共查询到17条相似文献，搜索用时 212 毫秒
1.
基于NDVI时间序列影像的张掖市农作物种植结构提取 总被引：1，自引：0，他引：1
HJ卫星(环境与灾害监测预报小卫星)数据具有较高的时间和空间分辨率,可以有效地进行农作物种类识别,利用其时间序列数据进行作物信息提取具有很大优势。以甘肃省张掖市为研究区,利用2012年4月~2012年10月15个时相的HJ卫星CCD(电荷耦合元件,charge-coupled device)数据,通过分析玉米、油菜、大麦和小麦农作物在整个生长阶段的时间序列NDVI(归一化植被指数,normalized difference vegetation index)变化特点,提取四类农作物NDVI随时间变化的特征曲线,利用决策树分类方法,对2012年张掖市农作物进行分类,并以外业调查得到的实际地面验证点对分类结果进行验证。验证结果表明,可以有效地识别玉米、油菜、大麦和小麦4类农作物,制图精度分别为94.74%、82.35%、78.95%和90%;总体分类精度达到86.43%。而后提取了张掖市2014年农作物种植面积和分布格局,通过对比分析发现,2012~2014年,张掖市玉米、油菜的种植面积有不同程度的增加,大麦和小麦的种植面积各有一定程度的较少。可以为张掖市主要作物的种植结构调整提供科学依据,还可以为黑河流域农作物信息提取研究提供参考。 相似文献
2.
黑河流域中游地区作物种植结构的遥感提取 总被引：1，自引：0，他引：1
及时、准确地获取农作物种植结构对区域水资源管理与作物产量估测等具有重要意义。随着对通过遥感手段获得作物种植结构的深入研究,如何优选遥感数据和分类器成为需要重点考虑的关键问题。针对黑河流域中游地区的作物分布与种植特点,提出一种基于多时相遥感影像与多分类器组合的作物种植结构提取方法。利用2018年18景16 m分辨率的GF-1 WFV影像,构建NDVI时间序列。根据NDVI时间序列表征的作物季相节律和物候变化规律特点,采用分层的策略,首先解译一级土地覆被类型,再解译二级土地覆被类型。一级土地覆被类型解译中,使用决策树分类方法先将NDVI特殊且易提取的水体进行解译,再使用面向对象分类方法通过分区将需借助NDVI纹理信息提取的建设用地进行解译,最后使用随机森林分类方法解译耕地、林地、草地、裸地和湿地。在对耕地的进一步分类中,使用决策树分类方法首先将具有特殊物候规律且易于区分的苜蓿类别解译出来,再将与其他类别物候差异较大的小麦解译,最后将物候相似的玉米、蔬菜及其他解译。黑河流域中游研究区内一级土地覆被分类总体精度为97.24%,卡帕系数为0.96;作物种植结构解译总体精度为86.58%,卡帕系数为0.80。此外,还分析了影响黑河流域中游研究区解译精度的4个因素：对土地覆被类别的定义、混合像元、影像分割时基础影像的选择以及分类方法的选择。通过对不同分类方法的比较发现,与仅使用最大似然分类方法、支持向量机分类方法或随机森林分类方法相比,本文提出方法的解译结果更好,解译精度更高。 相似文献
3.
在生长季早期获取作物的种植情况,对于农业水资源管理,尤其是缺水地区的水量分配等具有重大的意义。本文利用改进型时空自适应融合模型（ESTARFM）,将作物生长早期3—6月的Sentinel 2影像与MOD09GQ数据计算得到的NDVI数据进行融合,建立NDVI时间序列,并利用随机森林分类方法对2019年黑河流域中游地区作物种植结构进行早期识别。利用3-6月Sentinel-2 NDVI与时空融合NDVI相结合建立的时间序列,作物分类精度达到91.42%,kappa系数为0.85,相比仅使用Sentinel-2 NDVI时间序列的作物分类精度提高1.05%,kappa系数提高0.02。与使用整个作物生长期（3—10月）Sentinel-2 NDVI时间序列的作物分类结果相比,精度仅低1.53%,kappa系数仅低0.03。利用Gini系数对利用Sentinel-2 NDVI与时空融合NDVI相结合建立的时间序列进行特征重要性评估,发现Gini系数得分高于平均值的10期NDVI影像中,有6期为时空融合影像,说明时空融合获取的NDVI数据利于提高分类精度的有效性。对比使用不同长度NDVI时间序列对作物种植结构进行早期识别的精度发现,最早可在4月中旬与4月下旬分别实现对苜蓿和玉米的早期识别;玉米的分类精度受NDVI时间序列长度的影响较大,可在5月下旬实现对玉米的早期识别。 相似文献
4.
