江汉平原水稻种植区提取研究

分类：论文范文 发表时间：2021-06-05 10:31

　　摘要:江汉平原是重要的商品粮基地，高精度的水稻种植面积的获取对的农业发展与规划具有重要意义。但是我国南方区域云雨天气较多，光学遥感影像缺失严重，同时受卫星重访周期的影响，可用数据较少，进而影响水稻种植面积提取的精度。为解决高时空分辨率影像缺失问题，基于ESTAＲFM(enhancedspatialandtemporaladaptivereflectancefusionmodel)模型开展Landsat8OLI与MODIS数据的融合研究，获取具有高时空分辨率的LandsatNDVI时序数据。利用时序数据分析水稻的物候特征并结合关键物候期参数，采用多种机器学习方法对水稻种植区域进行提取。结果表明:利用该种方法能较好地提取研究区水稻种植的面积，并且在采用SVM方法分类时效果最好，水稻种植区域提取的总体分类精度为93.31%，Kappa系数为0.9202。该研究为多云雨地区农作物种植信息提取提供了一种有效的方法。

　　关键词:江汉平原;水稻;NDVI;时空数据融合;物候特征

　　是世界上的粮食生产大国之一，同时也是水稻生产大国，农作物种植面积的变化与粮食产量息息相关。因此，及时、准确的监测水稻种植面积，对粮食安全、粮食政策的制定、农业健康发展等都具有重要意义［1，2］。江汉平原地跨长江和汉江，由于其良好的农业生态环境和发展优势，成为重要的商品粮基地之一。随着江汉平原区域城市化速度的加快，耕地占用现象日益突出，同时人口的增长对粮食的需求量不断增加，适时地对水稻种植区进行监测和制图就显得十分重要。

　　1研究区及数据

　　1.1研究区概况

　　江汉平原位于长江中游，湖北省的中南部，介于29°26'～31°10'N，111°45'～114°16'E之间，包括荆州市的荆州区、江陵县、公安县等8个县市区及仙桃、潜江、天门3个省直管市，同时包含武汉、孝感、荆门和宜昌4个市的部分地区。研究区地势由西北向东南倾降，成群的湖沼洼地多集中在平原东南部。江汉平原属于亚热带季风气候，年平均气温15～17°C，无霜期约240～260天，年均降水量1100～1300mm，气温较高的4～9月降水量约占年降水总量的70%［13］。研究区主要农作物为水稻、油菜和棉花，是华中地区主要的水稻生产基地，该地区在水稻种植季节云雨天气较为频繁，难以获得长时间连续的时序影像。

　　1.2研究数据与预处理

　　研究使用的遥感数据包括MOD13Q1(16天NDVI合成产品)、MOD09Q1(8天地表反射率产品)、MOD09GQ(每日地表反射率产品)和Land-sat8影像。其中MODIS数据横跨h27v05和h27v06两个条带，获取的数据时间跨度是2017年1月17日～2017年12月19日，数据经过ND-VI最大值合成处理和影像拼接后，共有26景，分辨率均为250m;Landsat数据横跨123039和124039两个条带，选取了2017年1月22日～2017年12月23日中8景质量较好的影像，分辨率为30m，包含蓝、绿、红、近红外4个波段。本文所需遥感影像数据均下载于美国地质调查局(UnitedStatesgeologicalsurvey，USGS)，实验数据具体获取时间及参数信息见表1。

　　2研究方法

　　首先，利用ESTAＲFM模型融合预处理好的MODIS和Landsat数据，构建出完整时间序列的LandsatNDVI数据，同时评价融合得到的数据是否满足要求。然后，为消除由云污染和大气变化引起的低值突变噪声对时序LandsatNDVI数据的影响，采用Savitzky－Golay法(S－G法)对NDVI值进行滤波，并提取物候信息，文中物候特征参数的可靠性参考农作物生长发育数据集(湖北省物候数据集)。最后，利用NDVI时序数据结合物候特征参数，采用SVM、随机森林和神经网络方法提取水稻种植区域。同时以2017年研究区实地考察采样数据及谷歌地球高分辨率遥感数据作为地面验证数据，共获得样本4120个，利用验证样本数据，进行精度验证。本文的研究流程见图2。

　　3结果与分析

　　3.1时空数据融合精度评价

　　为验证图像融合效果，获得2017年4月23日融合的30m影像与2017年4月28日Landsat影像进行对比分析，随机选取了真实影像和融合影像中相对应的两个1000×1000典型样区像元的子集，如图4所示。然后进行相关性分析，结果如图5所示。3.2NDVI数据重构

　　为消除由云污染和大气变化引起的低值突变噪声对时序LandsatNDVI数据的影响，采用Savitzky－Golay滤波法(S－G)对NDVI数据进行重构，重构结果如图6(以双季稻为例)所示。从图中可以看出，原始NDVI时序数据受噪声影响产生不规则波动，但经过S－G滤波拟合重构后消除了突变值，NDVI曲线显示出两个波峰，即为双季水稻的生长期，能够很好地反应双季稻真实的生长变化曲线。

　　4结论与讨论

　　本文利用时空数据融合模型ESTAＲFM，重构出江汉平原2017年时序LandsatNDVI数据，采用S－G函数进行平滑去噪处理，并利用滤波后时序数据提取关键物候参数，最后采用SVM、随机森林和神经网络方法对研究区内水稻种植区进行提取，试验结果表明:

　　(1)时空融合获得的时序NDVI数据与真实NDVI的一致性较高，通过对随机选取的两块区域进行定量分析，相关系数分别达到0.79和0.76，表明ESTAＲFM模型能够较好地重构出南方多云雨地区受天气影响缺失的Landsat数据。

　　(2)LandsatNDVI时序数据受各种噪声的干扰，会出现不可避免的异常值。S－G滤波能有效地对突变值进行拟合重构，滤波后的NDVI曲线能较好地反应水稻物候变化情况，提高物候特征参数的准确性。

　　参考文献:

　　［1］平跃鹏，臧淑英．基于MODIS时间序列及物候特征的农作物分类［J］．自然资源学报，2016，31(3):503－511．PINGYP，ZANGSY．CropidentificationbasedonMODISNDVITime－seriesdataandphenologicalcharacteristics［J］．JournalofNaturalＲesources，2016，3(3):503－511．

　　［2］陈卓，谢苗苗，范玲玲，等．SPAM模型和遥感结合提取华北地区春夏玉米种植面积［J］．农业资源与区划，2018，39(8):124－134．CHENZ，XIEMM，FANLL．ExtractionofspringandsummermaizeareainNorthChinabyUsingSPAMmodelandremotelysensedimages［J］．ChineseJournalofAgriculturalＲesourcesandＲegionalPlanning，2018，39(8):124－134．

　　［3］黄维，黄进良，王立辉，等．多时相遥感影像检测平乐县晚稻种植面积变化［J］．农业工程学报，2014，30(21):174－183．HUANGW，HUANGJL，WANGLH，etal．Detectionoflaterice’splantingareachangeinPingleCountybasedonmulti－temporalremotesensingimages［J］．TransactionsoftheChineseSocietyofAgriculturalEngineering，2014，30(21):174－183．

　　赵亚杰1，2，3，黄进良1，2，王立辉1，2*，池泓1，2，阴海明1，2，3

上一篇：种植密度对松嫩平原西部燕麦产量形成的影响 下一篇：玉米单粒机械播种及栽培技术要点