农区MODIS植被指数时间序列数据重建

MODIS植被指数时间序列数据能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。但现有MOD13产品中存在由云、气溶胶,传感器角度等干扰因素导致的噪声指数。因此,必须对MOD13时间序列中的噪声指数进行恢复。根据农作物种植区物候与熟制信息,将待重建像元时间序列划分为符合作物生长周期的时段。对各时段内指数按非对称高斯模型重建,优化相邻时段之间重叠期内指数。多次迭代重建和优化过程后恢复时间序列中噪声指数。对覆盖北京市通州区以南和河北省保定市以北农区2005年MOD13数据进行重建,与两阶段S-G滤波重建结果对比。结果表明:噪声指数被准确判断并恢复。农区多熟制导致的低值指数被有效保留。重建时间序列可以正确反映植被的覆盖情况。

基于GEE和MODIS NDVI时序的青藏高原农作物信息提取

实时、准确地提取作物信息对于了解区域的种植结构和农业生产变化、保障国家粮食安全具有重要作用.谷歌地球引擎(Google Earth Engine,GEE)是一个具有先进存储能力和计算能力的地理信息数据云平台,可以快速获取并处理影像数据,节约时间成本,满足大范围区域作物信息提取的需求,相较于传统的遥感分析手段有明显优势.针对青藏高原作物信息提取困难的现状,通过GEE平台,快速获取并处理了Landsat数据并与基于MODIS NDVI时间序列提取出来的物候参数进行特征构建,充分利用不同地物物候特征的差异进行分类训练,实现青海省东部主要农作物信息的提取.结果表明:①该方法提取结果精度较高,分类回归树验证的总体精度为86.23%,Kappa系数为0.82.提取结果基本符合研究区的作物种植结构,说明Landsat数据与MODIS NDVI时间序列耦合的方法能够提高作物识别的精度,对青藏高原地区主要农作物信息自动化提取具有一定的积极意义.②说明GEE平台是实现青藏高原主要农作物较高精度作物信息提取的有效工具.③主要的误差来源于零星且种植比例低的玉米地和分布范围广海拔差异大的青稞地,后续研究应着重在零星种植和生育期差异较小的农作物分类提取技术方面进行深入分析.

基于谐波分析和线性混合模型的河北平原区土地覆被分类研究

土地覆被分类是研究土地利用/覆被变化的基础数据和关键环节。以16d合成MODIS-EVI时间序列数据为主要数据源,采用谐波分析方法分析不同土地覆被类型的季节性变化规律和物候特征差异,引入谐波特征值构建线性混合模型,提取不同端元的丰度值。从土地覆被类型较齐全、谐波特征具有代表性的石家庄地区高空间分辨率影像上选择训练样本,确定MODIS纯净像元和混合像元的划分阈值,对河北平原区进行土地覆被分类制图。结果表明,与河北省县级土地调查统计数据对比,一年两熟耕地、一年一熟耕地、园地及有林地、自然陆地表面的总量精度分别为90.19%、86.17%、85.96%和77.82%,平均总量精度为85.03%;与石家庄地区9个县(市)一年两熟耕地和一年一熟耕地基于TM的分类结果对比,平均面积相对误差分别为10.25%、13.98%。受粗空间分辨率和合成周期、水热条件以及种植模式破碎化限制,混合像元主要集中在河北平原中东部地区,一年两熟耕地、一年一熟耕地、园地及有林地混合面积比重较大。

基于人工神经网络多源数据融合的子像元冬油菜提取——以两湖平原为例

油菜是我国第五大农作物和重要的油料作物。获取油菜的种植分布信息对食用油市场的发展和粮食安全具有重要意义。两湖平原泛指包括湖北江汉平原和湖南洞庭湖平原在内的广大平原区域,是我国重要的粮棉油生产基地,"湖广熟,天下足"指的就是这一地区。由于耕地破碎,种植结构复杂,两湖平原轮作和间作的现象非常普遍,传统的遥感监测方法难以准确地获取冬油菜的空间分布。本文提出了一种基于人工神经网络ANN的子像元冬油菜提取方法,将时间序列MODIS-EVI和GF-1数据结合以提取两湖平原的冬油菜丰度信息。首先采用顺序前向选择SFS算法从时间序列MODIS-EVI数据集中进行物候特征优选;然后构建融合多源数据的ANN模型估算两湖平原的冬油菜丰度。结果表明:基于ANN方法获取的冬油菜分布具有较高的精度(ANN估算结果与GF-1和统计数据的验证精度分别为91.54%和74.70%),在利用中分辨率影像进行大尺度冬油菜精细制图方面显示出巨大潜力,可为我国冬油菜的空间分布制图和时空格局分析提供技术方法。