人口增长、气候变化、制度变迁、城市化等均会导致土地利用/覆被的变化,进而引起流域水文过程（截留、入渗、蒸散发和地下水补给等）和水循环过程的改变。当前,由于逐年土地利用/覆被数据获取困难、水文模型本身计算缺陷等问题,所有在流域尺度上开展的借助水文模型进行的土地利用/覆被变化影响下的水文模拟研究都存在一个共同缺点,就是采用的水文模型并不能逐年调用土地利用/覆被数据,即水文模型无法真实体现或模拟土地利用/覆被的时空变化。SWAT作为一个广泛应用的分布式水文模型,在其模拟期内,不能逐年调用土地利用/覆被数据,即在进行水文模拟时忽略了土地利用/覆被时间上的变化,这可能会影响其在土地利用/覆被变化剧烈地区（如黑河中游）的应用。黑河流域是典型的内陆河流域,也是中国西北地区第二大内陆河流域。黑河中游是黑河流域的径流耗散区。本文针对SWAT模型在考虑土地利用/覆被变化时的缺点,对其进行了改进并开发出能够逐年调用土地利用/覆被数据的LU-SWAT模型。在土地利用/覆被变化剧烈的黑河中游对SWAT和LU-SWAT模型的径流模拟效果进行比较,发现LU-SWAT模型更适用于黑河中游水循环模拟。 相似文献
5.
一个地区水量的充足与否直接影响该区农作物产量的高低。利用空间信息技术(RS和GIS)建立的东北地区农业需水动态调控模型,可服务于不同地区农业(农作物)的合理发展。文中以东北地区黑龙江、吉林、辽宁3省主要农作物及其分布现状为研究对象,依据区内水资源的供需平衡原理和水资源与农业的相互耦合关系,运用RS和GIS手段,进行了东北地区农业需水动态调控模型系统的概念设计。东北农业需水动态调控GIS不仅可以实现对现有数据查询、检索、修改和分析,还可对农业未来的发展做出预测,对未来20年内东北地区作物单产、作物耗水量、作物需水量以及作物产量变化等趋势做出评价。据此可为一些重大水利工程规划布局决策提供参考依据,从而实现东北地区农业稳定、快速的可持续发展。 相似文献
6.
及时、准确地获取农作物种植信息,对于农业生产管理和国家粮食安全有重要意义。目前越来越多的免费卫星数据可以用于作物分类及生理参数反演。Sentinel-2卫星于2015年6月发射,提供了13个光谱波段,具有较高的时间分辨率、空间分辨率和光谱分辨率,为不同作物特征区分以及大范围作物种植面积快速提取业务化运行的精度与效率提高带来了契机。随着Sentinel-2数据的免费下载,这就为大面积生产下一代区域或者国家尺度的高分辨率（10~30 m）农情遥感产品提供了可能。物候信息包含了作物随着季节不断变化的特征,利用如NDVI等时间序列植被指数找出不同作物的特征进而开展作物分类得到了广泛应用。本文以油菜为主要研究对象,以长江中下游地区的江汉平原为实验区,基于作物物候差异与面向对象决策树的方法,对Sentinel-2卫星影像用于油菜种植区提取的效果进行了评估与分析。首先利用作物不同生长时期各波段光谱信息以及归一化植被指数等信息的差异分析并找出油菜种植区提取的最佳时相,然后对影像进行多尺度分割,根据对象特征建立决策树逐一去除非植被、林地等干扰类型,进而提取出油菜种植区域。通过分析发现,基于Sentinel-2影像的图像分割可以有效生成不同作物类型的对象;油菜开花期的特征是其区分于其他作物的关键因素,利用该特征可以有效消除分类时其他地物类型对油菜的影响,提高作物分类信息提取的精度和效率。研究表明：在区分油菜的决策树分类特征信息中,贡献最大的是归一化植被指数（NDVI）,近红外波段（NIR）和亮度（Brightness）信息。用162个油菜验证样本点计算混淆矩阵,油菜种植面积提取的总体分类精度为98%以上,Kappa系数为0.95。说明结合物候信息利用Sentinel-2数据进行大范围作物种植面积提取具有巨大潜力,可以提高大范围油菜种植区域快速提取的精度和效率。 相似文献
7.
