结合Landsat-8和GF-1数据的冬小麦种植空间分布提取
发布时间：2021-07-08 16:44
[目的]为探讨多源中等分辨率数据在冬小麦种植时空分布上的应用。[方法]利用2017年冬小麦关键生育期的Landsat8 OLI（抽穗期）和时间序列的GF-1 WFV（2016—2017生育期）数据,在分析各个行政分区的地表覆盖状况、作物结构和地块破碎度差别的基础上,将行政区划分为3种类型不同的提取单元并建立了适合于各自分区的提取模型:（1）利用关键生育期的OLI数据,采用监督分类—神经网络方法提取结构单一、地块齐整的怀远县种植区;（2）基于WFV数据构建五河县及城区种植区的冬小麦全生育期NDVI时间序列曲线,根据NDVI的时间特征构建冬小麦提取的决策树分类模型提取结构较复杂、混合像元明显的五河县及城区种植区;（3）在对关键生育期OLI-NDVI数据合理分割的基础上,采用最大似然的面向对象分类法获取种植密集、地块破碎的固镇县种植区。[结果]提取结果采用混淆矩阵和当年度统计数据相结合的方法进行精度评价,结果表明:（1）怀远县提取出的冬小麦提取总体精度为97.91%,五河县及城区提取出的精度为97.62%,固镇县的精度为97.42%;（2）全区域冬小麦提取的总体精度为86.82%,Kappa...
【文章来源】：中国农业资源与区划. 2020,41(02)北大核心CSSCICSCD
【文章页数】：9 页
【部分图文】：
研究区影像
对蚌埠市各个行政区的地表覆盖状况、作物结构和地块破碎度等信息进行实地调查分析,将蚌埠市划分为3个提取区域。参考文献[5, 17, 27]中的作物提取方法,经预分类试验,分别建立3个分区的冬小麦识别提取模型:(1)怀远县种植区,位于蚌埠市西部地势平坦,境内水系发达,各乡镇均种植冬小麦,大面积呈块状连续种植,易区分。面向对象方法的结果最好,其次为监督分类方法。对比两者冬小麦的制图精度和用户精度的区别,精度差异非常小。考虑监督分类的简单易实现、好外推等特点,最终实际选择神经网络分类的监督分类方法。(2)固镇县种植区,位于蚌埠市北部,以破碎状冬小麦种植田为主,村镇附近分布有大棚。分区内种植结构较为复杂,地块破碎,冬小麦与其他作物(如玉米)插花种植,“同谱异物”或“同物异谱”现象普遍,不易区分,采取面向对象的分类方法。(3)五河县与城区种植区,位于蚌埠市中西部,西北部与固镇县交界处有少量破碎状农田,淮河东南部周围种植有其他少量苗期作物; 各城区处于中南部,在城郊冬小麦呈辐射状种植。分区内冬小麦易与紫花苜蓿、林地、城市绿地等混淆,但因后者空间分布和物候信息的特殊性,采取基于知识的决策树分类方法。总体分类流程见图2。图3 怀远县冬小麦空间分布
怀远县冬小麦空间分布
【参考文献】：
期刊论文
[1]基于高分一号与Landsat 8卫星影像的库尔勒市香梨种植面积识别研究[J]. 杨屹鹍,蒋平安,武红旗,朱磊. 山东农业科学. 2018(01)
[2]基于MODIS的黑龙江省农作物种植结构提取研究[J]. 周思,何祺胜,刘宝柱. 地理空间信息. 2018(01)
[3]基于MODIS-NDVI时序数据集的面向对象分类提取广西耕地面积的方法研究[J]. 童新华,毛碑裙,韦燕飞. 广西师范学院学报(自然科学版). 2017(04)
[4]基于Landsat 8 OLI遥感影像的沈阳市水稻种植面积提取方法[J]. 郑璐悦,许童羽,周云成,杜文. 浙江农业学报. 2017(10)
[5]县域尺度上基于GF-1PMS影像的冬小麦种植面积遥感监测[J]. 田海峰,周伯燕,陈燕芬,邬明权,牛铮. 中国农业大学学报. 2017(10)
[6]基于GF-1影像的冬小麦面积提取及年际变化动态监测[J]. 李峰,谢磊,王昊,秦泉,赵红. 山东农业科学. 2017(08)
[7]基于GF-1与Landsat8 OLI影像的作物种植结构与产量分析[J]. 欧阳玲,毛德华,王宗明,李慧颖,满卫东,贾明明,刘明月,张淼,刘焕军. 农业工程学报. 2017(11)
[8]基于GF-1 WFV数据的玉米与大豆种植面积提取方法[J]. 黄健熙,侯矞焯,苏伟,刘峻明,朱德海. 农业工程学报. 2017(07)
