共查询到19条相似文献，搜索用时 140 毫秒
1.
MODIS植被指数时间序列Savitzky-Golay滤波算法重构 总被引：25，自引：2，他引：23
利用Savitzky-Golay(S-G)滤波方法对若尔盖高原湿地区2000—2009年MODIS16d最大值合成的NDVI时间序列数据进行了重构,并与中值迭代滤波法、傅里叶变换法进行了比较。结果表明,基于S-G滤波的时间序列重构方法重构后的NDVI时间序列在直观及像元的时间序列曲线上均取得了较好的效果,对提高该数据产品质量有很大帮助,通过该方法重构后的高质量的NDVI时间序列对利用该数据源对若尔盖湿地生态系统监测提供了良好的基础。 相似文献
2.
《国土资源遥感》2020,(2)
为自动获取大面积冬小麦种植区域,通常利用中等空间分辨率遥感影像中的物候信息,基于时间序列曲线进行识别与提取。但在实际工程项目中,只使用物候信息提取精度偏低。因此提出了一种基于时间序列曲线数据分类模型与图像分割相结合的冬小麦识别方法。首先,构建多源数据的归一化植被指数(normalized difference vegetation index,NDVI)时间序列曲线,采用时间序列谐波分析方法(harmonic analysis of time series,HANTS)对NDVI时间序列数据进行平滑和去噪;然后,对NDVI时间序列进行坐标转换,获取波段均值、标准差和均方根3个参数,构建新的分类模型,提升冬小麦与其他作物的差异值;最后,通过与高空间分辨率数据的分割结果相结合,利用图像的空间结构信息,提高地物边界的准确性。以南京市江宁区为例,利用2017年12月—2018年6月间高分一号、Landsat8和Sentinel-2A 3种类型的共21景多源数据进行实验,最终提取精度达到98. 74%,比其他方法有所提高,为农业管理部门提供了准确的冬小麦种植区域和分布的地理信息数据。 相似文献
3.
利用传统方法对农作物种类、分布和种植面积等调查,需要耗费大量的人力、物力和财力。该研究以西宁市为研究区域,采用高分一号影像,对西宁市春小麦进行分类和提取模型设计。在全生育期波谱特征曲线分析基础上,提取春小麦的NDVI(归一化植被指数)曲线特征。采用基于NDVI阈值的决策分类技术,进行作物识别与提取。最后设计精度自检方案,通过混淆矩阵得出其总体精度达到93.8%,kappa系数为0.875。其用户精度和制图精度分别为93.7%和94.9%。从分类精度可以看出,利用中高分辨率遥感卫星影像,在作物NDVI时间序列变换规律分析的基础上,可以准确的进行大面积农作物的分类与提取。在全国农作物面积与农作物种类等资源调查中具有非常大的应用潜能。 相似文献
4.
利用Savitzky-Golay滤波对覆盖江西省范围的SPOT VGT NDVI时间序列数据进行平滑处理的基础上,结合坡度数据,通过非监督分类的方法提取了江西省2000、2005和2010年水稻种植范围,并根据NDVI的年内动态变化,从水稻种植范围、水稻生长季起始时间、水稻复种指数和NDVI最大振幅等分析了江西省水稻种植和生长情况,探讨2000~2010年江西省水稻生产的变化。 相似文献
5.
基于2015年多时相MODIS数据,以黑龙江省主要农作物(大豆、玉米和水稻)为研究对象,利用黑龙江省主要作物的物候期特征、NDVI特征曲线信息和NDWI反映的耕地类型,采用决策树构建不同种类农作物的遥感提取模型,以提取大尺度农作物的空间分布格局信息。结果表明,构建的遥感提取模型有效地提取了主要农作物的空间分布信息,以东北实地调查数据为评价标准,玉米、水稻、大豆的分类精度分别为83.90%、84.71%和78.26%;以统计数据为评价标准,玉米、水稻、大豆的分类精度分别为84.463%、88.094%和81.485%。 相似文献
6.
利用HJ-1A/B卫星CCD数据,提取2013—2015年三年江汉平原农田的归一化植被指数NDVI,构建时间序列曲线,利用小波变换对HJ-1A/B卫星所得的NDVI数据进行平滑降噪处理,结合地面调研资料,提取江汉平原农作物的物候信息。研究结果表明,HJ-1A/B卫星可用于农田物候监测,对于小区域的农田作物长势监测具有独特的优势。 相似文献
7.
