共查询到18条相似文献，搜索用时 248 毫秒
1.
基于GF-1与Landsat8 OLI影像的作物种植结构与产量分析 总被引：4，自引：1，他引：3
作物种植结构监测和估产是精准农业遥感的重点领域,其研究对于指导作物种植结构和制定农业政策具有重要意义。该文以黑龙江省北安市为研究区,以2015年的Landsat8 OLI和多时相GF-1为遥感数据源,基于物候信息和光谱特征确定的农作物识别关键时期和特征参数,构建面向对象的决策树分类模型,开展作物种植结构监测研究;综合植被光谱指数和地面采样数据,采用逐步回归方法建立产量遥感估算模型。结果表明:多源与多时相的遥感数据可以反映不同农作物的季相特征,应用本文所构建的决策树分类模型,作物分类效果较好,总体精度达87.54%,Kappa系数为0.8115;2015年,北安市的主要作物类型为大豆、玉米、水稻和小麦,面积分别为2204、1955、122和19 km~2,其中大豆的种植面积最大,占作物种植面积的51.24%。基于NDVI、EVI和GNDVI构建的多元回归模型为北安市大豆和玉米产量估算最优模型(R~2=0.823 7,均方根误差135.45 g/m~2,精度80.55%);北安市玉米高产区集中分布在西部,大豆的高产区主要分布在东部;2015年北安市玉米和大豆的单产分别为8 659、2 846 kg/hm~2,总产量分别为16.93×10~8、6.27×10~8 kg。利用作物关键物候期的多源多时相遥感数据能够精确高效地提取作物种植结构,构建的产量估算多元回归模型,为精准农业科学发展提供参考。 相似文献
2.
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
3.
基于HJ时间序列数据的农作物种植面积估算 总被引：13，自引：7，他引：13
通过对长时间序列遥感影像的波谱变化特征分析,可以有效地进行农作物种类识别与信息提取,提高农作物种植面积的遥感监测精度。中空间分辨率多光谱遥感影像适合于中国大范围大宗农作物面积监测,也是能够提供稳定时间序列遥感数据源之一。该研究以河北省衡水市为研究区域,采用2011年10月3日-2012年10月24日期间,16景30 m空间分辨率的HJ-1A/B卫星CCD(电荷耦合元件,charge-coupled device)影像月度NDVI(归一化植被指数,normalized difference vegetation index)时间序列数据,针对冬小麦、夏玉米、春玉米、棉花、花生和大豆等主要作物类型,在全生育期波谱特征曲线分析基础上,提取主要作物类型的曲线特征,采用基于NDVI阈值的决策分类技术,进行了农作物种植面积遥感识别,以15个规则的2 km×2 km的地面实测GPS(全球定位系统,global positioning system)样方进行了精度验证。考虑到大豆和花生2种作物的NDVI时间序列特征相似性较高,将这2种作物合并为一类进行分类,并命名为小宗作物。结果表明,冬小麦、夏玉米、春玉米、棉花和小宗作物等5类目标可以有效识别,分类总体精度达到90.9%,制图精度分别为94.7%、94.7%、82.4%、86.9%和81.2%,其他未分类类别精度为85.9%。利用中高分辨率遥感时间序列卫星影像,在大宗农作物时间序列的变化规律分析基础上,可以准确地提取大宗农作物种植面积,在农作物面积资源调查中具有较大的应用潜力。 相似文献
4.
