论文部分内容阅读
农情信息有效快速的获取是农业可持续发展的重要保障,但是,目前大量的农情信息,依赖的还是传统的报送方式,政府部门所得到的农情信息不准确不及时,而且无法提供农作物种植的空间分布状况,不利于农业管理的实施。因此农业管理部门有快速准确监测农作物的迫切需求。我国利用遥感监测的农作物主要是小麦、水稻、玉米、大豆等大宗作物,研究区域集中在华北、华东以及东北,也有一部分研究区是在西北和西南,多具有连片大范围的特征。然而,国内鲜有对多云多雨、耕地地块破碎的华南地区农作物的遥感监测研究。马铃薯是华南地区的特色冬种农作物,其地块“早稻-晚稻-冬种马铃薯”三季轮作模式具有其特有的植被指数时间序列特征。利用这一特征,本论文提出基于植被指数时间序列数据和光谱角度匹配(Spectral Angle Mapping,SAM)方法的农作物种植面积提取方法,有效提取研究区的冬种马铃薯种植区面积。并提出基于植被指数标准差的时间序列数据节点简化方法,在获取少量但关键的时间节点数据的情况下也能获得较高精度的结果。获得面积提取结果后,初步探索基于EVI数据的马铃薯生长进度遥感监测方法。本论文以广东省惠州市稔平半岛为研究区,以马铃薯种植面积和生长进度为研究对象,使用的植被指数是NDVI(Normalized Difference Vegetation Index)和EVI(Enhanced Vegetation Index),主要方法和结论如下:(1)植被指数(NDVI和EVI)时间序列曲线能有效反映物候规律和生长进度把多时相植被指数(NDVI和EVI)图像以时间为坐标轴排列成植被指数(NDVI和EVI)时间序列数据集,在其中提取训练样本点的植被指数(NDVI和EVI)时间序列曲线,求平均后得到植被指数(NDVI和EVI)时间序列参考曲线。该参考曲线与实地调研所了解到的物候规律一致,不仅能够反映马铃薯种植区域“早稻-晚稻-冬种马铃薯”三季轮作模式,而且能够体现不同区域马铃薯生长进度的差异。(2)提出基于植被指数(NDVI和EVI)时间序列数据和SAM的农作物面积提取方法使用光谱角度匹配(SAM)方法,计算每一个像元植被指数(NDVI和EVI)时间序列曲线与参考曲线夹角值,输出Rule图像(光谱夹角值图像);计算每一个训练样本点的植被指数(NDVI和EVI)时间序列曲线与参考曲线的夹角,并计算夹角的平均值和标准差,以平均值和标准差的线性组合作为阈值,在Rule图像中提取目标像元,从而达到提取马铃薯种植面积的目的。(3)提出基于植被指数标准差的时间序列数据节点简化方法根据训练样本点植被指数(NDVI和EVI)在每个节点的标准差大小,简化植被指数(NDVI和EVI)时间序列数据,使得获取少量但关键的时间节点(年度天数大约第8、105、144、214、261、312天)数据的情况下,使用基于植被指数(NDVI和EVI)时间序列数据和SAM的农作物种植面积提取方法,仍能有效提取马铃薯种植面积。简化后相比简化前,正确率提高了11.54%-20.19%,错误率下降了9.1%-18.2%。(4)对基于植被指数的四种马铃薯种植面积提取结果进行精度验证提取结果包括:(1)基于简化前NDVI时间序列数据的SAM提取结果,(2)基于简化前EVI时间序列数据的SAM提取结果,(3)基于简化后的NDVI时间序列数据的SAM提取结果,(4)基于简化后的EVI时间序列数据的SAM提取结果;从4个角度进行精度验证:Ⅰ基于马铃薯种植区样本点的正确率分析;Ⅱ基于非马铃薯种植区样本点的错误率分析;Ⅲ基于统计数据的相对误差分析;Ⅳ基于空间分布情况的补充分析。分析表明:无论是基于NDVI数据还是基于EVI数据,简化后的精度比简化前的精度普遍要高;基于简化后EVI时间序列数据和SAM的农作物种植面积提取方法,是四种方法组合中最能有效提取研究区的马铃薯种植区面积的方法,其总体正确率为92.31%,错误率为9.1%,相对误差为9.47%。(5)基于EVI数据的农作物生长进度遥感监测方法的初步探索以基于简化后EVI时间序列数据和SAM的马铃薯面积提取结果作为感兴趣区,以马铃薯种植期的多时相EVI数据作为待处理数据,叠加相交得到感兴趣区域的多时相EVI数据。设定EVI值与颜色的映射关系,制作马铃薯生长进度遥感监测的时间序列专题图作为遥感监测结果。监测结果与实际情况基本吻合,能够从时间-空间,整体-局部角度直观地反映马铃薯生长进度的时空变化。