利用Landsat时序NDVI数据进行新疆石河子垦区灌溉作物分类 总被引：3，自引：2，他引：1
精确的农作物分类信息对于农业环境评估、水资源利用规划非常重要,尤其是在干旱、半干旱地区。本文利用30 m分辨率的Landsat NDVI时间序列数据进行了新疆石河子垦区混合农作物精确区分的潜力研究。首先利用S-G滤波重构了Landsat NDVI时间序列,然后基于SVM模型对研究区域农业类型进行了精确分类。在SVM分类模型作用下,S-G重构后的时间序列有效地将该地区棉花、玉米、小麦等主要作物区分开来,精度高于0.86,Kappa系数大于0.82。结果表明,S-G滤波能够有效提高NDVI时间序列数据质量;TM影像时间序列在监测干旱、半干旱地区的作物类型和种植方式随时间的变化方面存在巨大潜力。 相似文献
8.
基于时间序列影像数据的提取方法可实现快速监测大面积农作物的种植分布和面积估算.以湖南省为研究区,利用2017年500 m空间分辨率的MODIS NDVI时序数据,结合湖南省耕地分布数据和实地样点数据得到油菜物候标准曲线,采用最小二乘法与阈值法提取得到湖南省油菜种植分布.结果显示,遥感提取得到的湖南省油菜种植面积主要分布在湘北洞庭湖平原、湘中衡阳市、湘南岳阳市,油菜种植面积3.87×106 hm2,通过与2016年湖南省县域统计油菜种植面积数据进行比较,油菜空间格局分布大体一致,相关性系数为0.81,R2为0.66.采用油菜关键物候期的MODIS时序遥感影像,能有效地监测油菜空间分布和估算种植面积,这为油菜种植管理提供基础数据支撑. 相似文献
9.
10.
MODIS NDVI和AVHRR NDVI 对草原植被变化监测差异 总被引：5，自引：0，他引：5
以草地作为研究载体,对比分析草原植被AVHRR NDVI和MODIS NDVI两种NDVI序列的年内、年际变化特征,讨论两种NDVI序列对降水量、平均气温和水汽压3种气候因子的响应差异,为合理选择NDVI序列对植被进行监测研究提供参考。结果表明：(1)两种NDVI序列所反映的草原植被年内变化趋势相似,但MODIS NDVI对各类草原的区分度优于AVHRR NDVI;(2)两种NDVI序列所反映的2000年—2003年草原植被年际变化差异明显。较之于MODIS NDVI,AVHRR NDVI变化趋势分类图表现出更强的植被改善趋势,植被改善面积在AVHRR NDVI变化趋势分类图中占94.25%,在MODIS NDVI中为83.33%;两种NDVI变化趋势分类图反映的植被变化趋势吻合度为52.88%。(3)两种NDVI序列与水汽压、降水量相关性差异显著。MODIS NDVI与各站点平均气温的相关系数均大于GIMMS NDVI;而MODIS NDVI与水汽压的相关系数83%(10个站点)小于GIMMS NDVI,与降水量的相关系数67%(8个站点)小于GIMMS NDVI。 相似文献
11.
区域作物生长过程的遥感提取方法 总被引：16，自引：3，他引：16
提出利用时序NDVI数据提取作物生长过程方法。遥感数据在采集过程中受云、大气因子的影响 ,以及混合像元问题 ,造成时序植被指数值变得没有规律 ,对比性不强。采用基于最小二次方拟合的谐函数分析方法 ,依据作物轮作规律和生长周期性特征 ,用主要频率的正弦、余弦谐函数重建时序图像 ,去除了影像中云污染的影响。以中国的旱地为例 ,考虑到像元内旱地对NDVI值的贡献率 ,计算区域内旱地像元加权平均值来反映其作物生长过程。同时与区域所有像元的平均值、旱地平均值等统计方法的结果进行对比分析 ,表明区域内旱地的加权平均值能够削弱旱地比例和地域间的差异 ,突出耕地上作物的生长过程特征。通过与地面实测数据分析 ,平滑前后的作物生长过程与叶面积指数相关性增加 5 %— 11% ,采用区域加权平均的方法得到的作物生长过程 ,比旱地平均和NDVI平均的结果与叶面积指数的相关性增加 14 %— 17%。 相似文献
12.
农作物长势综合监测——以印度为例 总被引：2，自引：0，他引：2
提出农作物长势综合监测方法,利用卫星遥感得到的NDVI时间序列数据,综合采用实时监测、过程监测和时间序列聚类监测方法,明确不同方法适用的监测尺度及监测目的,对不同范围农作物长势进行监测。改进了Crop Watch全球农情遥感速报系统运行化作物长势监测方法,克服了原有作物长势监测中实时监测方法无法反映相同区域苗情在整个生长过程中的连续变化情况的缺点。实现对相同区域作物长势连续变化的定量描述,可对作物长势进行更准确的判断。利用官方发布的作物单产变幅数据,对单产变幅较大的12个作物主产省区作物长势监测结果的准确性进行判断,结果表明:6个邦的实时监测和聚类监测方法所得结果一致,都符合作物单产变化的实际状况;4个邦的聚类监测方法所得结果对作物长势监测更为准确,更符合该区域作物单产的实际变化;1个邦实时监测结果对作物长势监测比聚类监测方法更为准确;只有1个邦采用两种方法对作物长势的监测存在误差,聚类监测方法在对农作物生长过程的连续监测及空间分布的定量化表述方面,比实时监测更为准确。3种方法可以综合使用,实现业务化运行的农作物长势监测。 相似文献
13.
