全国已收获冬小麦面积1.26亿亩

中原粮仓,风吹麦浪遍地金。截至6月1日17时,全国已收获冬小麦面积1.26亿亩,收获进度37.27%,进入收获高峰,进度比去年快约16.8个百分点。当日机收面积1363万亩、投人小麦联合收割机22.84万台。四川、湖北麦收已基本结束,河南、安徽进度约六成半,陕西过两成。

基于GF-1卫星遥感的冬小麦面积早期识别

GF-1号卫星是中国高分卫星系列首颗卫星,自2013年04月26日发射以来,提供了大量的2 m/8 m/16 m空间分辨率的卫星数据,成为中国农业遥感监测的主要数据源之一。该文以GF-1卫星携带的16 m空间分辨率的宽视场(wide field view,WFV)传感器为主要数据源,采用2013年10月2日、10月17日、11月7日和12月5日4个时相的数据,以多尺度分割后的对象为基本分类单元,采用分层决策树分类的方法对冬小麦面积进行提取,并利用地面样方数据对分类结果进行了精度验证。结果表明,北京市顺义区冬小麦面积7 095 hm2,分类总体精度达到96.7%,制图精度为90.0%,其他未分类类别精度为97.3%,Kappa系数为0.8。研究区内冬小麦的播种时间可以分为10月1-5日早播、10月6-10日中播、10月11-15日中晚播、10月16-20日晚播等4个时间段,不同播期对应着归一化植被指数(normalized difference vegetation index,NDVI)不同的变化规律,是分层的基础,结合波段反射率、波段反射率和、波段反射率比值等参数的变化规律,通过分层可以有效的剔除草坪、桃树等容易同冬小麦混淆的地物类型,GF-1/WFV提供的多时相遥感数据能够可靠的反映冬小麦发育变化的规律,是冬小麦面积准确提取的基础,在农作物面积遥感监测业务运行中具有较大的开发应用潜力。

不同特征信息对TM尺度冬小麦面积测量精度影响研究

充分挖掘遥感数据信息,改善作物识别环境,一直是农作物遥感监测的重要工作。以往研究表明最佳波段组合、纹理信息和植被指数信息可以在一定程度上提高分类精度,但这些手段是否一定可以提高作物识别的精度,不同分类器对不同特征信息组合的响应是否一致等都是值得探讨的问题,也是目前研究甚少的问题。为此,该文将平均值(Mean)、方差(Variance)、均一性(Homogeneity)、反差(Contrast)、相异性(Dissimilarity)、熵(Entropy)、角二阶矩(Angular SecondMoment)、灰度相关(Correlation)7种纹理信息以及比值植被指数(RVI)、土壤调整植被指数(SAVI)、重归一化植被指数(RDVI)、植被液态水含量指数(NDWI)、有效叶面积植被指数(SLAVI)5种植被指数信息分别加入到TM多光谱数据中,同时还进行了最佳波段选择,利用最小距离、最大似然和支持向量机3种方法进行分类提取小麦,研究了不同特征信息对小麦测量精度的影响。结果表明:该试验区内最佳波段5、4、3组合,纹理信息和植被指数信息的加入,对小麦面积测量精度的提高没有贡献;同一个特征信息组合对不同的分类器影响不同。在实际小麦面积测量的操作中,作业员不应该盲目的加入特征信息。选用何种信息不仅仅和研究区本身的性质有关,还和使用的分类器有关。

利用TM卫星资料进行江苏部分地区小麦面积调查

以江苏部分县、市为基本单位 ,用TM卫星遥感技术监测调查 2 0 0 2年夏熟小麦、油菜的种植面积。本调查采用里下河幅 (12 0— 37)、南京幅 (12 0— 38)TM影像图 ,选用 2 0 0 1年 1月至 2 0 0 2年 4月份的时相 ,在外业调查 ,建立解译标志的基础上 ,通过计算机进行图像处理及非监督分类、人机交互式判读解译 ,结合农业部门掌握的资料分县、分类地判出小麦及油菜 ,其定性精度为 90 %以上。汇总结果表明 :2 0 0 1年小麦面积为 38 116万hm2 ,2 0 0 2年为 39.5 98万hm2 ,比 2 0 0 1年增加 1.482万hm2 。

