基于HJ-1 CCD影像的玉米种植面积估算研究

本研究以HJ-1 CCD影像为主要数据源,风云三号(FY-3)和高分一号(GF-1)影像为辅助数据源,选取作物种植结构复杂的菏泽市为研究区域,采用多时相NDVI阈值剔除法与监督分类相结合的分类方法,以土地利用类型和训练样本区数据作为辅助,提取出菏泽市玉米种植面积和分布区域,并检验其精度。结果显示:在复杂的作物混合种植区可以利用HJ-1 CCD影像提取出玉米种植面积和分布信息,总体分类精度为90.2%,面积总量精度为91.7%。本研究为其他区域利用HJ-1卫星影像提取作物种植面积提供了参考。

空间分辨率对作物识别及种植面积估算的影响研究

不同分辨率的遥感数据对农作物识别和面积估算精度的敏感程度是目前研究的热点。本文利用20m分辨率CBERS-02BCCD数据,通过构建不同分辨率遥感影像序列,采用最大似然、支持向量机、人工神经网络3种分类器,分别从像元和区域尺度讨论了空间分辨率对分类和面积估算精度的影响;同时,还进行了作物种植成数和聚集度的影响分析。结果表明,随着空间分辨率的降低,分类精度和面积估算精度均呈下降趋势;作物种植成数越高,作物种植越密集,面积估算精度随分辨率的降低下降速率越慢;对于分布十分密集的作物,当分辨率高于80m时,聚集度对其精度结果起主导作用。最后,针对不同作物种植结构区,提供了要满足一定的区域精度所需要的遥感数据和最佳分类方法。

基于遥感与GIS技术的中藏药波棱瓜种植面积估算——以泸定县冷碛镇、兴隆镇为例

中药多种植在气候环境条件适宜的山区,山区地势复杂,种植地块分散,很难获得准确的种植面积。因此加强对复杂环境下中药种植面积监测方面的研究对于中药材种植的规模化、产业化有着至关重要的意义。该文以泸定县藏药波棱瓜种植为例,利用遥感与GIS技术,以TM,ETM影像为遥感信息源,结合地面样方调查的GPS数据,在GIS平台上进行数据分析和研究,提取出泸定县藏药波棱瓜的种植面积。结果表明:1所采用的中藏药波棱瓜种植面积估算方法、技术可行,能够在复杂的山区环境下,进行种植面积的遥感监测;2利用该方法估算出泸定县中藏药波棱瓜的种植面积是57.15 hm2,与当地统计结果相比较,误差在5%以内;3鉴于遥感数据在获取、预处理以及解译过程中存在一定的误差,遥感数据的分类结果直接作用于作物类别的提取,因此分类精度很大程度上影响着面积提取的精度,估算结果存在着一定的误差。

基于分层抽样的中国水稻种植面积遥感调查方法研究

及时准确的统计水稻种植面积对国家和区域的粮食生产、贸易及粮食安全预警有重要意义。传统的按行政单元逐级上报和农业产量抽样调查方法在数据获取过程中受人为因素的干扰,难以避免的出现诸如错报、漏报、空报等问题。遥感技术具有及时、准确、客观的特点,对于农作物种植面积监测具有其他方法不可替代的优势。但是,一般的作物面积遥感监测是全覆盖或典型地区调查。在大尺度农作物遥感调查时,全面普查(卫星遥感数据全覆盖)的方法在时间和经费方面是不可行的,以典型调查代替总体的方法缺乏科学依据。科学合理的抽样方法是可运行的大尺度作物面积监测的关键因素。研究在背景数据库的支持下,以土地利用数据库为辅助变量,设计了基于分层抽样的中国水稻种植面积遥感监测方法。以全国稻田面积为总体,采用1∶5万比例尺标准地形图幅为分层抽样的抽样单元。以遥感与地面调查相结合的方法监测样本的当年和上一年水稻种植面积,在给定精度条件下估算水稻种植面积年际变化率。结合上年统计部门发布的水稻种植面积统计数据,推算当年水稻种植面积。该项研究为农业部全国水稻遥感监测提供了可行的大尺度水稻遥感监测的运行方案。

综合NDVI时序特征的冬小麦混合像元分解及面积估算

基于MODIS数据进行面积提取易受混合像元影响,为了降低因混合像元导致的错分和漏分误差,该研究提出一种线性的混合像元分解模型,建立MODIS混合像元中冬小麦占比与MODIS/NDVI时间序列影像波峰波谷差值之间的定量关系。基于2017年保定市MODIS数据和GF数据进行了模型构建,基于2014年数据进行了模型验证。结果显示纯度指数(PPI)精确度均值为0.485,基于混合像元分解模型得到的2014年保定市冬小麦面积推算值为40.05万hm2,基于GF数据得的2014年保定市冬小麦面积'真值'为37.39万hm2,绝对误差为2.66万hm2,相对误差率为7.11%。利用河北省冬小麦广泛种植的8个地市对模型的适用性进行评价,结果表明不同地市的冬小麦面积推算值和冬小麦面积'真值'间平均误差率为3.69%。基于该模型的冬小麦面积推算值误差相对较低,数据可靠性较高,且受地域影响较小,具有较为普遍适用性。