[9]基于GF-1与Landsat-8影像的山区苹果园地信息提取[J]. 辛群荣,孔维华,胥啸宇,王然. 测绘与空间地理信息. 2017(03)
[10]时间序列MODIS数据水稻面积提取精度研究[J]. 汤斌,王福民,周柳萍,张东尼. 科技通报. 2017(01)
硕士论文
[1]基于高分辨率卫星影像的芒果林信息提取研究[D]. 任传帅.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]基于Landsat8遥感影像的冬小麦种植面积提取方法研究[D]. 许亮.湖北大学 2016
本文编号：3271949
【文章来源】：中国农业资源与区划. 2020,41(02)北大核心CSSCICSCD
【文章页数】：9 页
【部分图文】：
研究区影像
对蚌埠市各个行政区的地表覆盖状况、作物结构和地块破碎度等信息进行实地调查分析,将蚌埠市划分为3个提取区域。参考文献[5, 17, 27]中的作物提取方法,经预分类试验,分别建立3个分区的冬小麦识别提取模型:(1)怀远县种植区,位于蚌埠市西部地势平坦,境内水系发达,各乡镇均种植冬小麦,大面积呈块状连续种植,易区分。面向对象方法的结果最好,其次为监督分类方法。对比两者冬小麦的制图精度和用户精度的区别,精度差异非常小。考虑监督分类的简单易实现、好外推等特点,最终实际选择神经网络分类的监督分类方法。(2)固镇县种植区,位于蚌埠市北部,以破碎状冬小麦种植田为主,村镇附近分布有大棚。分区内种植结构较为复杂,地块破碎,冬小麦与其他作物(如玉米)插花种植,“同谱异物”或“同物异谱”现象普遍,不易区分,采取面向对象的分类方法。(3)五河县与城区种植区,位于蚌埠市中西部,西北部与固镇县交界处有少量破碎状农田,淮河东南部周围种植有其他少量苗期作物; 各城区处于中南部,在城郊冬小麦呈辐射状种植。分区内冬小麦易与紫花苜蓿、林地、城市绿地等混淆,但因后者空间分布和物候信息的特殊性,采取基于知识的决策树分类方法。总体分类流程见图2。图3 怀远县冬小麦空间分布
怀远县冬小麦空间分布
【参考文献】：
期刊论文
[1]基于高分一号与Landsat 8卫星影像的库尔勒市香梨种植面积识别研究[J]. 杨屹鹍,蒋平安,武红旗,朱磊. 山东农业科学. 2018(01)
[2]基于MODIS的黑龙江省农作物种植结构提取研究[J]. 周思,何祺胜,刘宝柱. 地理空间信息. 2018(01)
[3]基于MODIS-NDVI时序数据集的面向对象分类提取广西耕地面积的方法研究[J]. 童新华,毛碑裙,韦燕飞. 广西师范学院学报(自然科学版). 2017(04)
[4]基于Landsat 8 OLI遥感影像的沈阳市水稻种植面积提取方法[J]. 郑璐悦,许童羽,周云成,杜文. 浙江农业学报. 2017(10)
[5]县域尺度上基于GF-1PMS影像的冬小麦种植面积遥感监测[J]. 田海峰,周伯燕,陈燕芬,邬明权,牛铮. 中国农业大学学报. 2017(10)
[6]基于GF-1影像的冬小麦面积提取及年际变化动态监测[J]. 李峰,谢磊,王昊,秦泉,赵红. 山东农业科学. 2017(08)
[7]基于GF-1与Landsat8 OLI影像的作物种植结构与产量分析[J]. 欧阳玲,毛德华,王宗明,李慧颖,满卫东,贾明明,刘明月,张淼,刘焕军. 农业工程学报. 2017(11)
[8]基于GF-1 WFV数据的玉米与大豆种植面积提取方法[J]. 黄健熙,侯矞焯,苏伟,刘峻明,朱德海. 农业工程学报. 2017(07)
[9]基于GF-1与Landsat-8影像的山区苹果园地信息提取[J]. 辛群荣,孔维华,胥啸宇,王然. 测绘与空间地理信息. 2017(03)
[10]时间序列MODIS数据水稻面积提取精度研究[J]. 汤斌,王福民,周柳萍,张东尼. 科技通报. 2017(01)
硕士论文
[1]基于高分辨率卫星影像的芒果林信息提取研究[D]. 任传帅.中国科学院大学(中国科学院遥感与数字地球研究所) 2017
[2]基于Landsat8遥感影像的冬小麦种植面积提取方法研究[D]. 许亮.湖北大学 2016
本文编号：3271949
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3271949.html