基于SWAP模型同化遥感数据的黑龙江南部春玉米产量监测 总被引：1，自引：1，他引：0
农作物种植类型的地理分布差异,气候条件差异、土壤环境不同等因素的影响,需要开展农作物生长模型参数区域化、本地化的研究工作;通过改善区域气象数据空间化方法以提升插值精度的研究,也需要得到应用的重视。针对以上问题,该文以SWAP(soil-water-atmosphere-plant model,土壤-水-大气-作物模型)模型为基础,以中国黑龙江省南部地区作为研究区域,以其主要农作物春玉米为目标作物,确定研究春玉米的作物生长模型参数,并综合考虑纬度及海拔对气温的影响情况,研究将协同克里金(coKriging)方法引入作物生长模型气象数据插值获取中,从而提高模型输入参数中气象数据精度,并以叶面积指数(leaf area index,LAI)及蒸散发(evapotranspire,ET)数据作为同化遥感数据源,通过优化玉米灌溉量和出苗日期,获取了研究区2013年的玉米产量空间分布成果,与统计资料结果对比,玉米总产量监测结果的R2达到了0.939 4,均方根误差(root mean squared error,RMSE)达到了148 065 t,平均绝对误差(mean absolute error,MAE)为114 335 t。研究区15个县市区的预测单产和统计单产之间的决定系数达到了0.724 5,RMSE为598.5 kg/hm~2,MAE为531.5 kg/hm~2。研究结果表明,利用SWAP模型,以协同克里金方法获取气象数据空间插值成果作为输入数据,通过同化LAI和ET遥感数据,可以有效进行黑龙江南部区域的玉米产量遥感监测,为区域作物生长及生产力的遥感监测预测提供参考。 相似文献
5.
基于遥感的华北平原农作物时空分布变化特征分析 总被引：4，自引：4，他引：4
作物种植面积的多年时空变化是进行农业结构调整和优化的基础,也是开展农业减灾、地下水保护的重要依据。为了解华北平原主要作物近年来种植面积的时空变化过程,本文基于2000—2013年的MODIS NDVI数据和TM/ETM遥感数据提取当地主要作物的种植面积,并分析了华北平原主要作物近年来的时空变化特征。结果表明:1基于MODIS NDVI数据和TM/ETM遥感数据提取当地主要作物的种植面积,提取精度较高,结果可靠;2冬小麦?夏玉米主要分布于太行山前平原、山东省和河南省的引黄河灌区,单季玉米在河北平原北部分布最广,水稻集中分布于天津、河北唐山地区和黄河沿岸,蔬菜主要分布在城市郊区,林果分散分布于几个产果区和京津周边地区,棉花主要集中于华北平原中部地区。3华北平原粮食作物(小麦、玉米和水稻)种植面积明显下降,经济作物(林果和蔬菜)则显著增加,其中林果、蔬菜和水稻的面积变化率较大,分别为56.45%、35.76%和23.16%,蔬菜和水稻的位置转移明显。4景观格局AWMPFD和SHEI指数值表明,河北平原以南的冬小麦?夏玉米种植规模化程度提高,豫北地区冬小麦?夏玉米种植面积增加,豫北以北地区由于各类经济作物种植面积增加,区域作物种植多样化指数增加。该结果可为农业种植结构调整、资源合理利用提供参考。 相似文献
6.
基于HJ-1卫星影像的三大农作物估产最佳时相选择 总被引：11，自引：6，他引：5
对于农作物遥感估产,精确选择最佳估产时相是关键环节。该文利用中国自行研发的HJ-1卫星CCD影像对黑龙江八五二农场3大作物（水稻、玉米、大豆）进行遥感估产的最佳时相选择,通过构建小波变换滤波方法和移动平均法的时序NDVI曲线数据,并依据平滑后的时序NDVI曲线分别确定3大作物的遥感估产最佳时相。研究结果表明,从平滑后的时序NDVI曲线中识别出来的3大作物的关键生长期与当地作物的物候期相对比,水稻生长期拟合误差为-0.003356508,玉米生长期拟合误差为-0.001687117,大豆生长期拟合误差为-0 相似文献
7.