西南山区地块破碎且复杂,种植类型多样,且该地区多云多雨,可利用遥感数据有限,利用单一的光谱特征或植被指数难以实现作物的有效识别。物候特征能够反映作物的生长周期规律,可用于复杂地区作物的精细监测。本研究以重庆市潼南区为例,基于多时相中分辨率的Sentinel-2和Landsat8遥感影像,对地块尺度的NDVI、EVI等6个植被指数进行时间序列构建并提取其物候特征,通过特征优选构建多维数据,利用随机森林分类模型对柠檬、油菜、水稻、玉米等作物进行识别。结合植被指数与物候特征进行作物分类,总体精度达94.52%,Kappa系数为0.90,柠檬、油菜、玉米、水稻的精度分别为89.88%、87.30%、84.98%和95.57%。研究表明,利用时序遥感数据的植被指数与物候特征能够有效进行地块尺度的作物识别,为复杂种植结构地区获取大范围作物分布制图提供参考。 相似文献
8.
降水作为气候系统的关键因素,也是影响区域植被生长以及生态变化规律的重要因子。本文针对黑河流域气象站点分布稀疏情况,采用信息熵及半变异函数理论构建该流域虚拟气象站点,并结合部分已有站点对整个流域降水进行插值模拟。信息熵可以计算每个站点降水值所包含的信息,通过联合熵以及条件熵来依次选取所含信息量多的站点,同时结合半变异函数模型来观察各站点之间的空间相关性,以此构建最优站点数据集。利用1991-2003年该流域15个气象台站的年平均降水量作为基础数据,考虑高程、坡度、坡向对降水的影响,对降水进行相关性分析,建立回归方程反演虚拟站点降水值。最后,采用协同克里金（Co-Kriging）与具有漂移的克里金（KED）方法对该流域进行插值,对比插值精度。结果表明,增加虚拟站点有效提高了降水插值精度,在该情况下使用KED方法插值结果与观测值最接近。 相似文献
9.
基于TRMM降水数据的空间降尺度模拟 总被引：1，自引：0，他引：1
本研究以黑河流域为例,通过在不同空间尺度上建立降水与影响因素的关系并选择最优尺度以此进行降尺度,建立了基于地理加权回归（GWR）与高精度曲面建模方法（HASM）相结合的跨尺度统计降尺度方法,对TRMM降水数据进行了降尺度模拟。最后,结合站点观测数据采用交叉验证法对降尺度结果进行了验证。结果表明,与传统的降尺度方法相比,考虑最优尺度的降尺度方法在一定程度上提高了降尺度结果的精度,同时表明对跨尺度过程中产生的误差进行修正可进一步提高结果精度。本研究所提出的方法可用于粗分辨率降水数据的降尺度模拟,可为站点稀疏地区或地形复杂地区高分辨率高精度降水数据的获取提供方法上的支持。 相似文献
10.
中国东北三省大豆虚拟水时空分异及其影响因素研究 总被引：1，自引：0，他引：1
水资源分布不均制约了地区农业生产。从虚拟水角度研究作物需水的时空变化特征及影响因素对提高水资源的合理配置与利用效率,缓解地区水资源短缺问题具有重要参考意义。本文基于Penman-Monteith模型和GIS地统计分析工具,从虚拟水视角分析1986-2012年东北大豆生长季内的需水量变化和虚拟水时空分异特征及其影响因素。结果表明：①1986-2012年,东北地区大豆生长季增温明显,平均风速下降显著,相对湿度整体下降,日照时数有增有减,气候暖干化趋势加剧。②东北大豆生长季内需水量西南多东北少,南部地区需水量减少而北部增加。平均风速的显著下降导致大豆需水量减少,其余气象因子变化均导致需水量增加,温度变化对需水量影响最大,相对贡献率为36.9%,其次为相对湿度、日照时数和平均风速。③大豆虚拟水的空间分布整体为西多东少,虚拟水变化以下降为主（80.6%站点）。虚拟水高值区集中于东北地区西部,向东虚拟水含量降低。气候变化导致了大豆需水量的增加,进而使虚拟水上升,大豆生产变化尤其是单产增长则使得虚拟水下降,气候变化对大豆虚拟水的影响抵消了部分大豆生产变化导致的虚拟水下降。因此,针对大豆虚拟水的时空分异特征,适当调整东北地区大豆的生产布局、选取如耐高温耐旱等大豆品种以及调整灌溉、施肥等田间管理措施等是气候变化背景下提高大豆水资源利用效率的有效适应措施。 相似文献
11.
