基于HJ-1A/BCCD数据的玉米倒伏识别方法

发布时间：2022-01-19 01:49

　　为快速获取大面积玉米倒伏灾情信息,以2012年台风"布拉万"过境导致大面积玉米倒伏的公主岭市为研究区,利用HJ-1A/BCCD数据,对受灾前后倒伏玉米和正常玉米之间的光谱差异进行分析,提取归一化植被指数（NDVI）、比值植被指数（RVI）、增强植被指数（EVI）、差值植被指数（DVI）及4波段光谱反射率主成分,结合地面调查构建基于二元Logistic回归的玉米倒伏识别模型,并进行精度评价和验证。结果表明:玉米倒伏后冠层光谱反射率在可见光-近红外波段均表现为增大,但植被指数减小;二元Logistic回归方法对玉米倒伏识别适用,所建模型中以4波段光谱反射率主成分构建的二元Logistic回归模型对玉米倒伏的识别效果最优,测试集上分类结果的准确率达到96.23%,NDVI和RVI模型次之,准确率为80%左右;将主成分模型应用于公主岭市倒伏玉米识别,结果与灾情实际情况基本一致。基于二元Logistic回归模型对玉米倒伏进行监测的思路和方法可为区域尺度玉米倒伏的多光谱遥感监测提供参考。 

【文章来源】：中国农业气象. 2020,41(02)北大核心CSCD

【文章页数】：8 页

【部分图文】：

2010年吉林省公主岭市玉米种植区分布

式中，F为可见光-近红外波段反射率主成分取值，RblueRgre en、Rre d、Rnir分别为蓝、绿、红和近红外波段的反射率。2.2 玉米倒伏识别模型的构建

为进一步验证优选出的主成分模型对倒伏玉米的识别效果，在ENVI中按模型计算玉米倒伏识别条件概率P，以P=0.5为分类阈值，对2012年8月30日公主岭市的玉米倒伏区进行识别，结果如图3a所示。由图可见，玉米倒伏区主要分布在公主岭市的东部和南部，分布范围与吉林省气象局掌握的大风发生范围及当地农业部门掌握的灾情信息基本一致。将本研究监测结果与任红玲等[17]采用最大似然法对该区域玉米倒伏的监测结果（图3b）进行对比分析，发现两者具有非常好的一致性。对主成分模型识别的玉米倒伏区面积进行统计计算，结果为6.8万hm2，与任红玲等监测得到的7.0万hm2接近。3 结论与讨论

【参考文献】：
期刊论文
[1]基于Logistic回归建立霜自动判识模型[J]. 朱华亮,温华洋,华连生,金素文,陈菁菁.  中国农业气象. 2019(08)
[2]黑河流域NDVI与环境因子的空间关联性（英文）[J]. 袁丽华,陈小强,王翔宇,熊喆,宋长青.  Journal of Geographical Sciences. 2019(09)
[3]基于无人机遥感多光谱影像的棉花倒伏信息提取[J]. 戴建国,张国顺,郭鹏,曾窕俊,崔美娜,薛金利.  农业工程学报. 2019(02)
[4]未来升温1.5℃与2.0℃背景下中国玉米产量变化趋势评估[J]. 李阔,熊伟,潘婕,林而达,李迎春,韩雪.  中国农业气象. 2018(12)
[5]基于高通滤波算法的水稻遥感影像适宜尺度筛选[J]. 张晓忆,景元书,李卫国.  中国农业气象. 2018(05)
[6]基于Sentinel-1雷达影像的玉米倒伏监测模型[J]. 韩东,杨浩,杨贵军,邱春霞.  农业工程学报. 2018(03)
[7]二元Logistic回归和信息量模型在地质灾害分区中的应用[J]. 杜谦,范文,李凯,杨德宏,吕佼佼.  灾害学. 2017(02)
[8]夏玉米倒伏模拟试验及遥感监测[J]. 王猛,隋学艳,梁守真,王勇,姚慧敏,侯学会.  测绘科学. 2017(08)
[9]2016年秋季气候对农业生产的影响[J]. 何亮,张艳红,曹云,谭方颖,张蕾.  中国农业气象. 2017(01)
[10]基于多时相HJ-1B CCD影像的玉米倒伏灾情遥感监测[J]. 王立志,顾晓鹤,胡圣武,杨贵军,王磊,范友波,王艳杰.  中国农业科学. 2016(21)



本文编号：3595988