基于MODISNDVI多年时序数据的农作物种植识别 总被引：26，自引：18，他引：8
为了获取陕西省农作物种植模式和类型分布信息,实现对于多年农作物长势分析及精确的估产和耕地生产力的估算,该文以2003-2012年的MOD09Q1时间序列遥感数据集为数据源,以陕西省主要农作物冬小麦、夏玉米、春玉米、水稻和油菜为研究对象,利用Savitzky-Golay滤波方法重建NDVI长时间序列数据集,充分利用农作物的物候信息,构建农作物年际间动态阈值方法,实现了农作物种植模式和类型的识别。通过对混合像元进行分解,更精确地提取农作物种植面积信息。利用空间和定量2种方式对农作物类型识别结果进行分析验证,空间对比分析得到分类的总体精度和Kappa系数为88.18%和59.64%,定量对比分析得到分类的总体一致性为87.56%。研究结果表明,结合物候信息与时间序列数据利用该文的分类方法可以有效的识别大尺度农作物信息。 相似文献
8.
在农业供给侧结构性改革背景下,明确区域种植结构时空变化过程,可为东北地区种植结构的调整及优化提供科学依据。采用2005-2015年东北地区40个市/盟主要粮食作物播种面积数据,运用数理统计方法,根据主要作物种植面积比重以及作物组合状况,划分主要作物种植结构类型,进而分析东北地区主要粮食作物种植结构时空变化。结果表明:(1) 2005-2015年东北地区粮食作物播种面积持续扩大,其中,大豆播种面积及其占粮食作物总播种面积的比重均呈现"上升-下降"趋势,玉米和水稻播种面积稳定上升,水稻占粮食作物总播种面积比重在2011年超过大豆;(2)种植结构类型共出现8种,以作物主导型为主。其中,玉米主导型和水稻主导型地区数量增加,大豆主导型地区数量减少;(3)玉米主导型地区分布最广,由辽宁省、吉林省向黑龙江省中部和东部地区扩散,大豆主导型萎缩至大、小兴安岭地区。种植结构类型单一化趋势明显,黑龙江省中部和东部地区、吉林省东部地区及内蒙古自治区呼伦贝尔市种植结构类型向玉米转变。 相似文献
9.
无人机遥感影像面向对象分类方法估算市域水稻面积 总被引：7，自引：5，他引：2
针对如何高效地从无人机遥感影像中提取农作物样方数据,用于农作物面积遥感估算,该文以浙江省平湖市为例,利用面向对象分类方法对无人机影像进行水稻自动化识别,作为样方数据与卫星遥感全覆盖空间分布分类结果结合,采用分层联合比估计进行2014年单季晚稻面积估算。然后,与人工目视解译识别方法获取的水稻样方数据推断的区域水稻面积估算的结果进行精度、效率对比分析。研究结果表明:1)利用面向对象分类方法对无人机影像进行分类,总体分类精度达到93%以上,满足构建样本的要求;2)通过区域作物估算对比分析发现,面向对象分类方法对无人机影像进行水稻识别,构建平湖市单季晚稻的样方数据,能够替代人工目视解译样方准确推断区域作物种植面积,有效地提高了无人机影像在遥感面积估算中的应用效率。 相似文献
10.
华北平原种植结构变化对农业需水的影响 总被引：2，自引：1，他引：1
不同种植结构下的农田需水研究是调整农业种植结构、制定切实可行的区域灌溉方案的重要依据。为了定量估算华北平原种植结构变化对农业需水的影响,本文基于MODIS NDVI数据和TM/ETM遥感影像提取了2002年和2012年华北平原主要作物类型及其种植面积,同时基于作物系数法计算了华北平原7种主要作物需水量,分析了华北平原种植结构变化对作物需水的影响。结果表明:2002—2012年,主要作物种植面积减少60.7万hm~2。其中,种植面积明显减少的作物分别为冬小麦-夏玉米(-43.18万hm~2)、棉花(-32.43万hm~2)、水稻(-9.3万hm~2)和春玉米(-4.9万hm~2),种植面积增加的作物主要是林果(+16.61万hm~2)和蔬菜(+12.6万hm~2)。2002—2012年,华北平原主要作物的总需水量从742.7亿m~3下降至695.5亿m~3,共下降6.37%。其中,需水量减少的作物类型为冬小麦-夏玉米(-35.41亿m~3)、棉花(-24.31亿m~3)、水稻(-7.48亿m~3)和春玉米(-2.1亿m~3),需水量增加的为林果(+11.24亿m~3)和蔬菜(+10.71亿m~3)。从空间分布来看,华北平原作物需水量整体呈减少趋势,仅在河北平原、鲁西北以及滨海平原靠近城市周边的区域呈增加趋势,其中滨海平原需水增加量最大。华北平原由于作物种植面积减小引起的作物需水减少量达44.7亿m~3;由作物种植结构调整引起的作物需水减少量为2.5亿m~3。种植规模的减小是华北平原作物需水量减少的主要原因。 相似文献
11.
