共查询到16条相似文献，搜索用时 594 毫秒
1.
基于小波变换的华北平原耕地复种指数提取 总被引：5，自引：2，他引：3
该文以中国华北平原为研究区域,提出了基于小波变换的耕地复种指数遥感提取方法。首先,利用小波变换对2007年36景SPOT VGT/NDVI（SPOT VEGETATIONVGT数据归一化植被指数）遥感数据进行去噪处理,重建耕地农作物生长NDVI（归一化植被指数）曲线;然后,结合地面样点数据、农时数据和农业统计数据,采用二次差分法提取了华北平原2007年耕地复种指数和空间分布特征。研究结果表明,华北平原5省市耕地复种空间分布存在明显的地域特性,河南省耕地复种指数最大,达到179.4%,山东省次之,北京市最小。该研究结果与统计数据和其他遥感监测比较结果表明,基于小波变换去噪时序遥感数据提取耕地复种指数的技术方法与统计数据和其他遥感监测结果总体上具有较好的一致性,复种指数空间分布变化趋同。 相似文献
2.
MODIS/NDVI和MODIS/EVI在耕地信息提取中的应用及对比分析 总被引：11，自引：4，他引：7
MODIS植被指数数据是区域土地利用信息提取的重要数据源.为了对比MODIS两种主要植被指数(NDIV、EVI)在耕地信息提取中的应用,采用通过时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS),对2006年全年MODIS 16天250m的NDVI和EVI时间谱数据进行了重构,从而进行了河西走廊绿洲中东部样区一系列耕地信息的提取实验,包括耕地、休耕地识别以及耕地复种指数、作物种类提取.在此基础上,对MODIS的NDVI与EVI数据的应用进行了对比分析.结果显示:(1)利用傅立叶谐波变换得到的EVI和NDVI时间谱曲线的谐波余项及谐波振幅对耕地进行识别,从识别精度来看,EVI要优于NDVI,识别精度分别为97.17%和95.99%,Kappa系数分别达到0.7938和0.6518;(2)通过计算时间序列曲线的波峰数能够提取耕地的复种指数,并且在EVI和NDVI曲线波峰阈值分别设为0.20和0.25时,休耕地能较为准确地被识别出来;(3)通过提取作物生长期内曲线的Ⅵ最大增长速率时间点以及峰值时间点等信息,作物种类能被初步识别,并且EVI较NDVI具有更强的识别能力. 相似文献
3.
基于多时相Landsat数据融合的洞庭湖区水稻面积提取 总被引：3，自引：9，他引：3
洞庭湖区作为中国重要的商品粮基地,水稻种植面积的变化对国家粮食安全有重要的影响,准确获取水稻面积及其变化显得十分重要。为解决数据缺失问题,该文利用STARFM(spatial and temporal adaptive reflectance fusion model)模型融合高时间分辨率的MODIS数据与中等空间分辨率的Landsat数据,得到时序Landsat NDVI数据,并利用时序Landsat NDVI数据对水稻种植面积进行提取。结果显示,该方法能够有效地提取水稻种植面积,总体分类精度94.52%,Kappa系数为0.9128。水稻分布几乎覆盖整个研究区,水稻种植总面积达7.88×105hm2。双季稻种植面积为7.75×105hm2,主要集中于湖区北部及西北部,且分布较连续。一季稻种植面积为1.3×104hm2,分布相对零散,有小范围集中于湖区中部及西北部。 相似文献
4.
基于多源遥感数据融合和LSTM算法的作物分类研究 总被引：7，自引：6，他引：1
准确、及时地获取农作物的空间分布信息,对于指导农业生产、制定农业政策具有重要意义。为了检验长短时记忆网络(long short-term memory,LSTM)算法在基于时序遥感数据进行作物分类中的优势,该文以临汾盆地为研究区域,利用Savitzky-Golay滤波对MODIS NDVI进行平滑处理,并采用ESTARFM(enhanced spatial and temporal adaptive reflectance fusion model)算法对滤波后的MODIS NDVI和Landsat NDVI进行融合,生成空间分辨率为30 m、时间分辨率为8天的时序NDVI。基于Landsat NDVI利用LSTM算法进行作物分类,同时,基于融合NDVI分别利用LSTM算法和神经网络(neuralnetwork,NN)算法进行作物分类,并对比3种方法的分类精度。结果表明,Savitzky-Golay滤波后的时序MODISNDVI能够反映不同作物的物候特征;基于融合NDVI的分类精度明显高于基于LandsatNDVI的分类精度,表明融合后的时序NDVI由于具有更高的时间分辨率,能够更加突出不同作物的物候特征,显著提高作物分类精度;基于融合NDVI和LSTM算法的分类精度高于基于融合NDVI和NN算法的分类精度,前者的冬小麦面积估测精度高于后者的估测精度,表明LSTM算法的分类精度高于NN算法。该文可为基于遥感影像进行不同作物种植区域提取的研究提供重要的方法参考。 相似文献
5.
