MODIS-EVI内蒙古沿黄平原区作物种植结构分析

分类：论文范文 发表时间：2021-06-05 10:12

　　摘要：【目的】获取内蒙古沿黄平原区农业资源信息，提高大区域中低分辨率遥感影像上作物种植结构分类的效率和精度。【方法】利用多时相作物分类方法在内蒙古沿黄平原区构建增强型植被指数（EVI）时间序列曲线，依据不同农作物EVI时间序列曲线的差异对6种主要农作物小麦、玉米、葵花、西葫芦、番茄和苜蓿的种植结构进行了分析。【结果】小麦、玉米、葵花、西葫芦、番茄、苜蓿和其他作物的用户精度分别为：79.59%、80%、83.67%、78.18%、75.93%、82.22%、68.75%，制图精度分别为78%、80%、82%、86%、82%、74%、66%，农作物总体分类精度达到78.29%，Kappa系数为0.747。经统计沿黄灌区种植的玉米实地统计面积合计为7912.17km2，文中提取出的面积为7412.75km2，相对误差为6.31%。【结论】通过对MODIS-EVI时间序列的分析可以较为准确地识别大尺度测区内的主要作物，该方法能够在大区域中低分辨率影像上实现较好的分类结果。

　　关键词：MODIS；EVI；时间序列；种植结构；沿黄平原

　　0引言

　　【研究意义】我国是人口大国，农业的发展是国民经济和社会稳定发展的重要基础和保障[1]。快速、高效地获取农作物种植结构信息对农业部门的生产管理、农产品产量估计以及农作物种植结构优化和调整都具有重要的意义[2-3]。遥感技术相比于费时费力的传统人工调查，有着成本低、观测周期短以及覆盖面积广等优势，广泛应用于作物种植结构提取，并且正逐渐成为一种热门手段[4-6]。因此，怎样应用遥感影像和采用适合的分类方法，来取得较高精度的分类结果，成为低成本较高精度农业遥感研究的一个重要方向。【研究进展】目前基于多时相作物分类方法充分地利用了作物季节特征，能清楚地反映出不同农作物随着时间的变化趋势，能有效地减少农作物误分现象，是当前用遥感进行农作物种植结构提取的主流方法[7-11]。杨小唤等[12]基于时间序列的MODIS影像，通过分析各类作物的归一化植被指数NDVI值在生育期的生长变化规律，提取出北京市冬小麦和夏玉米等农作物。MAUS等[13]在DTW算法的基础上引入了时间权重因子，利用MODIS时间序列影像，基于时间加权的动态弯曲方法在巴西中部地区提取作物的空间分布情况。陈颖姝等[14]对Landsat8-OLI和MODIS影像的时间序列综合利用，提取出感兴趣区域，再利用BP神经网络的方法对提取数据进行监督分类，进而获取研究区农作物的空间分布信息。韩宇平等[15]利用Landsat8和MODIS影像的NDVI时间序列数据，采用监督分类和非监督分类2种方法对灌区不同水源的灌溉面积进行分类。由此可见，虽然目前学者对利用卫星遥感数据提取空间分布信息开展了广泛研究，但如何利用大尺度中低分辨率在大区域内进行种植结构分析仍值得研究。

　　1材料与方法

　　1.1研究区概况

　　研究区位于内蒙古自治区中西部的内蒙古沿黄平原区地处黄河中上游，研究区疆域辽阔地势平坦（图1）。平原区属于典型的温带大陆性气候，降水量少而蒸发能力大，全年日照时间长。地理坐标为北纬39°01′30′′―41°20′23′′，东经105°22′09′′―112°00′14′′。内蒙古沿黄平原区拥有着得天独厚的灌溉条件，适宜多种作物生长，是我国重要的粮食生产基地，主要的粮食作物有小麦和玉米，主要的经济作物有各类瓜果蔬菜和葵花，种植结构较为复杂，在自治区经济发展中有着举足轻重的作用。

　　1.2研究区数据获取与分析

　　1.2.1MODIS遥感数据获取

　　本研究所用的MCD12Q1和MOD13Q1影像时间分辨率分别为1a和16d，空间分辨率分别为500m和250m，均下载自ladsweb.modaps.eosdis.nasa.gov。中分辨率成像光谱仪（MODIS）是AQUA卫星和TERRA卫星上装载的主要传感器之一，在2颗卫星的相互配合下可以得出36个波段的观测信息，并可重复观测整个地球表面。

　　1.2.2MODIS遥感数据预处理

　　MODIS产品都为正弦投影坐标系，通常使用的地理坐标系为WGS-84，而在正弦投影下地区形变较大，需要坐标转换后使用，所以对MODIS影像数据预处理的流程是：重投影-重采样-镶嵌-裁剪。