粮食作物种植视角下东北粮食主产区耕地利用的时空分化特征 总被引：1，自引：3，他引：1
作物种植是耕地最直接的利用方式。基于粮食作物种植视角研究耕地利用问题,是耕地利用领域研究的进一步细化,也是粮食安全的基础。该研究以东北粮食主产区典型地域为研究区,基于主要粮食作物大豆、玉米和水稻的不同耕地利用方式,以乡镇为单元,综合运用标准差椭圆、重心模型及探索性空间数据分析法,阐明2016—2019年研究区粮食作物的耕地利用空间分化特征。结果表明:1)研究区主要粮食作物的耕地利用结构变化明显,大豆与玉米的耕地种植面积出现明显"剪刀差"变化特征,水稻的耕地种植面积基本保持稳定。2)研究区主要粮食作物的耕地利用空间分布呈现"西北-东南"动态格局,种植大豆和玉米的耕地利用重心位于研究区的中东部地区,分别向东偏南和西偏南方向迁移。3)研究区种植主要粮食作物的耕地利用结构具有较强的正负空间关联性,正相关类型聚集性较强,表现出明显的区域一致性;负相关类型无明显聚集区域,面积较小,且零星分布。研究结果较好地反映了种植结构调整政策实施阶段研究区种植主要粮食作物的耕地区域空间布局分化和耕地种植结构的空间关系,为区域种植结构调整及保障粮食结构性安全提供科学依据。 相似文献
12.
基于GF-1/WFVNDVI时间序列数据的作物分类 总被引：6，自引：11，他引：6
归一化植被指数(normalized difference vegetation index,NDVI)时间序列已广泛应用于植被信息提取研究,然而目前NDVI时间序列的研究主要集中于中低分辨率遥感影像,从而影响了植被信息提取的精度。随着中国高分专项首颗卫星高分一号(GF-1)的发射,为高分辨率NDVI时间序列的构建提供了可能。该文尝试利用GF-1卫星16 m宽覆盖(wide field of view,WFV)影像,构建16 m分辨率NDVI时间序列,以河北省唐山市南部区域为研究区,开展作物分类研究。该文采用覆盖作物完整生长期的GF-1数据构建NDVI时间序列,避免了利用自然年(1-12月)数据构建NDVI时间序列的不足,有助于作物信息的提取。通过分析样地的NDVI时序曲线,发现GF-1/WFV NDVI时间序列能够清晰地区分不同作物的物候差异,捕捉作物特有的生长特性,而且能够识别研究区当年的作物种植模式。该文分别采用最大似然法、马氏距离、最小距离、神经网络分类、支持向量机(support vector machine,SVM)等分类方法,基于GF-1/WFV NDVI时间序列对研究区作物进行分类,研究结果表明SVM分类方法总体精度最高,达到96.33%。同时该文还采用时间序列谐波分析法(harmonic analysis of time series,HANTS)对NDVI时间序列进行了平滑处理,结果表明处理后的NDVI时间序列能更好地描述作物的物候特性,作物分类精度得到进一步提高。 相似文献
13.