不同时序EOS/MODIS-NDVI监测河南省冬小麦面积

[目的]利用不同时序EOS/MODIS-NDVI数据计算河南省冬小麦面积。[方法]对MODIS图像数据进行转换、地理较正和波段组合等处理后,从而获得不同时间序列的归一化植被指数(Normal Difference Vegetation Index,NDVI),然后在地面光谱测量基础上进行监督分类,得出河南省2005年小麦种植面积。[结果]该法所测河南冬小麦像元总数92 208个,种植面积为576万hm2,与统计部门统计数据相比,误差为9.66%。[结论]该研究为冬小麦种植面积监测提供了新途径。

基于改进的NDVI密度分割方法的冬小麦面积信息提取

基于高分辨率遥感影像提取的种植结构信息,能够比传统的统计数据更加直观地表达农作物的空间分布特征,这些数据信息是水资源管理部门进行水资源管理的重要数据参考。为解决GF-1 WFV传感器影像中混合像元对小麦信息提取结果的影响,引入高分辨率GF-1PMS传感器影像,在两种影像相同位置建立样本研究区,利用PMS影像的分辨率优势为WFV影像中小麦混合像元训练样本提供真实小麦面积权重,得到WFV影像小麦混合像元NDVI与小麦面积权重的比例关系,再运用区间归一化的方法解决同一NDVI值对应不同小麦面积权重的问题,进而得到混合像元中小麦的真实面积信息,最终提取了冀州市的冬小麦信息。经验证,该方法能够在实地样本不足的条件下,较准确地提取冬小麦面积信息。

地下水压采下河北平原冬小麦面积及耗水变化

河北省是我国的重要粮食生产基地,资源性缺水与长期高强度的农业生产,导致河北平原水资源危机进一步加剧。面对水资源安全与粮食安全的矛盾,河北省政府自2014年起实施地下水压采政策,在农业生产上开展季节性休耕、实施旱作雨养、推广节水农业等措施。为探明地下水压采政策下河北平原冬小麦种植面积与耗水特征的变化,本研究利用MODISNDVI数据提取了河北平原2009—2019年冬小麦种植空间分布,结合TSEB(基于双源能量平衡模型)蒸散产品以及农业生产统计数据,对压采政策实施前后进行了比较研究,并调研了相关变化的驱动因素。结果表明:河北平原的冬小麦种植面积在2009—2019年持续增长了18.37万hm^(2),压采政策实施后表现为东部增加西部减少的特征,总体上增加10.4万hm^(2)。通过实地调研发现,农业生产经营者追求种植效益以及城市化导致冬小麦面积减少,政府保障粮食安全的鼓励种粮政策以及冬小麦种植全程机械化程度的提高则促使其种植面积增加。与地下水压采政策实施前相比,压采后冬小麦的蒸散量与总耗水量分别增加32.58mm和10.9亿m^(3)。季节性休耕期间,休耕地不抽取地下水灌溉,相比于麦田,休耕地能够减少73mm的蒸散耗水。2009—2019年冬小麦平均水分利用效率为1.67kg∙m^(-3)。地下水压采政策实施后,2/3地区的冬小麦水分利用效率在逐年提升。农田的破碎化、流转土地经营权不稳定以及农户节水动力和压力不足导致冬小麦节水灌溉普及率不高。面对水粮矛盾,河北平原仍需加强农业节水,真正降低蒸散耗水,才能使其得到缓解。

基于Google Earth Engine平台的关中冬小麦面积时空变化监测

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R2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。

