,区域精度稳定在92%以上,经调整的区域精度高达96%以上; (3)对于种植结构复杂、目标作物种植破碎的地区,Pan-CPI模型可以充分利用MODIS植被指数时间序列的优势,有效改 善TM单时相和多时相提取信息因时相缺失无法表征作物变化的不足。     

以地块分类为核心的冬小麦种植面积遥感估算

以提高冬小麦种植面积估算精度为目标,选取种植结构复杂的都市农业区,采用QuickBird影像数字化农田地块边界,以多时相TM影像为核心数据源,以地块为基本分类单元,进行不同特征向量组合、不同分类器的冬小麦地块分类方法研究,并对比分析了基于地块分类和基于像元分类的冬小麦种植面积估算精度。研究结果表明,基于地块分类的冬小麦种植面积估算方法的总量精度和位置精度均高于像元分类;植被指数和纹理信息的引入有助于进一步提高地块分类精度;支持向量机与最大似然均能得到高达97%的总量精度和90%的位置精度,支持向量机地块分类所需的训练样本量远低于最大似然,因此支持向量机更加适合于冬小麦地块分类;冬小麦错分与漏分情况大多发生在细碎地块,其面积总量较小,而大地块错分和漏分较少,因此相对于像元分类,地块分类能在整个区域能得到较高的冬小麦位置精度和总量精度。     

气象卫星NOAA/AVHRR数据在旱涝灾情动态监测研究中的应用

本文主要叙述了气象卫星NOAA/AVHRR数据在旱涝灾情动态监测研究中的应用。作者采用第4、2、1通道(CH4、2、1)彩色合成图像作为定位判读覆盖云量和农作物长势、旱涝灾情的依据,用CH₁、CH₂通道反射率数据构成的归一化植被指数(NDVI)作为农作物长势、旱涝灾情的定量判读标准,对河南省1987年夏涝、1988年夏旱及1989年小麦生长期旱情进行了动态监测。研究结果表明,应用NOAA/AVHRR数据,可以准确地确定旱涝范围,划分旱涝等级,量算旱涝面积,定量地监测灾情变化趋势,取得明显的效果。     

20世纪末华北地区冬小麦物候期监测及时空格局分析

基于1983—1999年7 d时间分辨率5 km空间分辨率的AVHRR传感器数据,利用曲线特征点的物候监测方法,反演获得华北地区冬小麦关键物候期并分析其时空演变规律。结果表明:1)冬小麦的拔节期、抽穗期和成熟期主要集中在60—100、105—125和120—155 d。冬小麦物候期空间格局特征和纬度相关,纬度每升高一度冬小麦的拔节期、抽穗期和成熟期分别推迟了5.2、3.5和3.1 d。2)1983年以来,整个研究区的冬小麦物候期呈现提前趋势,每十年冬小麦的拔节期、抽穗期和成熟期分别提前了0.7、3.1、1.9 d。     

Wheat growth profile: satellite monitoring and crop yield modelling

The most important advantage of the low resolution National Oceanic and Atmospheric Administration’s Advanced Very High Resolution Radiometer (NOAA AVHRR) data is its high temporal frequency and high radiometric sensitivity which helps in vegetation detection in the visible and near-infrared spectral regions. In areas where most of the crop cultivation is in large contiguous areas, and if the AVHRR data are selected for time period such that the crop of interest is well discriminated from other crops, these data can be used for monitoring vegetative growth and condition very effectively. The present study deals with the application of AVHRR data for the monitoring of the wheat crop in its seventeen main growing districts of the Rajasthan state. The fourteen date AVHRR data covering the entire growth period have been used to generate the normalized difference vegetation index (NDV1) growth profile for the crop by masking the non-crop pixels following the two-date NDVI change method. The growth profile parameters and other derived parameters, such as post-anthesis senescence rate and areas under the entire growth profile or under selected growth periods have been related to the district average wheat yield through statistical regression models. Various methods adopted for wheat pixels masking have been critically evaluated. It is found that the wheat yield can be predicted well by the area under the profile in different growth periods.     