作物分类和时空变化监测信息可以为农业管理提供依据,多年作物种植结构图反映了作物种植方式的变化,对经济和社会分析起着重要作用。然而,用于绘制作物分布图的卫星影像不能同时具有高时间高空间分辨率,在提取作物种类复杂多样地区的种植结构图时,往往难以提供足够的作物生长周期内影像。该研究提出了一种既经济又高效的解决方案,即利用重复周期短的环境一号CCD（HuanJing-1 Charge-Coupled Device,HJ-1 CCD）图像和免费Landsat-8图像来提取中国监利县的作物种植区时空变化图。根据NDVI时间序列曲线定义了不同作物生育期物候指标例如归一化植被指数（Normalized Difference Vegetation Index,NDVI）的最大值、日期和天数等,用于作物分类。为了获取物候指标的阈值,首先从15m Landsat-8影像中提取典型种植区,然后利用典型种植区作物生长阶段NDVI时间序列曲线,得到物候指标中的NDVI阈值和时间阈值,再根据这些阈值制定了分类规则,并获得了2009-2016年作物分布图。根据多年主要作物分布图,分析不同作物的土地利用变化。最后利用高空间分辨率卫星图像和监利县统计年鉴中的作物面积数据对作物分类结果进行精度评估。与高空间分辨率图像相比,平均分类精度为84%,与统计作物面积数据相比,分类精度达到81.60%。结果表明,该研究为在像监利县这样复杂地区进行常规的作物分布制图提供了一种可行的分类方法。通过对夏收作物的时空动态变化分析可以发现,油菜农业机械化水平低、劳动力成本高,导致愿意种植油菜的农民较少。对于秋收作物,政府设定了中稻最低收购价标准,大大降低了农民种植中稻的风险,对农民种植秋收作物具有指导作用。 相似文献
14.
基于多时相OLI数据的宁夏大尺度水稻面积遥感估算 总被引：5，自引：3，他引：2
为客观获取宁夏水稻面积空间分布信息,也为区域农作物遥感监测奠定技术基础,该文以宁夏回族自治区为研究区域,选择美国LandSat-8携带的陆地成像仪(operational land imager,OLI)数据,采用2016年3月11日-7月01日间的15景影像,基于水稻田耕地与水体特征反射率随着季节变化规律的分析,采用归一化植被指数(normalized difference vegetation index,NDVI)、近红外波段反射率(infrared reflectance,IR)、短波指数(short waved index,SWI)3个指数,以及多时相NDVI最大值、IR最小值、SWI最小值3个衍生指数,共6个指数为基础进行决策分类树构建,对全区水稻进行识别与提取,采用该区水稻面积本底遥感调查结果进行精度验证,水稻种植面积提取误差仅.4.22%,Kappa系数为0.83,水稻空间分布的用户分类精度分别为85.11%,制图精度为81.67%;同时与监督分类方法提取的水稻面积进行对比,该文方法提取水稻的用户精度提高了8.13个百分点,制图精度更是提高了20.01个百分点。研究结果表明,利用中高分辨率的OLI遥感时间序列卫星影像,在大宗农作物时间序列的变化规律分析基础上,构建分类决策树,可以准确地提取大宗农作物种植面积,是区域农作物面积遥感监测业务运行中具有潜力的方法。 相似文献
15.
