论文部分内容阅读
种植结构是农作物种植空间分布和种植模式信息的组合,种植结构的调查对保障粮食安全、农业可持续发展等具有重要意义。卫星遥感大范围、多源、多时空的特点为快速精准的种植结构提取提供了重要技术支持。近年来我国自主高分辨率卫星的不断增加为种植结构提取提供了丰富数据源。但利用高分辨率遥感数据的种植结构提取目前仍面临一些困难:一是部分数据受云、雾霾等的影响存在质量问题,数据难以形成时序性强的高质量数据集;二是目前多数种植结构提取方法对高分辨率数据的适用性有待验证;三是多数作物提取模型需要样本作为先验知识,目前存在样本缺失难以满足农业监测需求的问题。基于此,本文在MODIS与GF-1数据的支持下,以滹沱河流域为研究区,系统研究了流域内农作物生长期NDVI变化规律,探索了有限GF-1数据条件下构建的决策树模型对作物的识别效果及广义DEM方法在作物快速识别中的应用潜力。主要研究工作及成果如下:(1)通过对比分析农作物物候特征和Savitzky-Golay滤波的NDVI时序曲线,得出研究区主要农作物生长期内各物候阶段的NDVI变化规律。基于NDVI时序分析成果,利用2018全年23期MODIS-NDVI数据构成的时序数据集与农作物样本的NDVI统计特征值构建了决策树,提取了流域农作物的种植结构。提取结果初步探明了区域内作物种植空间分布状况。(2)结合研究区内作物生长期6期GF-1影像,从作物生长期NDVI变化的特殊性和差异性出发,对合理阈值和筛选规则进行研究,构建了决策树用于提取种植结构。由Google Earth历史4 m分辨率影像目视解译的样本进行混淆矩阵精度评价,GF-1决策树提取结果较MODIS决策树有7%以上的精度提升,平均提取精度为87.99%,Kappa系数为0.78,证明采用GF-1数据的决策树方法在农作物种植结构提取方面具有较好的应用效果。(3)广义DEM方法作为一类新的农作物分类算法,对数据需求量小、操作简单,已被证明对冬小麦识别有重大优势。本文分别使用MODIS与GF-1数据基于广义DEM方法对流域内多种农作物进行了提取实验研究,结果显示:基于MODIS的广义DEM方法提取效果一般,但GF-1的广义DEM方法提取的平均精度为88.89%,Kappa系数为0.80,识别精度较好。结果表明广义DEM方法对多种数据源、多种农作物的种植结构提取都具有一定的适用性,值得进行推广使用。