共查询到15条相似文献，搜索用时 406 毫秒
1.
冬小麦是陕西省关中地区重要的粮食作物。本研究以陕西省武功县为例,使用Landsat8 OLI影像作为数据源,综合使用NDVI阈值分割和决策树分类技术提取了武功县2017年冬小麦种植区域,并对各乡镇冬小麦种植面积和空间分布信息进行统计分析。结果表明:(1)在本研究区,冬小麦越冬期结合油菜开花期是利用遥感影像提取冬小麦种植信息的最佳时期组合;(2)运用NDVI阈值分割法结合决策树分类从OLI影像提取冬小麦种植面积的精度达到93%以上;(3)武功县2017年冬小麦种植面积为21 181.97 hm~2,下辖各乡镇中长宁和贞元两镇冬小麦种植面积较大,分别占总面积的24%和19%;在县域尺度上,使用遥感技术提取的冬小麦种植面积和空间分布信息是准确可靠的。 相似文献
2.
以研究区2012年的HJ卫星CCD影像为数据源,通过物候历和主要农作物的光谱特征分析,确定棉花识别最佳时相。采用分类回归树分析（CART）的决策树方法提取棉花种植面积信息,并以农田实地调查样点和统计数据为参考对提取的棉花种植面积结果进行评价。结果表明,基于HJ-CCD数据,使用CART算法的决策树可以较好地提取棉花覆盖信息,最终提取的棉花种植面积总量精度为94．29％,位置精度为88．57％;本研究采用的决策树方法,操作方便、容易实现,分类结果较为实际,基本满足棉花种植面积遥感监测的需求,可对棉花种植面积估算和种植结构分析提供一定的参考。 相似文献
3.
基于Google Earth Engine平台的关中冬小麦面积时空变化监测 总被引：1，自引：0，他引：1
以关中地区为研究区,基于Google Earth Engine(GEE)平台,根据冬小麦生育期内归一化植被指数(NDVI)时序曲线和物候特征,采用NDVI重构增幅算法和光谱突变斜率,构建了关中地区冬小麦提取模型并实现了冬小麦种植面积的提取。用农业统计面积验证提取结果表明:在市级和县级尺度上,决定系数R~2分别为0.82和0.62,一致性指标d分别为0.95和0.84,提取结果与实地调查数据的空间一致性精度为93.4%。结果显示:关中地区冬小麦主要分布在中部关中平原,冬小麦种植面积在2011—2017年呈下降趋势,减少了83.22×10~3 hm~2(8.47%)。综合考虑冬小麦NDVI时序曲线的"峰""谷"特征,具有一定的普适性,可为大面积连续年份冬小麦种植面积时空监测提供参考。 相似文献
4.
刘昊 《干旱区资源与环境》2021,35(2):88-95
作物识别是提取作物种植结构的基础,利用遥感技术对作物进行监测识别,对优化生产布局、调整农业生产模式有着重要意义。文中选取河套灌区杭锦后旗为研究区域,基于2019年覆盖生长周期的Sentinel-2号卫星影像数据,构建NDVI时间序列数据集,利用Savitzky-Golay(S-G)滤波对NDVI时间序列数据集进行平滑,分析不同作物不同发育期的光谱曲线特征,计算各主要作物识别关键期的光谱阈值,构建基于决策树分层分类的农作物种植面积提取模型,并用验证样本对分类结果进行精度验证。结果表明:利用整个生育期内的NDVI最大合成影像确定植被地表覆盖,NDVI曲线变化区别林地与耕地,逐层提取地物,简便易行;采用S-G滤波重构高质量的NDVI时间序列曲线,研究证明重构后曲线更加平滑符合作物生长趋势;基于Sentinel-2号遥感数据和整个生育期NDVI时序数据,构建分层分类决策树模型,作物分类总体精度达92.1%,Kapppa系数精度达0.857。本研究采用的方法满足遥感观测应用化需求,也为县级区域农作物分类提供重要参考价值。 相似文献
5.
