基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率和多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法。近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。     

基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率、多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法;近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。     

基于MODIS时序植被指数和线性光谱混合模型的水稻面积提取

水稻是中国的主要粮食作物,及时获取水稻种植面积和空间分布信息对指导水稻生产、调整区域供需平衡等具有重要的意义。以江苏省为例,利用2009—2011年连续三年的MODIS 8 d合成地表反射率数据(MODIS09A1),计算了归一化差值植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)和陆表水指数(land surface water index,LSWI)。结合水稻在不同生长发育期EVI的时间序列变化特征,确定了水稻面积提取的关键生育期。根据水稻移栽期稻田土壤含水量高的特征,利用NDVI、EVI和LSWI三种指数构建判别条件,确定可能种植水稻的区域。利用线性光谱混合像元分解模型对包含水稻的混合像元进行分解,得到江苏省三年水稻种植空间分布。最后,选取研究区内的水稻典型样区,利用与MODIS同时期的较高分辨率的环境小卫星HJ-1 CCD(30 m)数据提取水稻种植面积和空间分布,以此作为参考数据进行精度验证,同时利用统计部门的江苏省水稻种植面积统计数据对江苏省水稻面积进行验证,两种方法验证后表明误差均在10%以内。研究表明,采用MODIS09A1数据结合线性光谱混合模型可以更高精度地提取大范围的水稻种植面积。     

吉林省水田种植面积的遥感监测

根据水稻在不同发育期的地面光谱特征,确定了利用MODIS数据识别水田种植面积的最佳波段及最佳时相,在地理信息系统的支持下提取了吉林省2012年水田种植面积,并将提取的水田种植面积与基于TM影像水田种植面积进行对比分析。结果表明:利用MODIS数据与TM数据提取的面积对比,结果表明利用多时相MODIS数据进行水田种植面积监测是可行的。利用MODIS数据识别水稻的最佳波段组合是6、2、1波段,最佳时相为移栽期和分蘖期之间及灌浆至乳熟期之间。利用已有的TM数据或者MODIS数据提取的水田种植分布图为底图,能够适时地、快速地进行每年的水田种植面积动态变化监测。     

基于FastICA算法和MODIS数据的水稻面积提取

以苏、皖、赣三省为研究区域,采用FastICA算法从MODIS数据中提取2010年水稻种植面积,并验证该算法在混合像元分解中的有效性。在对2010年46景8 d合成地表反射率产品数据进行预处理的基础上,结合MODIS土地利用产品和平滑滤波算法,构建耕地类型像元的I_LSW和I_NDV时相变化曲线。依据I_LSW和I_NDV曲线在水稻移栽期前后的变化规律,并根据由各地区水稻I_NDV时相曲线计算得到水稻相似性指数,从MODIS影像中提取水稻像元。采用FastICA算法对潜在水稻像元水稻生长期内的I_NDV时相曲线进行分解,计算每个像元的水稻丰度,绘制水稻丰度图,获取研究区各省水稻分布和种植面积。利用统计年鉴数据和样方资料对FastICA算法提取的水稻面积进行了验证。结果显示:采用水稻相似性曲线有利于提高稻田识别效率,所获取的水稻分布与实际情况吻合;FastICA算法能够分解不同地区水稻I_NDV时相曲线;与统计资料比较,江苏、安徽、江西三省水稻面积的提取精度分别为86.4%、87.9%、51.5%。江西水稻面积提取误差主要出现在地形起伏较大的山区。     

南方丘陵地区水稻种植面积遥感信息提取的试验

以浙江省为试验区, 针对水稻种植面积遥感信息提取的业务化运行问题, 进行了以下试验:(1) 以传统的单象元统计分类识别方法为分类器, 在地理信息系统支持下, 提取丘陵地区大范围水稻种植面积信息的可行性; (2) 在遥感资料的基础上, 结合地形数据综合提取水稻种植面积专题信息的可行性和有效性; (3) 混合象元分解方法在丘陵地区的有效性和适用性.结果表明, 用最大似然法提取大范围水稻种植面积信息的精度可满足业务化运行的要求; 模糊监督分类有较高的分类精度和较好的稳定性, 具有较强的适应性; 坡度数据作为遥感影像分类的辅助数据层, 可以有效地提高丘陵地区水稻种植面积信息的提取精度, 还可以提高分类的稳定性和空间位置精度.     

基于多时相MODIS数据的黑龙江省水稻种植面积动态监测研究

水稻是黑龙江省四大主要粮食作物之一,水稻生产在黑龙江乃至全国的粮食生产中均占有十分重要的地位。本文利用2007～2009年多时相MODIS数据,在GIS、GPS的支持下,根据黑龙江省水稻生长的特点,选择水稻种植面积估算最佳时相,实现了黑龙江省水稻种植面积的动态监测,分类精度达到了85%。研究结果表明,利用多时相MODIS数据进行黑龙江省水稻种植面积的动态监测是切实可行的。     

河南省冬小麦干旱规律分析

根据河南省104个气象站19572000年降水量资料,以冬小麦全生育期降水负距平(%)为干旱指标,提取不同等级干旱的资料矩阵进行经验正交函数分解,并取主要模态特征向量值和时间系数进行分析,结果表明:河南省冬小麦干旱以轻旱和中旱为主要特征,40余年轻旱、中旱发生频率达59.71%和32.24%;各等级干旱的空间分布均表现为豫北、豫东以及豫西北的部分地区是干旱频发区,而豫西南和豫南地区则是干旱低发区;干旱的时间变化呈波峰波谷交替的振动形式,大规模轻旱2～3 a一遇,中旱3～4 a一遇,重旱约10 a一遇.降水负距平(%)平均值的分布特征可从总体上体现干旱的时空变化规律.     

