NDVI时序曲线形状相似性模型的水稻提取方法

基于土地利用现状图与经验观测,提取标准水稻NDVI时序曲线,利用傅立叶形状描述子计算MODIS-NDVI时序曲线与标准的水稻NDVI时序曲线形状相似性距离,通过样例数据探测未知像元与样本的相似性距离阈值,从而判别双季水稻种植区域。以江汉平原2010年的数据进行实验,证明此方法识别的双季水稻种植区域面积误差为8.6%,总体精度为80%,较为理想。该方法将遥感光谱信息与几何形状的识别相结合,有效减少了个别时段光谱信息误差引起的识别错误,提高了识别水稻种植区域的有效性。

基于MODIS时序数据的Landsat8影像选取及面向对象分类方法的农作物分类

利用遥感技术进行农作物分类,可近实时地获取各种农作物种植的空间分布状况,对于农业生产管理和农业政策制定等都具有十分重要的意义。为避免单时相遥感影像存在同物异谱、同谱异物的现象,提高以往基于MODIS数据提取农作物分布方法的精度,改善传统分类方法存在椒盐噪声及分类效率低的缺点,本文基于MODIS NDVI时间序列曲线,确定作物识别的最佳时段,结合辐射分辨率较高的多时相Landsat8 OLI影像,采用面向对象的分类方法,充分利用物候特征及光谱信息区分作物类别,并在黑龙江省重点产粮区-北安市进行应用,获得北安市各类农作物的空间分布信息。地面调查验证结果表明,该农作物类别识别方法分类效果较好,总体精度达90.7%,kappa系数为0.88。研究结果说明,基于多时相Landsat 8 OLI影像及面向对象分类的方法,并结合MODIS时间序列数据,可以高效、精确地提取农作物信息,应用潜力巨大。

基于NDVI时间序列数据的冬小麦种植面积提取

归一化植被指数(NDVI)是利用遥感技术提取作物信息的重要指标,其时序曲线能反映植被的生长变化,在农作物种植面积信息提取上有较大优势。以河北平原为研究区,利用空间分辨率250m的MODISNDVI数据提取2011—2016年冬小麦种植面积。首先利用HANTS滤波建立NDVI时序曲线,结合区域物候信息和种植模式,提取冬小麦种植像元。因MODIS影像空间分辨率较低,结果受混合像元影响大。运用像元二分模型分解混合像元,计算单一像元冬小麦覆盖度进而计算研究区冬小麦种植面积,并利用Landsat数据对结果进行验证。结果表明,利用时间序列谐波分析法(HANTS)滤波和像元二分模型相结合可提高冬小麦种植面积提取精度,总体分类精度达90%以上;2011—2016年河北平原冬小麦种植面积总体减少,其中河北平原北部和山前平原冬小麦面积缩减,近海平原呈增长趋势。

基于遥感的南四湖菹草群落时空演变特征及其原因分析

作为山东第一大湖和南水北调东线工程的必经路线,近年来,南四湖菹草泛滥严重,引发水质污染和河道阻塞等生态问题,对南水北调工程构成季节性威胁。因此,科学地提取湖区中的菹草,明确其时空变化特征对后续治理工作具有重大意义。基于MODIS MOD13Q1 16d合成数据提取的南四湖不同地类的NDVI时序曲线的特征差异及物候信息,结合Landsat系列数据监督分类的结果,借助决策树及遥感动态监测手工阈值设定方法,对多年间湖区菹草群落分别进行提取,探究菹草群落的时空分布特征。研究结果表明,自2000年起,南四湖菹草群落面积呈大幅增长趋势,由1988年的25.22km^2上升至2018年的171.46km^2,且由湖岸地区蔓延至湖心,占湖区面积比由3.61%上升至24.55%,尤其是微山湖最为明显。年际尺度上,菹草已由普通优势种演变为湖区绝对优势种。经过Spearman秩相关分析和Pearson相关分析发现,菹草面积与湖区营养盐和富营养化程度等指标的相关系数均显著高于0.8(P<0.05),相关性显著。南四湖菹草的泛滥现状对南四湖生态治理提出了更高的要求,应加大治理力度以防其对南水北调水质造成影响。

多时相遥感影像农作物识别方法的分析

作物识别是农情监测的基础,能为农业和灌溉用水管理部门提供重要参考数据。利用单景影像进行作物识别容易出现异物同谱及同物异谱现象,基于多时相影像的作物识别则可结合作物物候特征进行分类,避免该问题。介绍多时相作物识别的两种基本方法,并且对国内外多时相遥感农作物识别研究现状和新进展进行论述。