基于MODIS NDVI数据的复种指数监测--以环渤海地区为例 总被引：3，自引：2，他引：1
复种指数反映了耕地的实际利用强度,提高农田复种指数是区域粮食增产的重要途径之一,因此,监测和分析复种指数在时间和空间上的变化对粮食安全评估、农业发展规划科学决策有重要意义。NDVI的时间序列蕴涵着植被生长的年循环节律,耕地NDVI时间序列曲线的峰值个数和耕地的种植收割次数相对应,因此耕地的复种指数可通过分析NDVI时间序列曲线来获取。本研究以环渤海地区2000—2009年MODISNDVI时间序列数据为数据源,采用邻域比较法提取耕地NDVI年时间序列曲线的峰值频数,进而计算环渤海地区2000—2009年的复种指数,并对复种指数的时空变化及变化原因进行初步分析。结果显示,在环渤海地区,一年两熟的耕种模式主要分布在长城以南,长城以北基本上为一年1熟;环渤海地区各省份中,山东省具有最高的复种指数,辽宁省的复种指数最低;平原地区的复种指数远高于其他地形条件下的复种指数;区域复种指数存在明显的年际变化,主要是受耕地收益和农作物轮作的影响;混合像元的存在会影响复种指数提取结果。 相似文献
6.
太湖流域1995－2010年耕地复种指数时空变化遥感分析 总被引：7，自引：3，他引：4
为了重建太湖流域1995-2010年耕地复种指数时空变化过程,结合1995年NOAA-AVHRR的旬NDVI数据、2000-2010年250m16d合成的MODIS-NDVI数据和4期土地利用数据,利用傅里叶变换技术的HANTS方法重建农作物生长NDVI曲线,结合差分算法提取各时相复种指数。结果表明:太湖流域1995-2010年复种指数时空格局呈现以一年两熟为主,但一年一熟比例呈持续增长趋势,复种指数局部格局变化主要集中分布在上海市和浙江省;太湖流域复种指数呈北高南低的空间格局,1995-2010年总体呈较明显的下降趋势,从1995年189.4%持续下降到2010年167.3%,降幅从大到小依次为浙江省、上海市和江苏省;基于遥感和HANTS方法提取太湖流域复种指数在栅格尺度上精度达94.6%;受计算范畴差异及遥感数据空间分辨率影响,在县市行政区划单元尺度上,遥感方法与统计数据计算的复种指数平均误差约15.8%～21.6%。研究结果可为太湖流域农业政策制定及管理提供科学依据。 相似文献
7.
为了重建太湖流域1995－2010年耕地复种指数时空变化过程,结合1995年NOAA-AVHRR的旬NDVI数据、2000－2010年250 m 16 d合成的MODIS-NDVI数据和4期土地利用数据,利用傅里叶变换技术的HANTS方法重建农作物生长NDVI曲线,结合差分算法提取各时相复种指数。结果表明：太湖流域1995－2010年复种指数时空格局呈现以一年两熟为主,但一年一熟比例呈持续增长趋势,复种指数局部格局变化主要集中分布在上海市和浙江省;太湖流域复种指数呈北高南低的空间格局,1995－2010年总体呈较明显的下降趋势,从1995年189.4%持续下降到2010年167.3%,降幅从大到小依次为浙江省、上海市和江苏省;基于遥感和HANTS方法提取太湖流域复种指数在栅格尺度上精度达94.6%;受计算范畴差异及遥感数据空间分辨率影响,在县市行政区划单元尺度上,遥感方法与统计数据计算的复种指数平均误差约15.8%～21.6%。研究结果可为太湖流域农业政策制定及管理提供科学依据。 相似文献
8.
