基于时间序列叶面积指数傅里叶变换的作物种植区域提取

发布时间：2018-12-09 14:04

【摘要】：为了获取不同农作物的空间分布信息,以华北平原黄河以北地区为研究区域,利用Savitzky-Golay滤波对2014—2016年的时间序列叶面积指数(leaf area index,LAI)进行重构,进而应用一阶差分法和重构LAI的傅里叶变换的谐波特征对研究区域主要农作物冬小麦、玉米和棉花种植区域进行识别和提取,并对不同作物的识别精度进行验证。结果表明,基于Savitzky-Golay滤波重构的LAI能够去除由云、大气等因素造成的LAI骤降的影响,重构LAI曲线平滑且符合作物的生长规律特征。研究区域2014—2016年作物识别的总体精度均大于80.00%,2015年达到87.08%,冬小麦-夏玉米、春玉米、棉花和单季夏玉米的识别精度分别为92.50%、80.00%、85.00%和82.50%,表明利用一阶差分法能够准确提取研究区域一年一季和一年两季作物种植区域。结合傅里叶变换方法和作物物候信息能够有效地识别不同作物的种植区域,进而获取研究区域主要农作物的分布信息。该研究可为研究区域主要作物的长势监测及产量估测预测提供参考。
[Abstract]:In order to obtain the spatial distribution information of different crops, the Savitzky-Golay filter was used to reconstruct the time series leaf area index (leaf area index,LAI) from 2014 to 2016 in the area north of the Yellow River in the North China Plain. Then the first order difference method and the harmonic characteristics of the reconstructed LAI Fourier transform are applied to identify and extract the main crops of winter wheat, corn and cotton in the study area, and the recognition accuracy of different crops is verified. The results show that the LAI reconstructed by Savitzky-Golay filter can remove the effect of sudden drop of LAI caused by cloud and atmosphere, and the reconstructed LAI curve is smooth and accords with the characteristics of crop growth. The overall accuracy of crop identification in the study area from 2014 to 2016 was more than 80.00,87.08 in 2015. The recognition accuracy of winter wheat-summer corn, spring corn, cotton and single-season summer corn were 92.50 and 80.00,respectively. 85.00% and 82.50%, the results show that the first order difference method can be used to accurately extract the crop planting area of one and two crops per year in the study area. Combined with Fourier transform method and crop phenological information, we can effectively identify the planting areas of different crops, and then obtain the distribution information of the main crops in the study area. This study can be used as a reference for the growth monitoring and yield estimation of major crops in the study area.
【作者单位】： 中国农业大学信息与电气工程学院;农业部农业灾害遥感重点实验室;
【基金】：国家重点研发计划重点专项资助项目(2016YFD0300603-3)
【分类号】：S127

【相似文献】

相关期刊论文 前10条

1 于强，，傅抱璞，姚克敏;水稻叶面积指数的普适增长模型[J];中国农业气象;1995年02期

2 王磊;马英杰;赵经华;洪明;;基于图像上冠层体积的叶面积指数测算方法[J];农机化研究;2013年12期

3 刘安国;作物叶面积指数和叶倾角分布函数的一种推算方法[J];中国农业气象;1994年06期

4 张立俊;洪添胜;吴伟斌;Joseph Mwape Chileshe;冯灼峰;赵奔;徐宁;;基于半球摄影法的果树叶面积指数检测(英文)[J];农业工程学报;2012年S2期

5 周洋;米晓飞;叶李灶;;叶面积指数遥感反演算法研究[J];计算机与现代化;2013年03期

6 祁漫宇;朱维斌;;叶面积指数主要测定方法和设备[J];安徽农业科学;2012年31期

7 宋亚斌;林辉;孙华;宁小斌;;基于多元回归模型的叶面积指数遥感反演[J];中南林业调查规划;2012年02期

8 郭云开;苟叶培;;路域植被叶面积指数变化遥感监测[J];遥感信息;2013年06期

9 熊万彩;邱权;陈天华;郑文刚;;叶面积指数间接测量方法分析[J];安徽农业科学;2013年15期

10 金慧然;陶欣;范闻捷;徐希孺;李培军;;应用北京一号卫星数据监测高分辨率叶面积指数的空间分布[J];自然科学进展;2007年09期

相关会议论文 前3条

1 陈雪洋;蒙继华;吴炳方;朱建军;纽立明;杜鑫;;基于环境星高光谱数据红边参数的冬小麦叶面积指数反演[A];遥感定量反演算法研讨会摘要集[C];2010年

2 高帅;;利用ENVISAT-ASAR数据的植被叶面积指数反演研究[A];遥感定量反演算法研讨会摘要集[C];2010年

3 范锦龙;吴炳方;;复种指数遥感监测方法[A];中国数字农业与农村信息化学术研究研讨会论文集[C];2005年

相关博士学位论文 前3条

1 谢巧云;考虑红边特性的多平台遥感数据叶面积指数反演方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年

2 潘玉青;基于NDVI时间序列的黄河中下游典型史前都邑性遗址的作物物候观察[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年

3 郝鹏宇;基于多时相遥感数据的农作物分类研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年

相关硕士学位论文 前10条

1 张丽丽;中国森林与农田遥感叶面积指数产品精度分析[D];南京信息工程大学;2015年

2 章曼;基于高光谱遥感的水稻生长监测研究[D];西北农林科技大学;2015年

3 陈艳玲;基于WOFOST作物模型与叶面积指数同化的冬小麦遥感估产研究[D];河南理工大学;2015年

4 叶舒;基于PROSAIL模型的GF-1叶面积指数和叶片生理参数反演[D];东北林业大学;2016年

5 张明政;基于多层PROSAIL模型的玉米冠层叶面积指数垂直分布反演[D];山东农业大学;2016年

6 张荣霞;不同作物多种叶面积指数获取方法对比研究[D];华中农业大学;2013年

7 周洪奎;黄淮海平原典型区夏玉米叶面积指数遥感估算研究[D];南京大学;2013年

8 肖伸亮;作物叶面积指数遥感反演与验证研究[D];中国农业科学院;2007年

9 周薇薇;多源遥感数据叶面积指数反演[D];青海师范大学;2013年

10 孙涛;农作物叶面积指数反演方法研究[D];南京信息工程大学;2013年

本文编号：2369479