河南省冬小麦生产水足迹时空特征分析

为了清晰地描述冬小麦生产中耗水特征,基于水足迹理论和量化方法,分析了河南省小麦生产水足迹特征,并对造成水足迹区域差异的因素进行归因分析。结果表明:小麦生产水足迹的空间分布差异显著,其中豫西、豫中、豫南和豫北的小麦水足迹较高,而豫东地区的生产水足迹较低。豫南绿水足迹比例最高为34.5%,豫北绿水足迹最低为13.6%,绿水足迹所占比例呈现出从南向北递减的空间分布格局。归因分析结果显示,化肥、农机动力、降水量和平均气温是影响小麦水足迹空间差异的主要因素,且农业生产因子对水足迹的影响大于气象因子的。因此,提高农业生产效率和农业水资源利用效率,对河南省水资源的合理配置和高效利用有重要意义。     

河南省冬小麦干旱规律分析

根据河南省104个气象站1957 2000年降水量资料,以冬小麦全生育期降水负距平(%)为干旱指标,提取不同等级干旱的资料矩阵进行经验正交函数分解,并取主要模态特征向量值和时间系数进行分析,结果表明:河南省冬小麦干旱以轻旱和中旱为主要特征,40余年轻旱、中旱发生频率达59.71%和32.24%;各等级干旱的空间分布均表现为豫北、豫东以及豫西北的部分地区是干旱频发区,而豫西南和豫南地区则是干旱低发区;干旱的时间变化呈波峰波谷交替的振动形式,大规模轻旱2~3 a一遇,中旱3~4 a一遇,重旱约10 a一遇。降水负距平(%)平均值的分布特征可从总体上体现干旱的时空变化规律。     

河南省小麦白粉病时空变化特征分析

利用河南省10个气象观测站2000-2011年小麦白粉病调查资料,采用经验正交函数分解（EOF）等方法,分析了河南省小麦不同生育阶段白粉病发生的时空变化特征,根据各地区病叶率和发病面积的大小,构建了综合发病指数,对全省冬小麦白粉病发生强度进行风险分析。结果表明：各要素场第一、二模态的累积方差贡献率大都在70%以上,可用来解释各要素场大部分的时空分布特征;小麦白粉病发病风险北高南低,综合发病指数与小麦生长季的降水和气温均呈显著负相关。     

基于作物模型的河南省旱稻干旱风险评估

采用作物模型与数理统计相结合的方法,利用长期历史气象资料,以作物模型和地理信息系统技术为工具,系统分析了河南地区旱稻生育期水分盈亏情况。以模型模拟的雨养条件下实际蒸散量相对于潜在条件下的蒸散量(即需水量)的亏缺率,即水分亏缺指数,以雨养条件下产量相对于潜在产量的损失率(即灾损指数)作为产量灾损强度评价指标,从受旱程度和产量损失两个角度构建干旱风险评估模型,进行干旱风险评估。结果表明:河南省旱稻生育期集中在6—9月,水分亏缺最多的阶段为出苗—穗分化阶段,水分亏缺指数变化在0.50~0.60,其次是开花—成熟阶段和穗分化—开花阶段,水分亏缺指数变化在0.11~0.43;全生育期水分亏缺指数在0.36~0.50。出苗—穗分化阶段干旱发生的风险最大,其次是开花—成熟阶段,穗分化—开花阶段的最小。河南旱稻生育期干旱风险呈现为由东南向西北逐渐升高的分布,其中三门峡、济源西部一带风险最高,洛阳南部和南阳西北部一带最低,黄河以北大部地区和豫东、豫南地区风险居中。     

河南省小麦青枯发生规律的EOF分析

通过对河南省30个台站1967~1996年30年的气象资料统计,得出全省小麦青枯发生日数,对其进行EOF分析,发现全省小麦青枯发生日数主要呈“中部多南北部少”空间分布型,另外还有其它几种空间分布型;小麦青枯发生日数随时间推移呈减少趋势;对各模态时间系数进行功率谱分析,发现小麦青枯发生日数具有较明显的准3年周期;第一、第二模态时间系数与全省小麦单产存在显著负相关关系,为防御和减轻小麦青枯灾害提供了理论依据。     