该文选用覆盖东北三省2007年主要作物发育期内14个时相MODIS NDVI 250 m 16 d影像、2005年Landsat ETM+30 m影像和大量地面调查数据,借助ISODATA非监督分类算法、作物植被系数变化曲线光谱耦合技术和Google Earth工具,提取了主要作物分布的空间信息。基于Landsat ETM+30 m影像采用亚像素估算方法对耕地面积系数进行了计算,分别估算了东北三省的耕地、水稻、玉米和大豆的面积,并用各个县级地图做掩模提取了耕地、水稻、玉米和大豆的面积,与同期的统计数据组成4组配对样本进行对比验证。结果表明,4组数据经配对样本的T检验都呈显著性差异,耕地相关系数最高为0.92,依次为玉米、水稻和大豆,都在0.68以上,与统计数据吻合较好,而分析结果位置精度为85.7%,提取结果能较好的反映东北三省主要农作物的空间分布状况,可为其他区域尺度主要作物空间分布信息的提取提供借鉴。 相似文献
9.
10.
基于ESTARFM NDVI的察汗淖尔流域灌溉耕地提取方法研究 总被引：1，自引：0，他引：1
运用遥感精准识别技术提取灌溉耕地可以为区域内农业耗水管理提供关键数据支持,但受限于遥感数据的时空分辨率,对于光谱特性相似容易混淆的灌溉耕地作物识别有一定难度。为此,本研究通过增强型自适应反射率时空融合模型(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model,ESTARFM)对MODIS和Landsat数据进行融合,得到察汗淖尔流域时间分辨率为8 d、空间分辨率为30 m的NDVI数据,并与同期真实Landsat NDVI进行对比验证,相关系数为0.94。利用HANTS滤波建立ESTARFN NDVI时间序列数据,选取灌溉耕地样本通过支持向量机进行灌溉耕地空间分布的提取,以弥补数据源、特征提取等限制因素对复杂灌溉耕地提取的空缺。结果表明:流域内灌溉耕地总面积为1958.24km~2,商都、兴和、尚义、康保和化德5县耕地总面积占流域耕地总面积的94%,灌溉耕地分别为616.67km~2、337.36km~2、409.85km~2、290.93 km~2和239.38 km~2,主要种植葵花、甜菜、马铃薯等生长季从4月初到9月底的长生育期作物和生长季从5月初到8月初的蔬菜;张北、察哈尔右翼前旗、后旗和镶黄旗耕地占流域耕地总面积为6%, 4县灌溉耕地面积共64.05 km~2。最后,通过真实样本进行验证,总分类精度为93.18%, Kappa系数为0.91。结果表明,用该数据融合模型获得的NDVI时间序列能反映作物真实变化情况,并且使用支持向量机提取察汗淖尔流域灌溉耕地效果较好。 相似文献
11.
基于决策树和混合像元分解的江苏省冬小麦种植面积提取 总被引：11，自引：6，他引：5
归一化植被指数(normalized difference vegetation index,NDVI)时间序列曲线能提供作物生长动态变化信息,将其应用于农作物种植面积提取具有一定优势。该文以江苏省为研究区域,采用2013年1月1日-2014年12月19日46景250 m空间分辨率的MODIS-NDVI时间序列数据、2014年4月23日的MOD09A1反射率影像及Landsat数据,开展冬小麦种植面积的遥感识别,首先利用MODIS数据建立作物的归一化植被指数时间序列曲线,再采用Savitzky-Golay滤波方法对NDVI时间序列数据进行重构,并基于农作物物候历、种植结构和种植模式等信息,提取研究区域典型地物物候生长期的关键值,在分析冬小麦、林地、水稻物候期(生长期开始时间、生长期结束时间、生长期幅度、生长期长度及生长期的NDVI最大值)变化趋势的基础上,综合比较分析不同地物平滑重构后的NDVI时间序列曲线特征,界定作物种类,确定训练规则,利用快速、高效的决策树方法,通过多阈值限定进行分类,初步提取冬小麦的空间分布范围;但是由于存在混合像元,阈值范围的设定会影响冬小麦种植面积的提取精度,针对此类问题,运用地表反射率影像数据提取冬小麦端元波谱曲线,结合线性光谱混合模型进行混合像元分解,进而根据冬小麦丰度比例精确提取冬小麦种植面积;最后利用统计数据和空间分辨率较高的Landsat TM 8影像数据对提取结果进行县域级验证。精度评价结果表明,研究区域的冬小麦种植面积提取精度达到90%,能够较准确地反映研究区域冬小麦的分布情况,表明运用中高分辨率遥感时间序列影像数据可以准确提取作物种植面积,为农作物种植面积信息提取提供参考。 相似文献
12.