基于MODIS-EVI及物候差异免阈值提取黄淮海平原冬小麦面积

使用植被指数阈值法提取冬小麦种植面积时,通常需要根据区域间物候差异设置不同阈值。针对这一问题,该文以黄淮海平原为研究区,使用农业气象站生育期观测数据和气象再分析资料,利用逐步进入法模拟冬小麦播种期和成熟期,使用Savitzky-Golay(S-G)滤波重构的MODIS EVI数据逐像元计算播种期至成熟期EVI的峰值频数并结合光谱突变法构建了具有普适性的冬小麦种植面积提取模型。用统计数据验证提取结果表明:在市级尺度和县级尺度上R^2分别为0.91(RMSE 60.08×10~3 hm^2)和0.80(RMSE 8.97×10~3 hm^2)。该文改进的提取模型既考虑了区域间的物候差异,又避免了阈值设置问题,具有一定的普适性,能较好地在大范围内应用于冬小麦面积快速提取,可为大范围内冬小麦监测及估产提供参考。

聊城市冬小麦面积的遥感提取方法研究

介绍了聊城市冬小麦面积遥感提取研究的意义、背景、方法,阐述了研究思路和技术路线,得到了聊城市冬小麦面积遥感提取的分类结果,计算出了冬小麦种植面积,并对其进行了精度评价,指出聊城市各县(市、区)冬小麦面积都在不同程度地减少,提出应当采取措施保护耕地面积、调动农民种粮的积极性,确保该地区粮食产量的增长,该研究对粮食生产和粮食安全具有非常重要的意义。

基于HJ-1星和GF-1号影像融合特征提取冬小麦种植面积

为提高基于国产环境与灾害监测预报卫星(HJ-1/CCD)影像大范围提取冬小麦种植面积的精度,以江苏省宿迁市沭阳县为研究区域,对冬小麦拔节期30 m×30 m的HJ-1/CCD多光谱影像和2 m×2 m的高分1号卫星全色影像(GF-1/PMS)进行融合与面向对象分类研究。将GF-1/PMS全色影像进行8、16和24 m重采样,得到4种空间分辨率(含2 m)的全色影像,分别与HJ-1/CCD多光谱影像利用光谱锐化法(Gram-Schmidt,GS)进行融合。通过对融合影像进行质量评价,选择适合研究区冬小麦种植田块格局的适宜尺度影像。将HJ-1/CCD多光谱影像重采样,得到与适宜尺度融合影像相同尺度的影像,在两景影像中分别选取包含光谱、纹理信息的训练融合影像样本(samples of fused image,SFI)和重采样影像样本(samples of resampling image,SRI),采用面向对象分类方法对适宜尺度融合影像(fused image,FI)和重采样影像(resampling image,RI)进行冬小麦种植面积提取。结果表明,16 m×16 m融合影像的效果优于2 m×2 m、8 m×8 m和24 m×24 m融合影像,其均值、标准差、平均梯度和相关系数分别为161.15、83.01、4.55和0.97。面向对象分类后,SFI对重采样影像RI16m分类的总体精度为92.22%,Kappa系数为0.90。SFI对融合影像FI16m分类的总体精度为94.44%,Kappa系数为0.93。SRI对重采样影像RI16m分类的总体精度为84.44%,Kappa系数为0.80。SFI对融合影像FI16m分类效果最好,说明基于融合影像和融合影像提取样本(SFI)结合的面向对象分类方法能准确提取冬小麦种植面积。另外,重采样影像和融合影像提取样本(SFI)相结合的面向对象分类方法也可较好提取冬小麦种植面积。为利用国产中空间分辨率HJ-1/CCD卫星和高分1号卫星融合影像有效提取大区域冬小麦种植面积信息提供了参考。

景观破碎度在冬小麦面积抽样设计中的应用研究

将破碎度指标引入到遥感抽样调查中,重点探讨了面积规模指标与破碎度指标在分层抽样中的适用性。实验结果表明:在种植结构破碎区域,面积规模指标与破碎度指标的相关系数均在0.7以上,可以作为分层标志,随着抽样格网不断增加,面积规模指标的相关系数不断增大,而破碎度指标的相关系数则不断减小。当格网小于100m×100m时,破碎度指标作为分层标志效果要优于面积规模指标;在种植结构规整区域,面积规模指标要始终优于破碎度指标,破碎度指标更适合于种植结构破碎、抽样单元较小的遥感抽样调查方案中作为分层标志进行应用。

