發(fā)布時間：2020-04-05 12:49

【摘要】：小麥是世界第三大糧食作物,在世界范圍內(nèi)被廣泛種植,其中冬小麥的種植面積超過了小麥總面積的80%。及時、準確地獲取冬小麥種植面積對冬小麥產(chǎn)量估算、長勢監(jiān)測及生產(chǎn)規(guī)劃等具有重要的現(xiàn)實意義。遙感技術(shù)因其覆蓋面積廣、重訪周期短、數(shù)據(jù)獲取相對容易和費用低廉等優(yōu)點,為快速和準確獲取冬小麥種植信息提供了強有力的技術(shù)手段。然而,農(nóng)作物遙感識別是一項復雜的工作,既要考慮到技術(shù)的實用性和可執(zhí)行程度,又要考慮識別結(jié)果的可信度和精度。利用單一時相遙感影像進行冬小麥識別時容易出現(xiàn)“錯分、漏分”現(xiàn)象,難以達到理想的分類精度。時間序列尤其是植被指數(shù)時間序列數(shù)據(jù)成為農(nóng)作物遙感分類識別研究的熱點。近年來,隨著對地觀測技術(shù)水平的不斷提高,多源、多時空分辨率的衛(wèi)星傳感器不斷涌現(xiàn),國內(nèi)外遙感數(shù)據(jù)量迅速增加,為冬小麥遙感識別提供了豐富的數(shù)據(jù)源。面對龐大的數(shù)據(jù)量,如何高效地選擇與合理地利用已有的多源、多時空分辨率衛(wèi)星數(shù)據(jù),開展冬小麥遙感分類識別方法研究,提高冬小麥分類識別精度,準確、快速地獲取冬小麥種植面積及空間分布信息,對國家宏觀決策具有重要的現(xiàn)實意義,也是當前我們面臨的挑戰(zhàn)。本文針對目前冬小麥遙感識別中存在的問題,以黃淮海平原為研究區(qū),以高分一號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)時序譜特征,結(jié)合冬小麥與其他地物的時序波譜特征差異,探究冬小麥的遙感識別方法。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)時間序列,基于GF-1WFV影像提出了冬小麥遙感識別矢量分析模型。同時,考慮到遙感識別的時效性問題,基于構(gòu)建的識別模型進·步探究冬小麥遙感識別的最佳時序數(shù)據(jù),以滿足盡早獲取冬小麥種植信息的實際需求。其次,將構(gòu)建的模型用于MODIS影像,在大區(qū)域冬小麥遙感識別中進一步改進模型,并利用Landsat影像和統(tǒng)計數(shù)據(jù)對模型的識別結(jié)果進行驗證。最后,采用MODIS數(shù)據(jù)在美國堪薩斯州對改進后的模型進行適用性評價模型。同時,結(jié)合景觀格局指標中有關(guān)破碎度的相關(guān)指數(shù),對影響冬小麥遙感識別精度的因素進行了討論。論文的主要研究結(jié)論包括:(1)基于時序數(shù)據(jù)的空間方向與距離特征,采用矢量分析方法構(gòu)建了冬小麥遙感識別矢量分析模型�；�于GF-1 WFV影像構(gòu)建覆蓋冬小麥完整生長期的時間序列數(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狀況,對比分析了冬小麥生長期內(nèi)與其他地物類型的時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時間序列看作N維空間向量,基于冬小麥時序波譜特征,結(jié)合矢量的夾角和距離兩個特征參量,構(gòu)建冬小麥遙感識別矢量分析模型。結(jié)合地面數(shù)據(jù)驗證,冬小麥識別精度達到了 94.83%,與其他方法對比,精度最大提高了 8.33%。結(jié)果表明構(gòu)建的識別模型可以有效實現(xiàn)冬小麥的遙感識別并取得較高的精度。(2)基于構(gòu)建的冬小麥遙感識別矢量分析模型,探究了冬小麥遙感識別的時效性問題,確定了用于冬小麥識別的最佳時序數(shù)據(jù)。