利用MODIS_EVI图像时间序列提取作物种植模式初探

作物种植模式对于高效、可控农业管理具有非常重要的意义,通过遥感手段获取种植模式信息是目前亟待解决的难题。以华北平原为试验区,收集了2003年全年每16天合成的MODIS_EVI时间序列图像,从种植模式的MODIS_EVI时间谱分析入手,提取了表征冬小麦及其后茬夏玉米与其他同季生长作物物候差异性特征,分析表明返青期和峰值时期对冬小麦提取贡献最大,而峰值时间和大小以及表征营养生长向生殖生长转化时生物量累积差异的参量(偏斜度)对玉米提取贡献最大。建立了冬小麦和夏玉米的提取模型,各省17个县的抽样表明,冬小麦的总体提取精度为88.38%最后形成了小麦-玉米、小麦-水稻和小麦-其他种植模式的分布图,与作物熟制气候分布图具有较好的一致性。

基于MODIS EVI序列典型指标组合的土地覆盖分类研究

以2008年经Savitzky-Golay滤波技术平滑处理的MODIS EVI时间序列数据为数据源,采用支持向量机分类法对年EVI矢量模、年EVI最大值和年EVI最小值3个指标组成的影像进行土地覆盖分类,并利用验证样本对分类结果进行精度评价。试验结果表明:采用选用的3个指标不仅能减少分类的数据量、加快分类速度,而且还能减少其他无效信息对分类的干扰,提高分类的精度。

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。

Effects of Freezing Disaster on Green-up Date of Vegetation Using MODIS/EVI Time Series Data

In the field of global changes, the relationship between plant phenology and climate, which reflects the response of terrestrial ecosystem to global climate change, has become a key subject that is highly concerned. Using the moderate-resolution imaging spectroradiometer (MODIS)/enhanced vegetation index(EVI) collected every eight days during January- July from 2005 to 2008 and the corresponding remote sensing data as experimental materials, we constructed cloud-free images via the Harmonic analysis of time series (HANTS). The cloud-free images were then treated by dynamic threshold method for obtaining the vegetation phenology in green up period and its distribution pattern. And the distribution pattern between freezing disaster year and normal year were comparatively analyzed for revealing the effect of freezing disaster on vegetation phenology in experimental plot. The result showed that the treated EVI data performed well in monitoring the effect of freezing disaster on vegetation phenology, accurately reflecting the regions suffered from freezing disaster. This result suggests that processing of remote sensing data using HANTS method could well monitor the ecological characteristics of vegetation.

基于MODIS数据的长江三角洲地区土地覆盖分类

长江三角洲地区是我国经济最发达的地区之一,人类活动对自然环境产生了很大影响。为了研究该地区人类活动与生态环境的相互作用,利用250m分辨率MODIS数据进行土地覆盖制图研究,采用的主要数据为增强型植被指数EVI数据、反射率数据和DEM数据。通过基于时间序列的滤波方法消除EVI的噪声,通过PCA变换压缩数据量,并计算均质度来表征空间维的纹理信息,构造了一个综合性的分类数据矩阵,依据高分辨率影像选取了训练区,采用最大似然法进行分类,并采用缓冲区分析技术进行分类修正,得到长江三角洲地区的土地覆盖分类结果。利用高分辨率影像解译信息对分类结果进行了精度评价,并将分类结果与MODIS土地覆盖产品进行了对比,精度分析表明分类结果很好的反映了研究区的土地覆盖信息,显示了本研究分类方法与技术处理在实践中的可行性及250m分辨率EVI时间序列数据在区域尺度土地覆盖分类方面的优势与潜力。

南方典型植被遥感丰度信息提取

针对遥感影像在南方丘陵地区典型植被丰度信息提取中存在的大量混合像元问题,为进一步提高线性解混精度,通过计算像元EVI值,构建了 Landsat 8时间序列影像南方典型植被(端元)和混合像元的EV1时间序列曲线,分析了不同生育期内各种地物类型的植被指数变化曲线,发现不同地物在植被指数时间序列中具有各自独立的波动规律。选取多个端元及其EVI时间序列曲线,利用光谱匹配方法对匹配EVI时间序列曲线和多个端元进行了匹配,达到利用不同端元组合进行光谱解混的目的。试验结果表明,与传统方法相比,阔叶林解混精度有明显提高,针叶林解混精度也有所提高。该研究成果可以为南方丘陵地区植被环境的研究提供有力支撑。

基于历史增强型植被指数时序的农作物类型早期识别

快速准确地获取农作物分布数据对作物估产、灾害预警具有重要意义。该文针对目前农情遥感监测业务中普遍存在的缺乏地面数据和分类时效性较低的问题,以美国堪萨斯州为研究区,提出了基于参考时间序列获得训练样本的方法。首先,基于2006到2013年的MODIS EVI时间序列数据和cropland data layer(CDL)数据,使用免疫系统网络方法建立苜蓿、玉米、高粱和冬小麦的参考EVI时间序列;根据2006年到2013年作物分布情况,将作物超过总记录年数一半的象元作为2014年"潜在"训练样本;通过计算参考EVI时间序列和"潜在"样本的MODIS EVI时间序列的欧氏距离确认2014年训练样本;最后使用这些样本和2014年Landsat NDVI月合成数据进行30 m作物识别,并且评价时间序列长度对作物识别结果的影响。试验结果表明,时间序列长度为4-8月时,获得2014年样本10 183个,样本正确率为96.32%,总体分类精度为94.02%,接近使用完整时间序列数据的结果(总体分类精度94.89%);提取的苜蓿、玉米、高粱和冬小麦的面积分别为549.5、1 999.5、2 851.5和6 415.3 km^2,与CDL数据相比误差低于20%,说明基于参考时间序列方法获得的训练样本具有较高的正确率,具备进行30 m作物早期制图的潜力。该研究可为提高农作物遥感制图工作效率提供参考。

基于时序植被指数特征时相识别的多熟制耕地提取新方法

多熟种植是农业生产活动中一种重要的耕作方式,了解耕地的熟制特征,对粮食安全、土地资源管理及农业生态系统的物质循环和能量平衡具有重要意义。通过分析农作物生长发育规律与时间序列植被指数的对应关系,采用时间序列曲线谷值和峰值组成的特征时相集合描述作物生长过程,从而采用排序形态学滤波方法提取熟制信息。选取华北平原多熟制农业区为实验区,采用窗口值为13的结构元素进行排序滤波操作,并利用多时相环境星数据提取的30m分辨率熟制信息验证MODIS结果。实验结果表明:该方法能有效提取熟制信息,总体精度达88.11%,Kappa系数0.765。该方法只需设定合理结构元素窗口值即可提取多熟制耕地区域,利于大范围推广应用。