时空协同的地块尺度作物分布遥感提取 总被引：3，自引：3，他引：0
地块尺度作物分布信息清晰直观地反映了农田位置、空间形态等空间细节和种植类型信息,对精准农业管理、种植补贴发放和农业资源调查等具有重要价值。虽然遥感时空协同思路为地块尺度作物分布提取提供了解决方案,但在农田地块提取和时序特征构建方面尚存在不足。该研究基于遥感时空协同的思路,以Google Earth高空间分辨率影像为底图,利用擅于学习影像视觉特征的D-LinkNet深度学习模型,快速、精准提取农田地块形态;以地块为观测单元,利用Landsat8和Sentinel-2多源遥感的"碎片化"无云数据构建地块时序数据集,基于加权Double-Logistic函数重建地块归一化植被指数(Normalized Difference Vegetation Index,NDVI)时序曲线;提取地块物候特征和多时相光谱特征,经过特征优选和随机森林分类模型构建,开展地块尺度作物分布制图。以广西扶绥县为研究区开展试验,共提取地块43.7万个,边界准确率为84.54%,相较于常规基于多尺度分割的地块提取,基于D-LinkNet的地块提取方法直接排除了非农田地物的干扰,地块形态与现实情况符合度更高;地块NDVI时间序列重建结果能够较好地捕捉作物开始生长、旺盛期、成熟收获期的动态变化趋势;分类特征重要性评价结果显示,红边特征、与时间相关的物候特征在分类中发挥重要作用,当联合物候特征和光谱特征时分类效果最佳;根据特征重要性分析不同特征数量情况下的分类精度,当特征数量大于40维时,作物分类精度和Kappa系数保持稳定,总体分类精度维持在88%左右;对扶绥县地块尺度作物分布进行制图,提取甘蔗地块277 421个、水稻地块33 747个、香蕉地块4 973个、柑橘地块102 055个,分别占农田地块总数的63.48%、7.72%、1.14%、23.35%,种植面积占比分别为69.78%、7.12%、1.71%、18.06%。该研究在理论上构建了遥感时空协同的地块尺度作物分类模型,为大范围、地块尺度作物分布遥感提取提供了实用化方案。 相似文献
16.
基于遥感与多变量概率抽样调查的作物种植面积测量 总被引：10，自引：4，他引：6
针对传统抽样调查工作中调查基础资料时效性不高和野外调查工作量较大等问题,该文提出了一种遥感与MPPS(multivariate probability proportional to size)抽样调查相结合的农作物种植面积测量方法。利用第2次农业普查数据进行抽样框的编制;利用时序中分辨率遥感数据进行农作物种植面积的分类;在中分辨率遥感分类图的基础上进行MPPS抽样;采用高空间分辨率遥感数据对抽选样本进行面向对象的分类;根据MPPS抽样方法进行总体农作物种植面积的推断;计算CV值,评价抽样精度,以国家统计局公布数据为标准进行总体面积精度评价。以辽宁省北镇市为研究区对该方法进行了测试。结果显示,该方法能够有效的提取县级农作物种植面积,农作物种植面积提取精度优于92%。 相似文献
17.
乡镇尺度的玉米种植面积遥感监测 总被引：6，自引：2，他引：4
以快速、准确提取玉米种植面积为目标,以多时相HJ-1A/1B CCD影像和数字高程模型（DEM）为信息源,选取吉林省长春市为试验区,将试验区种植结构、物候特征、地形特征、光谱特征及植被指数等多元信息引入决策树分类模型,构建基于决策树分层分类的玉米种植面积遥感估算模型,并将空间化的农普数据作为参考值,以乡镇为基本评价单元对玉米种植面积遥感测量结果进行精度评价。研究表明：利用该方法可以有效提高玉米识别精度,满足作物种植面积估算大范围、多时相的需求,有助于解决作物种植面积遥感估算业务运行时空分辨率的矛盾,乡镇尺度的玉米种植面积总量提取精度可达92.57%。 相似文献
18.
基于多时相遥感影像的作物种植信息提取 总被引：13，自引：8，他引：5
为了快速、准确地在遥感影像上对作物种植信息进行提取,该研究运用多时相的TM/ETM+遥感影像数据和13幅时间序列的MODISEVI遥感影像数据,采取基于生态分类法的监督分类与决策树分类相结合的人机交互解译方法,建立决策树识别模型,对黑龙港地区的主要作物进行遥感解译,总体分类精度达到了91.3%,与单纯对TM影像进行监督分类相比,棉花、玉米、小麦、蔬菜4类作物的相对误差的绝对值分别降低了1.3%、20.5%、2.0%、13.8%。结果表明该方法的分类精度高,能较好的反映作物的分布状况,可为该地区主要作物种植结构调整提供科学依据,还可为其他区域尺度作物分布信息的提取提供参考。 相似文献