考慮到農(nóng)作物遙感識別需要滿足時效性的需求,采用構(gòu)建的冬小麥遙感識別矢量分析模型,依次對覆蓋不同冬小麥物候期的時序數(shù)據(jù)進行測試,確定了滿足精度需求的冬小麥識別的最早物候期。通過驗證表明,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時序數(shù)據(jù),冬小麥識別精度可以達到90%以上。(3)提出了基于EVI時序譜類內(nèi)差異特征的冬小麥遙感識別矢量分析模型�；�于MODIS中等空間分辨率遙感影像,通過分析冬小麥植被指數(shù)時序譜特征,發(fā)現(xiàn)影像上大區(qū)域的冬小麥受不同的生長狀況、耕作管理模式、氣候環(huán)境等因素的影響,植被指數(shù)時序譜表現(xiàn)出較大的類內(nèi)差異,在前文構(gòu)建的模型基礎(chǔ)上,加入考慮冬小麥時序譜類內(nèi)差異特征的多個子訓練樣本集,進一步改進冬小麥遙感識別矢量分析模型。將改進后的模型在黃淮海平原應用,結(jié)合地面數(shù)據(jù)和Landsat影像對識別結(jié)果進行驗證。結(jié)果表明,冬小麥識別總體精度達到85%以上,相比傳統(tǒng)的監(jiān)督分類(最大似然分類法),精度提高了 15%。同時,采用播種期至返青期的時間序列,冬小麥的識別精度為70.17%。(4)改進后的冬小麥遙感識別矢量分析模型在不同區(qū)域的適用性評價。為了驗證改進后的模型的普適性,在與黃淮海平原同緯度的美國堪薩斯州進行模型適用性評價。對堪薩斯州的冬小麥遙感識別結(jié)果在區(qū)域、縣級以及像元尺度上進行精度驗證。結(jié)果表明,改進后的識別模型可以有效地識別不同區(qū)域的冬小麥分布,結(jié)合Landsat分類結(jié)果圖在像元尺度上的驗證表明冬小麥總體識別精度達到90.33%。同時,采用覆蓋冬小麥播種期至返青期的EVI時序數(shù)據(jù)對模型進一步驗證,結(jié)果表明冬小麥識別精度達到80.67%。在堪薩斯州的冬小麥識別結(jié)果充分說明了本文提出的識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別矢量分析模型的影響因素。基于中等分辨率影像的作物識別精度與農(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)田的景觀破碎度對冬小麥遙感識別精度的影響。結(jié)果表明,景觀破碎度指數(shù)(FRG)與冬小麥識別精度之間有很強的正相關(guān)關(guān)系(r=0.99)。同樣,較高的冬小麥面積比例(PLAND)對應著較高的冬小麥識別精度。當PLAND值大于20%時,平均誤差百分比小于10%,即冬小麥識別精度達到90%以上。分析結(jié)果表明在破碎程度較低的區(qū)域,改進的冬小麥識別模型表現(xiàn)更好。對比黃淮海平原和堪薩斯州的冬小麥識別結(jié)果,后者精度提高程度較大,同時也說明在美國連續(xù)大面積冬小麥農(nóng)田背景下,基于MODIS數(shù)據(jù)的冬小麥識別可以取得較高的精度,而對我國農(nóng)田破碎度較高的國情,需要借助高分一號這樣的高分辨率數(shù)據(jù)才能滿足大區(qū)域高精度冬小麥制圖。
【圖文】：

對兩個區(qū)域的冬小麥識別結(jié)果進行對比與分析。逡逑基于對典型作物冬小麥的時序特征分析，，為后續(xù)的多種作物遙感分類識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)預處理逡逑Ｉ逡逑！邐邐１植被指數(shù)時間序列數(shù)據(jù)｜邐邋N逡逑１＼／１００丨５￡NB１時序＇）邐邐邐＾邐ＭＯＤＩＳＥＶ丨時序逡逑＾ｊ邐ＧＦ－１邋ＮＤＶＩ邋時序邐＾邐邐＞逡逑冬小麥子訓練邐丨邐．‘一邐｜冬小麥子訓練逡逑樣本集構(gòu)建邐冬小麥時序譜特征分析邐樣本集構(gòu)建逡逑改

本文編號：2615043