　　2结果与分析

　　2.1土地利用分类

　　MCD12Q1影像基本的土地覆盖分类确定了17种土地覆盖类别，其中包括11种自然植被类别，3种土地类别以及3种非植被土地类别，这些是通过MCD12Q1影像本身自带的决策树分类方法得出（图2）。本研究应用的是全球植被分类（IGBP），提取其中DN值为12的农用地在ENVI软件下进行掩膜处理，需要在内蒙古沿黄平原区内掩膜掉非农用地部分，掩膜后剩余的部分作为下一步作物提取分类的研究区。

　　2.2不同农作物EVI值时间特征分析

　　根据小麦、玉米、葵花、西葫芦、番茄和苜蓿6种作物在野外采样时得到的经纬度，在ENVI软件上可以显示出每个采样点EVI的时序曲线走向，并得到每个采样点时间序列EVI值，合并起来即为EVI时间序列曲线（如图3）。同一种农作物在不同的采样点由于长势、种植方式等因素的不同导致EVI时间序列曲线也不完全相同，但其趋势基本相近。在分析研究区目标农作物时间序列EVI值特征的基础上，可以提取6种主要农作物EVI的最大值、最小值、平均值以及峰值出现的时间这4个特征阈值作为典型特征，用于辅助提取6种主要农作物EVI时间序列曲线。

　　3讨论

　　作物种植结构是作物长势监测和估产分析、种植结构调整及优化、作物灌溉管理的主要依据，充分利用作物的季相节律特征是区分作物与其他绿色植被以及作物之间的关键理论依据[17]。本研究尝试在内蒙古沿黄平原区的粮食生产基地建立快速、准确并且相对有效的作物分类识别方法，使用MODIS-EVI时间序列曲线探索研究区6种主要农作物的分布情况。研究结果表明，解译精度虽然未能达到张威等[1]、邓荣鑫等[18]、黄思宇等[19]、魏鹏飞等[20]研究结果的精度，学者使用高分辨率影像分类文献中的平均精度，但在局部区域和整体研究区上也取得了较好的分类结果。小麦、玉米、葵花、西葫芦、番茄、苜蓿和其他作物的用户精度分别为：79.59%、80%、83.67%、78.18%、75.93%、82.22%、68.75%，制图精度分别为78%、80%、82%、86%、82%、74%、66%。农作物总体分类精度达到78.29%，Kappa系数为0.747，而且在沿黄灌区种植面积最大的玉米与实际统计相对误差为6.31%。证明了基于大区域大尺度中低分辨率的EVI时间序列分类方法在识别小麦、玉米、葵花、西葫芦、番茄和苜蓿等农作物有较强的适用性。

　　4结论

　　1）使用EVI时序曲线能够清晰地反映同一种作物在不同生育期差异，也能反映不同作物在同一时期的差异，准确地表达出各类农作物的生育期特征。

　　2）研究区农用地大部分被玉米所覆盖，提取面积为7412.75km2，所占比例达到农田总面积的72.29%。研究区实际玉米面积为7912.17km2，相对误差为6.31%，具体分布情况均与野外实地情况相符合，分类方法有良好的分类精度。

　　3）基于MODIS-EVI时间序列的分类方法，对内蒙古沿黄平原区农作物分类的总体精度达到78.29%，Kappa系数达到0.747，提取精度较为理想。

　　参考文献：

　　[1]张威,刘毅,邵景安.基于面向对象分类法的农田识别提取[J].灌溉排水学报,2019,38(12):121-128.ZHANGWei,LIUYi,SHAOJingan.Farmlandrecognitionandextractionbasedonobject-orientedclassification[J].JournalofIrrigationandDrainage,2019,38(12):121-128.

　　[2]胡琼,吴文斌,宋茜,等.农作物种植结构遥感提取研究进展[J].农业科学,2015,48(10):1900-1914.HUQiong,WUWenbin,SONGQian,etal.Recentprogressesinresearchofcroppatternsmappingbyusingremotesensing[J].ScientiaAgriculturaSinica,2015,48(10):1900-1914.

　　[3]唐华俊,吴文斌,杨鹏,等.农作物空间格局遥感监测研究进展[J].农业科学,2010,43(14):2879-2888.TANGHuajun,WUWenbin,YANGPeng,etal.Recentprogressesinmonitoringcropspatialpatternsbyusingremotesensingtechnologies[J].ScientiaAgriculturaSinica,2010,43(14):2879-2888.

　　贾博中1，白燕英1*，魏占民1，闫东2，张志胤1

上一篇：论精准医疗对中医辨证论治的思维创新探析 下一篇：免耕播种机侧深分层施肥播种部件设计与试验