基于遥感技术的小麦和玉米种植面积监测与预测

随着信息技术的飞速发展,遥感技术在农业监测领域的应用日益广泛。然而,传统的监测方法在小麦与玉米种植面积方面存在时效性差和精度不高的问题。基于此,文章针对小麦与玉米种植面积的遥感监测与预测展开分析,构建了一套有效的监测与预测体系,以期达到提高监测精度和预测效率的目的。

基于MODIS数据提取华北典型区冬小麦种植面积

基于2004年和2008年的8 d合成的MODIS多时相地表反射率产品,提取华北冬麦种植典型区面积分布.根据冬小麦生育期内时相变化建立了EVI时序曲线;基于Savitzky-Golay滤波降低云对时序数据的影响重构时序EVI数据,并结合作物物候期、种植结构和图像解译结果,提取华北典型区冬小麦种植空间分布.结果表明,依据MODIS-EVI时序数据提取的研究区冬小麦种植面积空间分布,与统计数据比较其总体精度可达98%.2008年冬小麦的面积与2004年相比有所增加,其中山东省增加15%左右;而北京和天津市这5年里的面积基本持平.

冬小麦种植面积遥感提取方法研究

提取冬小麦种植面积是开展冬小麦长势监测和估产工作的重要环节,如何提高其提取精度是国内外研究的热点。针对不同空间分辨率的遥感图像,采取不同的遥感解译模型,得到更高的信息提取精度,是利用遥感方法提取冬小麦种植面积的关键。在对国内、外调研的基础上,将冬小麦种植面积遥感提取研究方法归纳为目视解译与计算机自动分类、面向像元分类、基于地块分类、遥感解译模型分类和基于纹理特征分类等5类。综述评价了主要的冬小麦种植面积遥感提取研究方法,讨论了目前冬小麦种植面积遥感提取存在的问题及未来发展方向。关注地形复杂、耕地破碎度较高及种植结构复杂地区的冬小麦种植面积提取,遥感数据、GIS和气象数据等相结合、多源多时相遥感数据相结合、地面光谱测量数据与高光谱图像数据相结合,以及验证数据的改变等,是提高冬小麦种植面积遥感提取精度的研究方向。

单时相MERSI数据在冬小麦种植面积监测中的应用

以FY-3AMERSI可见光到近红外波段250m分辨率数据为信息源,采用PPI(像元纯净指数)提取结合实测数据的方法,经反复试验最终提取了山西南部冬小麦区的不同地物覆盖特征谱,进而采用基于监督分类的最大似然法、神经网络等方法进行不同地物类型的分类,同时根据不同地物光谱特征采用混合像元分解技术提取冬小麦种植面积。结果表明:单时相FY-3AMERSI数据提取作物种植面积是可行的,神经网络法好于最大似然法,混合像元分解提取的面积同实际种植面积最为接近。

基于GF-1卫星的县域冬小麦面积提取及年际变化监测

利用遥感技术提取冬小麦种植面积及年际变化监测,可为农业经济的宏观决策提供可靠的依据.自2013年我国首颗高分卫星发射以来,高分一号卫星数据以其高分辨率的优势成为了我国农业遥感监测的主要数据源之一.本文以高分一号卫星携带的16m空间分辨率的宽视场(wide field view,WFV)数据为主要数据源,以开封县为例,采用Google Earth(以下简称GE)0.3m遥感影像为样本辅助数据,加上人工目视解译选择样本控制点,采用监督分类中的最大似然法提取冬小麦种植面积,并利用样本点对分类结果进行精度验证和年际变化监测.实验数据表明:采用冬小麦生长周期内的11月份到翌年4月份间的一幅高质量GF-1/WFV影像,利用本文给出的处理流程提取冬小麦面积均可达到农业使用的标准,且1月份为开封县冬小麦提取的最佳时像.同时,采用2013年12月29日、2015年2月25日及2016年2月20日的开封县GF1/WFV数据,面积提取精度均达到95%以上,kappa系数均大于0.96,种植面积提取的数据均略小于河南省统计局公布的数据,但两者呈现出的波动趋势是一致的.结果表明以GF-1/WFV影像为主要数据源,GE影像为辅助数据进行县域尺度上的冬小麦面积提取及年际变化监测的方法是有效可行的.