基于多时相影像的棉花种植信息提取方法研究 总被引：1，自引：0，他引：1
为实现区域棉花种植面积信息的快速监测,利用2014年新疆奎屯市农七7师125团棉花不同生育期内2期关键期HJ-CCD数据影像,分别运用支持向量机(SVM)的分层监督分类法和专家知识决策树(CART)分类法,基于研究区棉花与其他作物物候和光谱差异提取棉花种植面积和位置,并对两种方法的分类结果进行分析。结果发现:1监督分类法与专家决策树分类法都能有效的提取棉花的面积,棉花总面积精度达96%以上,位置精度达82%以上,专家决策树分类更优一些。2相对而言,基于专家决策树法相对简单,分类精度高,分类位置精度较好。采用环境小卫星影像结合野外调查,在提取棉花种植面积方面有着覆盖面积大、观测周期短的综合优势,而决策树分类法提取棉花面积简单有效。由此可建立一种适用于棉花信息监测系统平台,方便快捷的提取作物种植面积,为棉花长势的研究和病虫害发生区域的确定提供了技术支持。 相似文献
6.
基于遥感数据的新疆开-孔河流域农业区种植结构提取 总被引：1，自引：0，他引：1
农作物种植结构是农作物空间格局的重要组成部分,是区域土地资源和水资源优化配置的基础。以新疆开―孔河流域农业区为研究区域,综合利用作物物候信息和2016年的MODIS NDVI时序曲线,获得不同作物生长差异明显的关键期,选择关键期的Landsat 8 OLI影像,构建主要作物提取知识规则,基于决策树方法开展农作物的分类识别。开―孔河农业区2016年主要作物种植面积为5.07×10^5hm^2,其中棉花种植面积最大,为1.97×10^5hm^2,玉米、小麦次之。博斯腾湖和开都河农业区以辣椒、玉米和小麦为主要作物,种植结构比较零散;孔雀河农业区种植结构比较单一,以棉花和香梨为主要作物。与仅利用时间序列的MODIS数据进行作物分类识别的结果对比表明,综合利用MODIS和Landsat数据的作物识别精度有显著提高,总体分类精度从62.58%提高到88.37%,kappa系数从0.53提高到0.86。该方法综合利用了MODIS数据的时序特征和Landsat数据较高的空间分辨率特征,有效地避免了MODIS数据空间分辨率不足而导致分类精度较差的情况,又避免了Landsat数据时间分辨率不足所引起的时相选择盲目性或数据冗余,在干旱区农业种植结构的提取领域具有一定的应用价值。 相似文献
7.
基于黑河下游额济纳旗地区的Quickbird影像,采用决策树(Decision Tree)、人工神经网络(Artifi-cial neural net,ANN)及支持向量机(Support Vector Machine,SVM)方法对干旱区植被信息进行提取。对三种方法的精度进行评价,结果显示:决策树分类得到的结果零碎,总体分类精度为84.87%;ANN法较决策树方法适宜度高,总体分类精度为91.87%;纹理信息辅助的SVM法取得效果最好,总体分类精度可达96.53%。试验中发现使用高分辨率影像提取干旱区植被种类信息时,大窗口的纹理特征辅助效果较好,但是分类结果的边界出现失常,随着纹理窗口越大,失常的范围也越大。 相似文献
8.
冬小麦生物量卫星遥感估测研究 总被引：6，自引：0，他引：6
生物量是反映冬小麦长势的重要群体指标,及时、大面积获取冬小麦生物量信息有利于掌握早期冬小麦长势和产量形成动态,对于生产管理措施制定意义重大。以江淮麦区的泰兴、兴化两市大田冬小麦为研究区域,基于冬小麦生物量模型(WBM),利用环境星(HJ-1)进行冬小麦拔节期生物量监测预报研究。在提取研究区域小麦面积信息的基础上,利用泰兴市冬小麦拔节期遥感影像反演的LAI及时修订生物量模型的参数,再利用模型对兴化市冬小麦生物量信息进行预测。结果表明:(1)利用生物量模型预测的冬小麦生物量为1897.03～3800.78kg/hm2,平均为2866.33kg/hm2。实测的生物量为1932.30～3689.44kg/hm2,平均为2711.75kg/hm2,相对误差为5.70%,生物量模型的预测性较好;(2)利用预测生物量与卫星影像NDVI的转换模型,可制作冬小麦生物量预测专题图,并能准确、大面积获取不同等级生物量的冬小麦面积分布与长势信息。 相似文献
9.