基于时间序列环境卫星影像的作物分类识别 总被引：17，自引：11，他引：6
环境星影像具有较高的时间和空间分辨率,利用其时序遥感数据进行作物信息提取优势明显。该文以黑龙江垦区友谊农场作物为研究对象,利用2010年6月至9月共10景HJ-CCD数据进行作物种植分类信息提取。首先,通过SPLINE算法对云影响区域插值去噪,重构时间序列影像数据;其次,通过分析试验区主要作物的光谱和植被指数时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了黑龙江友谊农场大豆、玉米和水稻的种植信息,分类总体精度达到96.33%。同时,将分类结果同基于时间序列植被指数影像的支持向量机和最大似然法分类结果相比较,结果表明,决策树分类效果最好,支持向量机次之,最大似然分类较差。研究表明,通过去云处理后构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,借助于决策树分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。 相似文献
13.
基于异源多时相遥感数据提取灌区作物种植结构 总被引：15，自引：4，他引：11
用遥感技术提取灌区作物种植结构需要源影像具有适宜的时空分辨率以适应其动态变化特征。该文综合运用多种遥感影像数据,将Landsat ETM+与MODIS NDVI数据融合区分灌区土地利用类型,由融合后的时间系列数据非监督分类结果提取植被指数变化信息,结合作物系数变化规律运用光谱耦合技术提取作物种植结构。根据该方法将漳河灌区作物种植结构区分为水稻—油菜、水稻—小麦、单季夏季作物以及双季经济作物。由地面统计数据和高分辨率IKONOS影像进行了检验,分类精度达到91%并且与统计数据相吻合。结果表明该法不仅能提供更为准确的灌区作物种植结构时空信息,而且节省影像购买成本,方便灌区尺度遥感应用。 相似文献
14.
15.
多时相MODIS影像的黑龙江省水稻种植面积提取 总被引：1，自引：1，他引：0
黑龙江省稻田面积扩张引起农区地类发生巨大变化，利用遥感手段快速动态监测稻田面积扩张的变化，可为水稻产量估算、水土资源开发利用和评价提供科学决策依据。该研究以中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer，MODIS）地表反射率和植被指数数据为主要数据源，融合归一化光谱特征、分层分类、最大似然法、阈值和指数时间序列等方法建立决策树模型，对2003－2018年黑龙江省的稻田、旱地、草甸、滩地、森林、水体、城镇等进行遥感解译，并采用混淆矩阵法验证结果精度。结果表明2003－2018年稻田识别Kappa系数达到0.899～0.961，总精度达到了85.5%～92.3%。黑龙江省新增稻田主要由旱地、草甸和滩地转变，水稻种植面积从2003－2018年扩大了3倍，平均每年扩张158 100 hm2，稻田播种区域的中心向北延伸约160 km。该研究基于黑龙江省不同植被的物候特征，确定了不同地类的决策树分类判定标准，为黑龙江省稻田面积变化提供有效的方法。 相似文献
16.
由于AVHRR NDVI数据集本质上具有动态变化的特点,使得数据重叠时段(1981-2006年)的第1代GIMMS NDVIg(简称NDVIg)数据集与第3代GIMMS NDVI3g(简称NDVI3g)数据集也不完全相同。如何理解、对待这些差异,是综合利用两代数据集的研究成果、科学客观地评估地表植被历史变化状况、预测未来变化趋势、指导生态保护与建设工作的前提和基础。该文利用MODIS NDVI和Landsat数据,评估了青藏高原两代GIMMS数据集的性能,并对比分析了区域尺度和像元尺度两代数据集在监测植被长期动态变化方面的异同。结果表明,NDVI3g捕获植被物候变化的能力与NDVIg相当,但NDVI数值明显大于NDVIg,甚至大于MODIS NDVI;与NDVI3g相比,在NDVI分布格局和动态变化方面,NDVIg与MODIS NDVI和Landsat更为相似;尽管两代GIMMS数据集1982-2006年生长季NDVI变化趋势类似,但GIMMS NDVIg倾向于检测到更多的显著变化区域;夏季和秋季的结果与生长季类似,但春季GIMMS NDVI3g则检测到了更大范围的NDVI显著增加,与NDVIg结果的差异主要集中在青藏高原腹地。NDVI数据集是众多生态模型的基础数据,NDVI数据集之间的差异可能会导致模拟结果出现偏差。在使用NDVI数据之前,对NDVI数据的适用性进行评估,是获取更符合当地实际情况、更为客观真实结果的前提。 相似文献