DISTRIBUTION OF THE MAIN CROP GERMPLASM RESOURCES IN CHINA 总被引：1，自引：0，他引：1
Cropgermplasmresourcesaretheindispensablematerialbaseforcropbreedingandagriculturalproduction.Theresearchondistributionofcropgermplasmr~urcesisofgreatimportanceinstudyingonorigin,evolutionandclassificationofcrops,expeditingandcollectinggermplasm,ascertainingofcentersofdiversity,protectinggermplasmr~urcesandmakingagriculturalproductiondivision.Since1949,researchesofexploration,collection,preservation,cha-racterizationandevaluationofcropgermplasmresourceshavebeendoneinChina.Atpresent,thenational… 相似文献
12.
农作物空间分布的遥感识别是地理学、生态学和农学等多学科研究的前沿和热点,多源遥感数据在其中发挥着重要的作用。本研究结合冬小麦和油菜的种植及生长特点,以安徽省合肥市为研究区域,利用ZY-3、Sentinel-2和GF-1等多源遥感影像数据,以高程、坡度等数据为辅助信息,结合以多尺度分割、最邻近法和阈值法等为主要步骤的面向对象的分类方法,提取研究区合肥市冬小麦和油菜种植的空间分布信息。结合来自于GVG农情采样系统和Google Earth高分辨率影像上获得的地面验证数据进行分类精度验证,计算得到分类结果的混淆矩阵,并根据混淆矩阵数据计算出分类的总体精度为94.43%,Kappa系数为0.914。结果表明,本研究提出的方法能够有效地区分在冬小麦和油菜的混种区域里两种作物种植区域的空间分布,且这种多种策略相结合的分类方法体系,能够适用于其它区域甚至是更加大尺度上的作物分类。 相似文献
13.
基于Google Earth Engine和NDVI时序差异指数的作物种植区提取 总被引：1，自引：0，他引：1
为提高农作物种植信息遥感监测的效率,扩展数据适用范围,本文提出了一种基于时间序列NDVI差异指数的作物种植区提取方法。随着海量遥感与云计算的发展,Google Earth Engine作为一个全球尺度地理空间分析云平台,弥补了单机计算耗时长的不足,为快速遥感分类带来了新机遇。基于Google Earth Engine平台,以河南省开封市杞县为研究区,以2019—2020年杞县地区多时相Sentinel-2影像为数据源,结合物候信息,根据不同作物在时间序列NDVI曲线上的差异构建NDVI时序差异指数,从而提取作物种植区,区分不同作物类型,并与其他方法进行了精度验证和对比。结果表明：① NDVI时序差异指数法以作物物候信息为基础,与GEE高性能的计算能力相结合,形成了作物种植信息快速提取框架,可以方便快捷地进行作物种植区提取,较本地处理具有明显优势;② 杞县冬小麦和大蒜种植区有明显的空间分异性,冬小麦种植区主要集中在研究区西北部以及南部的农村居民点周围,而杞县大蒜则由于产品流通需要,主要集中在研究区中部以及东北部,居民点较为密集,交通便利的城市周边;③ 与时间序列支持向量机法和最大似然法相比较, NDVI时序差异指数进行作物种植区提取的总体精度达到83.72%, Kappa系数为0.67,分别比最大似然法提高了10.02%和0.21,比支持向量机法提高了4.18%和0.09,表明该方法能更高效率,更高精度地提取作物种植信息,实现区域作物种植信息的高效准确监测。总体来看,该方法在一定程度上可拓展遥感数据在农业领域的应用范围,具有推广价值。 相似文献
14.
On the basis of the study on areal differentiation of the natural environment of oasis agriculture ecosystems in the Shiyang River Basin, this paper comparatively analyzes the natural productivities, water economic benefits, production efficiency, ecological stabilities and developmental conditions of the Wuwei Oasis agricultural ecosystem in the middle reaches of the river basin and the Minqin Oasis agricultural ecosystem in the lower reaches. Under a same management level and investment of . material and energy, primary productiveness and economic benefits of the former are higher than those of the latter. Construction directions of Wuwei and Minqin oases should be different in order to alleviate the water- use contradiction between the middle and lower reaches. The construction objective of Wuwei Oasis should be efficient irrigated farming production system and Minqin Oasis should become a mixed forestry-pastoral-farming ecosystem taking ecological protection as its major function. 相似文献
15.