以位于水蚀风蚀复合区的陕西省横山县为例,通过分析土地覆被类型在TM影像上的光谱特征,选择不同的特征参数,逐层提取有关信息:首先用TM5/TM3提取水体,然后用NDVI分离植被和非植被;在非植被区,用NDBI和NDVI相结合提取城镇用地,再用TM5将沙地和荒草地分离;在植被区,首先根据NDVI分为三大类:草地、旱地和灌木林、水浇地和有林地,然后利用TM4区分旱地和灌木林,用TM5-TM4的差值把水浇地和有林地分离。精度评价结果表明,分类总精度为86.8%,Kappa系数为0.8506,达到分类要求标准。 相似文献
10.
《干旱区研究》2021,38(2):526-535
为了实现基于单独光学遥感数据对科尔沁沙丘草甸相间地区土地利用与覆被(LULC)类型的识别,选用2018年64景Sentinel-2影像,结合影像分割技术,利用植被物候信息和生境特征,建立了基于群落水平的LULC决策树识别规则,总体分类精度为0.91,Kappa系数为0.89。分类结果显示:研究区旱地分布面积最大,占33.79%,灌木群落次之,占25.03%,高多样性半灌木群落和乔木林相近,分别为14.54%和10%,低多样性半灌木群落、草甸地和流动沙地分别占5%左右,剩余类型的总占比小于5%。该方法不仅可以准确反映研究区覆被类型的空间分布情况,还能给出不同覆被类型的生长发育状况,可为该区域物质循环研究提供基础数据,同时为该区域历史LULC识别提供阈值参考。 相似文献
11.
以河南省为研究区域,利用1982-2006年冬小麦生长关键期3-5月的NOAA-NDVI数据集,结合河南省18地市冬小麦产量数据,分析了研究区NDVI与冬小麦产量的时间动态变化特征,建立了基于NDVI的冬小麦产量估算模型,并对模型进行了验证与比较。结果表明:自1982-2006年,研究区冬小麦生长关键期的NDVI和小麦产量均表现出显著增长态势;利用3月、4月、5月NDVI分别建立的冬小麦产量线性预测模型相对误差均较小,分别为-7.56%、-6.10%、-2.63%;利用不同月份组合的NDVI累积和分别建立的冬小麦产量预测模型相对误差较小,平均误差为-5.08%;利用多个月份组合的NDVI分别建立的多元线性回归模型,虽然综合考虑了冬小麦生长期,但估测精度却低于基于单月NDVI和NDVI累积所建立的模型精度。通过误差对比分析后发现,利用5月NDVI建立的冬小麦估产模型误差最小。 相似文献
12.
为了研究不同灌溉条件下北部冬麦区小麦新品种的节水生理特性和选择节水品种，以北部冬麦区有代表性的30个小麦品种（系）为研究对象，在节水处理和正常灌溉处理下，对主要生理和农艺性状进行了分析。研究结果表明:不同小麦品种（系）间的植被归一化指数（Normalized Difference Vegetation Index，NDVI）在拔节期以后的不同生育时期存在着显著差异，抽穗期的NDVI出现拐点，此时期保证水分供给，有利于延长叶片功能期。在不同灌溉处理条件下，NDVI、叶面积指数和光截获的变异系数存在差异，和其他性状相比广义遗传力较低，分别为48.61%、58.51%和72.84%，受环境影响较大。由灰色关联度分析可知：NDVI、冠层温度和光截获与产量的关联性较高，位于前列；在正常灌溉条件下，最好的品种（系）为：CA0391-1、中麦998、农大211、中麦175、 CA0958、中优206、农大5181、航麦247、 CA1146、中麦818和京冬17；在节水处理下，最好的品种（系）为：中麦175、中麦818、 CA0391-1 、CA1091、中优206、轮选1690。因此，可根据NDVI值判断小麦受干旱胁迫的影响，将NDVI、冠层温度和光截获作为评价品种（系）抗旱性主要性状指标，在进行抗旱小麦选育时，可将CA0391-1、中麦175、中优206和中麦818作为抗旱选育亲本加以利用。 相似文献
13.