应用气象卫星识别薄云覆盖下的水体

本文根据地物光谱特性和卫星的信号接收原理，提出了一种利用气象卫星识别水体的简单而有效的方法，使得薄云覆盖下的水体和云影中的水体得到较好的识别效果。在洪水监测中使用该方法，可以充分利用气象卫星数据获取丰富的洪水动态信息．并以１９９１年江淮洪涝灾害为背景，对试验结果进行了分析．     

FY-3250m分辨率数据的华北平原冬小麦提取

冬小麦是中国最主要的粮食作物之一,利用遥感技术提取冬小麦种植区是遥感应用研究的一个重要方向。2008年以来发射的系列风云三号(FY-3)卫星均携带着中分辨率光谱成像仪(MERSI),该传感器有5个250 m分辨率的波段,波段范围包括可见光、近红外和热红外,观测数据包含丰富的地表信息,为大范围冬小麦种植区提取提供了新的数据源。首先,选取生长季前期多幅高质量的MERSI数据,采用分层提取的方法,对于不同的层次选用与待提取类别最为敏感的特征波段来构建相应的决策树,从而将每一幅影像中冬小麦种植区提取出来,然后,将多幅数据融合为一幅生长季内的冬小麦种植区图。最后,使用野外实地调查的数据进行精度验证,面积提取精度为90.8%。结果表明,在春季返青后,即可做出当季冬小麦种植分布图,为农情监测提供及时的信息支撑。     

利用NOAA NDVI数据集监测冬小麦生育期的研究

探索了利用NDVI研究作物生育期的方法，对黄淮海冬麦区的返青期、抽穗期、成熟期进行了估测，并利用地面实际观测资料进行了验证。结果表明，NDVI数据对大范围农作物生育期监测是可行的。冬小麦遥感反青期由南到北依次推迟，符合春季绿波由南到北推移规律。对冬小麦遥感生育期年际变化分析表明，黄淮海平原返青期变化相对较大，而抽穗期和成熟期变化较小。根据历年月平均温度与返青期分析，冬小麦返青日期与2月份平均温度密切相关。对于局部地区，利用5d合成1km分辨率数据，且按农业生态分区分别制定生育期判别标准，估测效果将更好。     

非单一地表对AVHRR图像计算所得蒸散的影响分析

针对中国人多地碎的特点，将AVHRR图像和高空间分辨率图像配准，利用一种气象－遥感综合模型分别计算AVHRR像元整体及对应高分辨图图像中作物区的蒸散，给出两者之间的差异，分析并检验利用AVHRR图像计算大区域蒸散中由非单一地表产生的误差，并给出一种适用于所研究区域的相应的统计订正方法。     

利用双变量同化与PCA-Copula法的冬小麦单产估测

为了进一步提高冬小麦产量估测的精度,基于集合卡尔曼滤波算法和粒子滤波（particle filter, PF）算法,对CERES–Wheat模型模拟的冬小麦主要生育期条件植被温度指数（vegetation temperature condition index,VTCI）、叶面积指数（leaf area index, LAI）和中分辨率成像光谱仪（moderate-resolution imaging spectroradiometer, MODIS）数据反演的VTCI、LAI进行同化,利用主成分分析与Copula函数结合的方法构建单变量和双变量的综合长势监测指标,建立冬小麦单产估测模型,并通过对比分析选择最优模型,对2017—2020年关中平原的冬小麦单产进行估测。结果表明,单点尺度的同化VTCI、同化LAI均能综合反映MODIS观测值和模型模拟值的变化特征,且PF算法具有更好的同化效果;区域尺度下利用PF算法得到的同化VTCI和LAI所构建的双变量估产模型精度最高,与未同化VTCI和LAI构建的估产模型精度相比,研究区各县（区）的冬小麦估测单产与实际单产的均方根误差降低了56.25 kg/hm2,平均相对误差降低了1.51%,表明该模型能有效提高产量估测的精度,应用该模型进行大范围的冬小麦产量估测具有较好的适用性。     

利用多时相的高光谱航空图像监测冬小麦条锈病

冬小麦发生锈病 ,叶绿素被大量破坏 ,水分蒸滕量大大增加 ,叶片细胞大小、形态、叶片结构发生了改变 ,从而改变了叶片和冠层的光学特性 ,使得遥感探测与评价成为可能。利用多时相的高光谱航空飞行图像数据 ,了解、分析和发现条锈病病害对作物光谱的影响及其光谱特征 ;设计了病害光谱指数 ,成功地监测了冬小麦条锈病病害程度与范围。对比 3个生育期的条锈病与正常生长冬小麦的PHI图像光谱及光谱特征 ,发现 :5 6 0— 6 70nm黄边、红谷波段 ,条锈病病害冬小麦的冠层反射率高于正常生长的冬小麦光谱反射率 ;近红外波段 ,条锈病病害的冠层反射率低于正常生长的冬小麦光谱反射率 ;条锈病冬小麦冠层光谱红谷吸收深度和绿峰的反射峰高度都会减小