《International Journal of Digital Earth》2013,6(3):203-218
Abstract While data like HJ-1 CCD images have advantageous spatial characteristics for describing crop properties, the temporal resolution of the data is rather low, which can be easily made worse by cloud contamination. In contrast, although Moderate Resolution Imaging Spectroradiometer (MODIS) can only achieve a spatial resolution of 250 m in its normalised difference vegetation index (NDVI) product, it has a high temporal resolution, covering the Earth up to multiple times per day. To combine the high spatial resolution and high temporal resolution of different data sources, a new method (Spatial and Temporal Adaptive Vegetation index Fusion Model [STAVFM]) for blending NDVI of different spatial and temporal resolutions to produce high spatial–temporal resolution NDVI datasets was developed based on Spatial and Temporal Adaptive Reflectance Fusion Model (STARFM). STAVFM defines a time window according to the temporal variation of crops, takes crop phenophase into consideration and improves the temporal weighting algorithm. The result showed that the new method can combine the temporal information of MODIS NDVI and spatial difference information of HJ-1 CCD NDVI to generate an NDVI dataset with both high spatial and high temporal resolution. An application of the generated NDVI dataset in crop biomass estimation was provided. An average absolute error of 17.2% was achieved. The estimated winter wheat biomass correlated well with observed biomass (R 2 of 0.876). We conclude that the new dataset will improve the application of crop biomass estimation by describing the crop biomass accumulation in detail. There is potential to apply the approach in many other studies, including crop production estimation, crop growth monitoring and agricultural ecosystem carbon cycle research, which will contribute to the implementation of Digital Earth by describing land surface processes in detail. 相似文献
14.
准确地获取作物空间分布是作物生长监测和产量预测的前提。目前,遥感图像处理需要足够的人工采集的训练样本,因此,大规模作物分布的自动获取仍然是一个挑战。以高效、经济的方式获得足够的训练样本成为作物制图的关键因素之一。因此,本文结合冬季作物物候特征与Sentinel-2时间序列影像,提出了一种自动化样本生成策略用于冬季作物制图。首先,利用归一化植被指数（NDVI）时间序列曲线进行冬季作物的判别;然后,通过时间序列曲线相似性度量的方法,判断样本点与标准的绿色叶绿素植被指数（GCVI）时间序列曲线的差距,从而为未知样本赋予正确的标签;最后,利用获取的样本训练随机森林模型,实现研究区域的冬季作物提取。最终精度评定结果：总体精度（OA）为98.46%,Kappa为0.973,表明该方法对于快速实现冬季作物自动制图的有效性。 相似文献
15.
16.
农作物长势综合遥感监测方法 总被引：54，自引：5，他引：54
作物收获之前进行大范围作物生长状况评价 ,可以尽早的获得有关作物产量信息。介绍了中国农情遥感监测系统的综合作物长势监测方法。以遥感数据标准化处理、云标识、云污染去除和非耕地去除为基础 ,生成质量一致的遥感数据产品集 ,提取区域作物生长过程。作物长势监测分为实时作物长势监测和作物生长趋势分析。实时的作物长势监测可以定性和定量地在空间上分析作物生长状况 ,分级显示作物生长状况 ,分区域统计水田和旱地中不同长势占的比重。作物生长趋势分析可以进行年际间的生长过程对比 ,从时间轴上反映作物持续生长的差异性 ,统计全国、主产区、省和区划单元 4个尺度的耕地、水田、旱地作物生长过程曲线年际间差异 ,从而为早期的产量预测提供信息。通过处理流程的系统化 ,建设了运行化的作物长势遥感监测分析系统 ,为用户构建了综合的作物实时生长状况 ,苗情的生长趋势分析环境。同时可以依据野外地面实测信息对遥感监测结果进行标定和检验。 1998年以来 ,系统在满足日常运行的前提下 ,技术方法逐渐改进和完善 ,监测结果的精度和可靠性不断得到提高。 相似文献
17.
