發(fā)布時(shí)間：2020-04-05 12:49

【摘要】：小麥?zhǔn)鞘澜绲谌�大糧食作物,在世界范圍內(nèi)被廣泛種植,其中冬小麥的種植面積超過(guò)了小麥總面積的80%。及時(shí)、準(zhǔn)確地獲取冬小麥種植面積對(duì)冬小麥產(chǎn)量估算、長(zhǎng)勢(shì)監(jiān)測(cè)及生產(chǎn)規(guī)劃等具有重要的現(xiàn)實(shí)意義。遙感技術(shù)因其覆蓋面積廣、重訪周期短、數(shù)據(jù)獲取相對(duì)容易和費(fèi)用低廉等優(yōu)點(diǎn),為快速和準(zhǔn)確獲取冬小麥種植信息提供了強(qiáng)有力的技術(shù)手段。然而,農(nóng)作物遙感識(shí)別是一項(xiàng)復(fù)雜的工作,既要考慮到技術(shù)的實(shí)用性和可執(zhí)行程度,又要考慮識(shí)別結(jié)果的可信度和精度。利用單一時(shí)相遙感影像進(jìn)行冬小麥識(shí)別時(shí)容易出現(xiàn)“錯(cuò)分、漏分”現(xiàn)象,難以達(dá)到理想的分類(lèi)精度。時(shí)間序列尤其是植被指數(shù)時(shí)間序列數(shù)據(jù)成為農(nóng)作物遙感分類(lèi)識(shí)別研究的熱點(diǎn)。近年來(lái),隨著對(duì)地觀測(cè)技術(shù)水平的不斷提高,多源、多時(shí)空分辨率的衛(wèi)星傳感器不斷涌現(xiàn),國(guó)內(nèi)外遙感數(shù)據(jù)量迅速增加,為冬小麥遙感識(shí)別提供了豐富的數(shù)據(jù)源。面對(duì)龐大的數(shù)據(jù)量,如何高效地選擇與合理地利用已有的多源、多時(shí)空分辨率衛(wèi)星數(shù)據(jù),開(kāi)展冬小麥遙感分類(lèi)識(shí)別方法研究,提高冬小麥分類(lèi)識(shí)別精度,準(zhǔn)確、快速地獲取冬小麥種植面積及空間分布信息,對(duì)國(guó)家宏觀決策具有重要的現(xiàn)實(shí)意義,也是當(dāng)前我們面臨的挑戰(zhàn)。本文針對(duì)目前冬小麥遙感識(shí)別中存在的問(wèn)題,以黃淮海平原為研究區(qū),以高分一號(hào)WFV(GF-1,Wide Field of View)、MODIS(Moderate-Resolution Imaging Spectroradiometer)多光譜中、高分辨率影像為數(shù)據(jù)源,考慮到冬小麥光譜特征隨季節(jié)變化的差異,分析了冬小麥植被指數(shù)時(shí)序譜特征,結(jié)合冬小麥與其他地物的時(shí)序波譜特征差異,探究冬小麥的遙感識(shí)別方法。研究采用矢量分析法,將N維矢量的方向和距離特征引入植被指數(shù)時(shí)間序列,基于GF-1WFV影像提出了冬小麥遙感識(shí)別矢量分析模型。同時(shí),考慮到遙感識(shí)別的時(shí)效性問(wèn)題,基于構(gòu)建的識(shí)別模型進(jìn)·步探究冬小麥遙感識(shí)別的最佳時(shí)序數(shù)據(jù),以滿(mǎn)足盡早獲取冬小麥種植信息的實(shí)際需求。其次,將構(gòu)建的模型用于MODIS影像,在大區(qū)域冬小麥遙感識(shí)別中進(jìn)一步改進(jìn)模型,并利用Landsat影像和統(tǒng)計(jì)數(shù)據(jù)對(duì)模型的識(shí)別結(jié)果進(jìn)行驗(yàn)證。