河南省冬小麦种植面积遥感监测及其时空特征研究

【目的】准确实现河南省冬小麦种植面积的遥感提取,并探索河南省冬小麦种植面积的变化过程。【方法】将遥感监测与统计数据结合,以多时相MODIS遥感影像作为数据源,分析制定了冬小麦信息的提取规则,利用统计数据辅助确定规则中的阈值选取,以减少阈值选取的主观性,提取出河南省2004-2013年冬小麦种植面积,并分析了河南省2004-2013年冬小麦种植面积的时空变化。【结果】遥感监测结果与各地市统计值具有较高的相关性(R2=0.938 5),在平原地区具有较高的精度,监测精度为89.5%,而在受到地形等因素影响的地区,冬小麦种植面积的分布相对破碎,监测精度具有较大误差,个别地区甚至不足50%。从空间上看,河南省冬小麦种植面积的空间分布总体较为集中,主要分布在河南中东部的黄河平原和淮河平原地区和豫西南的南阳盆地地区。从时间上看,河南省冬小麦种植区域总体变化较小,种植年份较为稳定的区域主要分布于豫东平原地区,累积种植年数显著增加地区主要分布于南阳盆地地区,累积种植年数显著减少地区的分布较为分散,无明显的分布趋势。【结论】基于遥感和统计数据相结合的方法可准确监测平原区冬小麦种植面积,河南省冬小麦种植面积的时空变化均较为稳定,为保障我国粮食安全发挥着重要作用。

基于EVI相似性分区的冬小麦面积提取及其动态监测

及时、准确地获取冬小麦种植面积及时空变化信息对提升作物估产精度和保障粮食安全具有重要意义。冬小麦物候期受地理条件和人为因素影响差异很大,利用遥感进行大尺度种植面积提取时其精度容易受物候差异的影响。根据MODIS EVI数据和Landsat影像,在定量评价冬小麦EVI相似性并结合高程信息对研究区进行分区的基础上,通过对比冬小麦参考时序曲线与待分类像元时序曲线之间相似性提取冬小麦种植面积,并对湖北省2009~2017年冬小麦种植面积时空变化过程进行分析。结果表明:(1)冬小麦面积提取平均精度达95.3%,R^2大于0.90,明显优于未分区提取结果;(2)冬小麦主要集中分布于中部和北部地区,其中,襄阳县、枣阳市的种植面积尤为集中;(3)冬小麦空间分布大致呈现向西北、东南部地区扩张的时空变化格局;(4)在2009~2017年期间,冬小麦种植面积先增后减,总体呈上升趋势,2017年比2009年增加了4%。基于EVI相似性的作物分区提取方法可提高种植面积精度,为大区域内冬小麦面积时空变化遥感监测提供有效方法。

基于MODIS EVI时序数据的冬小麦种植面积提取

基于MODIS EVI构建的时间序列谱,结合冬小麦生育期形态变化特征,提取了河南省冬小麦种植面积。结果表明,冬小麦在EVI特征空间中具有独特的序列谱相特征,返青期后冬小麦整体EVI表现为逐渐升高,EVI在开花期后下降,灌浆后期快速降低;采用决策树分类方法实现冬小麦分离提取,整个河南省冬小麦识别面积与官方统计面积仅相差482.00×103 hm2,精度达到90.88%;EVI时间序列谱反映的作物生长过程的生理意义明确,采用MODIS EVI时间序列谱的遥感分类方法可以较好地实现冬小麦的遥感分类提取,满足冬小麦的长势监测和遥感估产的需要。