Active microwave remote sensing data were used to calculate the near-surface soil moisture in the vegetated areas. In this study, Advanced Synthetic Aperture Radar （ASAR） observations of surface soil moisture content were used in a data assimilation framework to improve the estimation of the soil moisture profile at the middle reaches of the Heihe River Basin, Northwest China. A one-dimensional soil moisture assimilation system based on the ensemble Kalman filter （EnKF）, the forward radiative transfer model, crop model, and the Distributed Hydrology-Soil-Vegetation Model （DHSVM） was developed. The crop model, as a semi-empirical model, was used to estimate the surface backscattering of vegetated areas. The DHSVM is a distributed hydrology-vegetation model that explicitly represents the effects of topography and vegetation on water fluxes through the landscape. Numerical experiments were con- ducted to assimilate the ASAR data into the DHSVM and in situ soil moisture at the middle reaches of the Heihe River Basin from June 20 to July 15, 2008. The results indicated that EnKF is effective for assimilating ASAR observations into the hydrological model. Compared with the simulation and in situ observations, the assimilated results were significantly improved in the surface layer and root layer, and the soil moisture varied slightly in the deep layer. Additionally, EnKF is an efficient approach to handle the strongly nonlinear problem which is practical and effective for soil moisture estimation by assimilation of remote sensing data. Moreover, to improve the assimilation results, further studies on obtaining more reliable forcing data and model parameters and increasing the efficiency and accuracy of the remote sensing observations are needed, also improving estimation accuracy of model operator is important. 相似文献
16.
潜在蒸发作为研究蒸发及区域水循环的重要因素之一,其模拟结果对相关领域的研究应用具有重要影响。利用 2000-2009年“黑河流域每日四次常规气象观测数据集”所提供的12个气象站点的潜在蒸发数据,对黑河流域潜在蒸发量进行模拟。首先针对潜在蒸发的特点,分析影响研究区域潜在蒸发的气象因素、地理及地形因素,使用多项式回归和逐步回归的方法对研究区域潜在蒸发进行了背景趋势模拟,选出影响潜在蒸发的最优影响因素组合,在此基础上采用高精度曲面建模（HASM）方法,结合站点实测数据,对去掉趋势后的残差进行精度修正。本文使用kriging法、IDW法和Spline法插值所得潜在蒸发数据,以及“黑河流域1980-2010年3 km 6 h模拟气象强迫数据”作为对照,比较验证模拟精度。模拟结果表明：HASM方法模拟精度最高,模拟结果分布合理,表明该方法在潜在蒸发模拟中具有应用前景。该方法所得到的潜在蒸发数据可作为基础地理数据供相关研究应用。 相似文献
17.
Google Earth Engine支持下的江苏省夏收作物遥感提取 总被引：1，自引：0，他引：1
江苏省是农作物种植大省,国家统计局统计数据显示,江苏省近10年冬小麦、冬油菜的总播种面积分列全国第五、第七,快速准确地获取冬小麦和冬油菜的空间分布对于该省的农业发展具有重意义。基于单机的传统遥感分类能够准确获取农作物的空间分布信息,但是耗时较长。随着地理大数据与云平台、云计算的发展,Google Earth Engine（GEE）作为一个基于云平台的全球尺度地理空间分析平台,为快速遥感分类带来了新的机遇。本文基于GEE,使用Sentinel-2数据快速提取了江苏省2017年冬小麦与冬油菜的空间分布。首先,利用GEE获得覆盖江苏省119景无云质优的Sentinel-2影像;其次,在此基础上分别计算了遥感指数、纹理特征、地形特征,并完成原始特征的构建与优化;最后,分别试验了朴素贝叶斯、支持向量机、分类回归树和随机森林4种分类器,比较了各分类器的分类精度,并提取了冬小麦与冬油菜的空间分布信息。得出以下结论：①GEE能够快速完成覆盖江苏省影像数据的去云、镶嵌、裁剪及特征构建等预处理,较本地处理具有明显优势;②J-M距离值位于前两位且大于1将特征数量从28个压缩到11个,有效压缩了原始特征空间;③光谱+纹理+地形特征组合训练,朴素贝叶斯、支持向量机、分类回归树、随机森林的平均验证精度分别为61%、87%、89%、92%。 相似文献