最后,采用MODIS數(shù)據(jù)在美國(guó)堪薩斯州對(duì)改進(jìn)后的模型進(jìn)行適用性評(píng)價(jià)模型。同時(shí),結(jié)合景觀格局指標(biāo)中有關(guān)破碎度的相關(guān)指數(shù),對(duì)影響冬小麥遙感識(shí)別精度的因素進(jìn)行了討論。論文的主要研究結(jié)論包括:(1)基于時(shí)序數(shù)據(jù)的空間方向與距離特征,采用矢量分析方法構(gòu)建了冬小麥遙感識(shí)別矢量分析模型。基于GF-1 WFV影像構(gòu)建覆蓋冬小麥完整生長(zhǎng)期的時(shí)間序列數(shù)據(jù),考慮到同一區(qū)域的冬小麥具有相似的物候特征與生長(zhǎng)狀況,對(duì)比分析了冬小麥生長(zhǎng)期內(nèi)與其他地物類(lèi)型的時(shí)序波譜曲線的特征差異。在借鑒光譜角制圖法的基礎(chǔ)上,將NDVI時(shí)間序列看作N維空間向量,基于冬小麥時(shí)序波譜特征,結(jié)合矢量的夾角和距離兩個(gè)特征參量,構(gòu)建冬小麥遙感識(shí)別矢量分析模型。結(jié)合地面數(shù)據(jù)驗(yàn)證,冬小麥識(shí)別精度達(dá)到了 94.83%,與其他方法對(duì)比,精度最大提高了 8.33%。結(jié)果表明構(gòu)建的識(shí)別模型可以有效實(shí)現(xiàn)冬小麥的遙感識(shí)別并取得較高的精度。(2)基于構(gòu)建的冬小麥遙感識(shí)別矢量分析模型,探究了冬小麥遙感識(shí)別的時(shí)效性問(wèn)題,確定了用于冬小麥識(shí)別的最佳時(shí)序數(shù)據(jù)�？紤]到農(nóng)作物遙感識(shí)別需要滿(mǎn)足時(shí)效性的需求,采用構(gòu)建的冬小麥遙感識(shí)別矢量分析模型,依次對(duì)覆蓋不同冬小麥物候期的時(shí)序數(shù)據(jù)進(jìn)行測(cè)試,確定了滿(mǎn)足精度需求的冬小麥識(shí)別的最早物候期。通過(guò)驗(yàn)證表明,采用本文構(gòu)建的模型,基于冬小麥播種期至返青期的GF-1 NDVI時(shí)序數(shù)據(jù),冬小麥識(shí)別精度可以達(dá)到90%以上。(3)提出了基于EVI時(shí)序譜類(lèi)內(nèi)差異特征的冬小麥遙感識(shí)別矢量分析模型�；�于MODIS中等空間分辨率遙感影像,通過(guò)分析冬小麥植被指數(shù)時(shí)序譜特征,發(fā)現(xiàn)影像上大區(qū)域的冬小麥?zhǔn)懿煌�的生長(zhǎng)狀況、耕作管理模式、氣候環(huán)境等因素的影響,植被指數(shù)時(shí)序譜表現(xiàn)出較大的類(lèi)內(nèi)差異,在前文構(gòu)建的模型基礎(chǔ)上,加入考慮冬小麥時(shí)序譜類(lèi)內(nèi)差異特征的多個(gè)子訓(xùn)練樣本集,進(jìn)一步改進(jìn)冬小麥遙感識(shí)別矢量分析模型。將改進(jìn)后的模型在黃淮海平原應(yīng)用,結(jié)合地面數(shù)據(jù)和Landsat影像對(duì)識(shí)別結(jié)果進(jìn)行驗(yàn)證。結(jié)果表明,冬小麥識(shí)別總體精度達(dá)到85%以上,相比傳統(tǒng)的監(jiān)督分類(lèi)(最大似然分類(lèi)法),精度提高了 15%。同時(shí),采用播種期至返青期的時(shí)間序列,冬小麥的識(shí)別精度為70.17%。