基于NDVI-NSSI空间与HSV变换的成熟期农作物遥感识别

成熟期农作物的识别在农作物种植面积估算、农业生产及产量统计方面具有重要作用。为提供一种简便的成熟期农作物遥感识别方法,利用Sentinel-2A数据,以安徽省滁州市凤阳县为研究区,通过归一化植被指数(Normalized difference vegetation index,NDVI)与归一化光谱分离指数(Normalized spectral separation index,NSSI)构成的空间,提取光合植被、非光合植被、裸土的纯端元,由像元三分模型,得到非光合植被覆盖度及成熟期农作物的空间分布。为进一步提取研究区内具有相同成熟期的冬小麦与油菜,利用油菜开花期Sentinel-2A数据,由Hue saturation value(HSV)图像变换方法,分别提取出成熟期冬小麦与油菜。与地面观测数据和辅助数据相比,提取的成熟区冬小麦、油菜的总体精度为95.34%,Kappa系数为0.904,高于支持向量机方法(总体精度91.66%,Kappa系数为0.813)与决策树方法(总体精度92.39%,Kappa系数为0.838)的提取精度。结果表明,NDVI-NSSI空间与HSV变换相结合的方法,可以有效将非光合植被与土壤背景分离,识别成熟期冬小麦与油菜,具有对数据需求较少,易操作等优势,也为提取农作物成熟期内的裸地以及与裸地具有相似波谱的地物提供了思路与方法。

基于卫星遥感预测作物成熟期的可行性分析

精准收获是精准农业的重要环节,首先分析了收获时间对作物产量与品质的影响,论述了作物成熟期监测的重要性,然后从气象统计模型、作物生长模型及遥感监测3个方面回顾了作物成熟期预测的研究进展。在此基础上,通过对目前主要作物成熟状态指示因子遥感监测研究进展的分析,认为在当前新型传感器不断涌现的条件下,利用卫星遥感预测大范围作物成熟期、制订收割顺序并指导农业生产的条件已经成熟。并指出研究面向遥感的作物成熟期指示因子及其变化规律,发展高精度的作物冠层叶绿素及水分含量的遥感估算方法,研究面向农田尺度动态监测的高时空分辨率数据集构建技术和多种模型的耦合将成为该领域未来的研究重点。