为探明保水剂施用条件下冬小麦生长与水肥利用的特征,采用田间试验,以不施保水剂和氮肥为对照,研究了单施氮肥(T2:225 kg·km-2)和其与不同用量保水剂配施(T3:N+保水剂30 kg·hm-2、T4:N+保水剂60 kg·hm-2、T5:N+保水剂90 kg· hm-2)处理对冬小麦生长、土壤矿质氮含量以及水肥利用等影响。结果表明:保水剂与氮肥的施用显著提高了小麦各生育期的小麦总群体、株高、叶面积、土壤矿质氮含量及水肥利用率等。各处理中,以T4处理对于总群体数、株高、穗长和穗粒数的提高效果最为显著,而T5处理对于小麦叶面积和千粒重的提高作用明显。随小麦生育期的推进,保水剂处理的根冠比均较对照低,尤其是T3处理。而各生育期土壤矿质氮平均含量表现为T4＞T3＞T5＞T2＞CK。最终小麦产量、氮肥农学效率、氮素生产力和水分利用效率,随保水用量的增加而先增后将,且均匀以T4处理最高,其分别比单施氮肥处理(T2)14.5％、55.9％、34.6％和25.0％。说明各处理中,以T4处理对小麦的生长、增产及水肥利用的效果最佳。 相似文献
14.
不同氮水平下冬小麦农学参数与光谱植被指数的相关性 总被引：4，自引：0，他引：4
利用光谱仪通过大田试验测量不同氮素水平及不同生育期冬小麦冠层的光谱反射率,测算叶面积指数(LAI)、叶绿素含量(CHL)、叶绿素密度(CHL.D)、地上鲜生物量和地上干生物量等农学参数;在此基础上分析了不同氮素水平冬小麦生育期内的光谱植被指数的变化,并分析了农学参数与植被指数之间的相关性。结果表明:小麦叶面积指数、叶绿素密度与比值植被指数(RVI)和归一化差值植被指数(NDVI)在各生育期呈显著相关,小麦叶片的叶绿素含量与RVI、NDVI在抽穗期呈极显著相关,而地上鲜生物量、地上干生物量与RVI和NDVI从起身到孕穗期呈显著相关。 相似文献
15.
近年来关中西部冬小麦收获后耕地撂荒现象(简称秋季撂荒)日益严重。以凤翔、岐山、扶风三县为例,选取2000—2020年间9个年份春季和秋季各1期Landsat影像,运用CART决策树分类法提取9个年份秋季耕地撂荒的时空变化特征,并通过实地问卷调查探究其影响因素及驱动机制。结果表明：研究区秋季耕地撂荒主要分布在凤翔县西南部、岐山县中部以及三县北部临近山区的地带,凤翔县中部和扶风县中部秋季撂荒程度较轻;2000年以来研究区耕地秋季撂荒呈波动上升趋势,其中2000—2007年间撂荒面积逐步增加,2007—2013年间有所回落,2013—2020年间又迅速攀升,2020年撂荒范围最广,撂荒率达64.64%。近20 a研究区秋季撂荒地块由小规模零星分布逐渐转为大规模集中分布。灌溉条件是研究区秋季耕地撂荒的主要影响因素,且影响程度逐年上涨;经济区位、耕作半径和交通条件对撂荒率也有一定的影响,但影响程度逐年减小;耕地边际化是驱动研究区农户选择秋季撂荒的根本原因,劳动力短缺是研究区秋季撂荒的主要原因,灌溉缺乏、积温不足和耕地细碎化等农业生产条件不足是研究区秋季撂荒的直接原因。 相似文献