(4)改進(jìn)后的冬小麥遙感識(shí)別矢量分析模型在不同區(qū)域的適用性評(píng)價(jià)。為了驗(yàn)證改進(jìn)后的模型的普適性,在與黃淮海平原同緯度的美國(guó)堪薩斯州進(jìn)行模型適用性評(píng)價(jià)。對(duì)堪薩斯州的冬小麥遙感識(shí)別結(jié)果在區(qū)域、縣級(jí)以及像元尺度上進(jìn)行精度驗(yàn)證。結(jié)果表明,改進(jìn)后的識(shí)別模型可以有效地識(shí)別不同區(qū)域的冬小麥分布,結(jié)合Landsat分類(lèi)結(jié)果圖在像元尺度上的驗(yàn)證表明冬小麥總體識(shí)別精度達(dá)到90.33%。同時(shí),采用覆蓋冬小麥播種期至返青期的EVI時(shí)序數(shù)據(jù)對(duì)模型進(jìn)一步驗(yàn)證,結(jié)果表明冬小麥識(shí)別精度達(dá)到80.67%。在堪薩斯州的冬小麥識(shí)別結(jié)果充分說(shuō)明了本文提出的識(shí)別模型具有較高的普適性。(5)基于景觀格局指數(shù),明晰了冬小麥遙感識(shí)別矢量分析模型的影響因素�；�于中等分辨率影像的作物識(shí)別精度與農(nóng)田的空間異質(zhì)性特征有著密切關(guān)系。本文采用景觀格局指數(shù)表達(dá)研究區(qū)的景觀破碎度,定量分析冬小麥農(nóng)田的景觀破碎度對(duì)冬小麥遙感識(shí)別精度的影響。結(jié)果表明,景觀破碎度指數(shù)(FRG)與冬小麥識(shí)別精度之間有很強(qiáng)的正相關(guān)關(guān)系(r=0.99)。同樣,較高的冬小麥面積比例(PLAND)對(duì)應(yīng)著較高的冬小麥識(shí)別精度。當(dāng)PLAND值大于20%時(shí),平均誤差百分比小于10%,即冬小麥識(shí)別精度達(dá)到90%以上。分析結(jié)果表明在破碎程度較低的區(qū)域,改進(jìn)的冬小麥識(shí)別模型表現(xiàn)更好。對(duì)比黃淮海平原和堪薩斯州的冬小麥識(shí)別結(jié)果,后者精度提高程度較大,同時(shí)也說(shuō)明在美國(guó)連續(xù)大面積冬小麥農(nóng)田背景下,基于MODIS數(shù)據(jù)的冬小麥識(shí)別可以取得較高的精度,而對(duì)我國(guó)農(nóng)田破碎度較高的國(guó)情,需要借助高分一號(hào)這樣的高分辨率數(shù)據(jù)才能滿(mǎn)足大區(qū)域高精度冬小麥制圖。
【圖文】：

對(duì)兩個(gè)區(qū)域的冬小麥識(shí)別結(jié)果進(jìn)行對(duì)比與分析。逡逑基于對(duì)典型作物冬小麥的時(shí)序特征分析，，為后續(xù)的多種作物遙感分類(lèi)識(shí)別研逡逑宄提供理論依據(jù)。論文研宄的總體技術(shù)路線見(jiàn)圖１－１。逡逑／／邋ＧＦ－１ＷＦＶ邋影像￣￣Ｚ逡逑Ｚ邋ＭｐＤＩＳ邋產(chǎn)品邋Ｚ逡逑數(shù)據(jù)預(yù)處理逡逑Ｉ逡逑！邐邐１植被指數(shù)時(shí)間序列數(shù)據(jù)｜邐邋N逡逑１＼／１００丨５￡NB１時(shí)序＇）邐邐邐＾邐ＭＯＤＩＳＥＶ丨時(shí)序逡逑＾ｊ邐ＧＦ－１邋ＮＤＶＩ邋時(shí)序邐＾邐邐＞逡逑冬小麥子訓(xùn)練邐丨邐．‘一邐｜冬小麥子訓(xùn)練逡逑樣本集構(gòu)建邐冬小麥時(shí)序譜特征分析邐樣本集構(gòu)建逡逑改

本文編號(hào)：2615043