针对中国开展的国外农作物产量遥感估测大多依靠中低分辨率耕地信息、省级(州级)或国家级作物产量统计数据的现状,本文以美国玉米为例,探讨利用多年中高分辨率作物分布信息、时序遥感植被指数和县级作物产量统计数据开展国外重点地区作物单产遥感估测技术研究,以期进一步提高中国对国外农作物产量监测精度和精细化水平。首先,利用美国农业部国家农业统计局(NASS/USDA)生产的作物分布数据(CDL)获得多个年份玉米空间分布图,并对相应年份250 m分辨率16天合成的MODIS-NDVI时序数据进行掩膜处理,统计获得每年各县域内玉米主要生育期NDVI均值;其次,以各州为估产区,以多年县级玉米统计单产和县域内玉米主要生育期NDVI均值为基础,建立各州玉米主要生育期NDVI与玉米单产间关系模型;然后,通过主要生育期玉米单产和玉米植被指数间拟合程度,筛选确定各州玉米最佳估产期和最佳估产模型。最终,利用最佳估产模型实现美国各州玉米单产估测和全国玉米单产推算。其中,建模数据覆盖时间为2007年—2010年,验证数据为2011年。结果表明,应用最佳估产模型的2011年美国各州玉米单产估测相对误差在-4.16%—4.92%,均方根误差在148.75—820.93 kg/ha,各州估测结果计算获得全国玉米单产的相对误差仅为2.12%,均方根误差为285.57 kg/ha。可见,本研究的作物单产遥感估测技术方法具有一定可行性,可准确估测全球重点地区作物单产信息。 相似文献
18.
《地理信息系统科学与遥感》2013,50(2):241-259
The goal of this research was to conduct an initial investigation into whether a time-series NDVI reference curve library for crops over a growing season for one year could be used to map crops for a different year. Time-series NDVI libraries of curves for 2001 and 2005 were investigated to ascertain whether or not the 2001 dataset could be used to map crops for 2005. The 2005 16-day composite MODIS 250 m NDVI data were used to extract NDVI values from 1,615 field sites representing alfalfa, corn, sorghum, soybeans, and winter wheat. A k-means cluster analysis of NDVI values from the field sites was performed to identify validation sites with time-series NDVI spectral profiles characteristic of the major crop types grown in Kansas. After completing the field site refinement process, there were 1,254 field sites retained for further analysis, referred to as "final" field sites. The methods employed to evaluate whether the MODIS-based NDVI profiles for major crops in Kansas are stable from year-to-year involved both graphical and statistical analyses. First, the time-series NDVI values for 2005 from the final field sites were aggregated by crop type and the crop NDVI profiles were then visually assessed and compared to the profiles of 2001 to ascertain if each crop's unique phenological pattern was consistent between the two years. Second, separability within each crop class in the time-series NDVI data between 2001 and 2005 was investigated numerically using the Jeffries-Matusita (JM) distance statistic. The results seem to suggest that time-series NDVI response curves for crops over a growing period for one year of valid ground reference data may be useful for mapping crops for a different year when minor temporal shifts in the NDVI values (resulting from inter-annual climate variations or changes in agricultural management practices) are taken into account. 相似文献
19.
The adoption of new cropping practices such as integrated Crop-Livestock systems (iCL) aims at improving the land use sustainability of the agricultural sector in the Brazilian Amazon. The emergence of such integrated systems, based on crop and pasture rotations over and within years, challenges the remote sensing community who needs to implement accurate and efficient methods to process satellite image time series (SITS) in order to come up with a monitoring protocol. These methods generally include a SITS preprocessing step which can be time consuming. The aim of this study is to assess the importance of preprocessing operations such as temporal smoothing and computation of phenological metrics on the mapping of main cropping systems (i.e. pasture, single cropping, double cropping and iCL), with a special emphasis on the iCL class. The study area is located in the state of Mato Grosso, an important producer of agriculture commodities located in the Southern Brazilian Amazon. SITS were composed of a set of 16-day composites of MODIS Vegetation Indices (MOD13Q1 product) covering a one year period between 2014 and 2015. Two widely used classifiers, i.e. Random Forest (RF) and Support Vector Machine (SVM), were tested using five data sets issued from a same SITS but with different preprocessing levels: (i) raw NDVI; (ii) raw NDVI + raw EVI; (iii) smoothed NDVI; (iv) NDVI-derived phenometrics; (v) raw NDVI + phenometrics. Both RF and SVM classification results showed that the “raw NDVI + raw EVI” data set achieved the highest performance (RF OA = 0.96, RF Kappa = 0.94, SVM OA = 0.95, SVM Kappa = 0.93), followed closely by the “raw NDVI” and the “raw NDVI + phenometrics” datasets. The “NDVI-derived phenometrics” alone achieved the lowest accuracies (RF OA = 0.58 and SVM OA = 0.66). Considering that the implementation of preprocessing steps is computationally expensive and does not provide significant gains in terms of classification accuracy, we recommend to use raw vegetation indices for mapping cropping practices in Mato Grosso, including the integrated Crop-Livestock systems. 相似文献