山东省干湿转换期土壤水分MODIS遥感监测

由于2012年春夏过渡时期山东省降水时空分布不均,前期全省大部分地区出现旱情,后期降水偏多。为及时掌握干旱分布及变化情况,利用MODIS地表温度数据(MOD11A2)和植被指数数据(MOD13A2),结合土壤水分自动站的实测数据,采用温度植被干旱指数法,构建了LST-NDVI、LSTEVI特征空间,反演了2012年6~7月山东省干湿转换期的土壤水分,分析了干旱空间分布及变化特征。结果表明:LST-NDVI特征空间反演精度为82.95%,LST-EVI特征空间反演精度为84.33%,精度提高了1.66%。前期山东省中南部、西部出现旱情并以轻旱为主,后期由于降水旱情明显缓解,干旱面积减少了65 427 km2。基于MODIS数据利用温度植被指数法在本区域进行干旱监测是可行的。     

一种利用MODIS数据的夏玉米物候期监测方法

采用MODIS数据重构夏玉米归一化植被指数生长曲线,提取并建立特征点位对应日期与作物进入不同物候期的实际日期之间的最佳匹配关系。研究表明:使用改进的SG（Savitzky-Golay）迭代滤波对最大值合成后的植被指数时间序列做平滑处理并进行Logistic曲线拟合,可得到时间分辨率为1 d的作物生长过程曲线,经与2013-2014年物候期实测数据匹配,选择利用动态阈值1提取七叶期,均方根误差为5.4 d;利用曲率最小值提取拔节期,均方根误差为6.4 d;利用动态阈值2提取抽雄期,均方根误差为6.0 d。经2015年物候期实测数据验证,3个关键物候期的遥感监测误差均在6 d以内。利用该方法可提高基于遥感数据开展大面积作物物候期监测识别的效率和准确率。     

近46a黑龙江水稻障碍型冷害及其与气候生产力的关系

利用黑龙江省稻作区46 a（1961—2006年）每年7—8月逐日平均气温、5—9月逐旬平均气温、降水量资料,采用气候统计方法分析了自然低温下障碍型冷害发生的规律和时空变化特征,基于logistic曲线方程模拟粳稻气候生产力,建立起5个区域粳稻气候生产力与障碍型冷害期间平均温度和冷害持续时间的关系模型。结果表明,近46 a间,20世纪70年代是障碍型冷害高发期,20世纪80年代是障碍型冷害发生频率由多至少的转折期,21世纪初为低发期。黑龙江省北部稻作区、东部稻作区和中部稻作区为障碍型冷害重发区,南部稻作区为中等发生区,西部稻作区为轻发区。5个区域障碍型冷害发生期间的平均温度与粳稻气候生产力相关性均不显著,而冷害持续时间对粳稻气候生产力影响显著,并具有明显的地域差异,北部、东部和南部极显著（通过0.01信度的显著性检验）,冷害持续时间每延长1 d,北部、东部和南部粳稻气候生产力分别下降119.89 kg/hm^2、213.60 kg/hm^2、133.84 kg/hm^2,西部和中部影响不显著。     

基于遥感数据的江苏省水稻收获期时空分析研究

本研究基于2001—2020年中分辨率成像光谱仪遥感产品,使用谐波分析重建完整作物生长过程植被指数变化曲线,对江苏省范围内水稻种植区域的收获期进行提取。同时利用Sen趋势分析与相关分析方法,研究水稻收获期时空动态变化趋势与影响因子。结果表明:利用谐波分析方法能够较好地重建作物生长期生理参数变化曲线,滤波值与原始值线性相关系数达到0.8;水稻收获期分布在9月中旬到12月上旬之间,2010年之后,10月中下旬之后占比增加,达到50%以上;部分地区水稻收获期呈现延迟趋势,南京北部、扬州、盐城北部地区为3 d·a^-1及以上,泰州、南通等地区保持稳定,趋势绝对值低于1 d·a^-1;9—11月降水日数与降水量均对水稻收获期有影响,10月降水量与收获期存在负相关,10、11月降水日数与收获期存在正相关。本研究的基于遥感的水稻收获期提取方法为大范围的水稻农业物候信息提取提供参考。     

利用EOS/MODIS数据估算西藏藏北高原地表草地生物量

植被生物量作为一个重要的植被状态参数,其估算不仅对研究陆地生态系统植被生产量、碳循环、营养分配等方面具有重要意义,植被生物量的大小直接影响人类对地表植被的利用特点,而且影响其他的生物物理参量。各种不同空间分辨率、时间分辨率和波谱分辨率遥感数据的出现,使得实时监测大范围的植被生长成为可能。文中根据2004年8月至9月草地植被地面观测资料结合同期的EOS/MODIS卫星遥感数据建立了西藏藏北高原草地植被地上生物量、绿色干物质获得量与EOS/MODIS归一化植被指数(NDVI)、增强植被指数(EVI)之间的关系,并与影响草地植被空间分布的主要气候和高程要素之间的关系进行了分析。结果表明:在藏北高原NDVI较EVI能有效地估算草地地上生物量和绿色干物质获得量;藏北高原草地地上生物量与绿色干物质获得量的空间分布特征是从东南部到西北部逐渐减少,东南部部分地区每平方公顷的草地地上生物量在2000 kg以上,到西北部地区减少到200 kg以下。影响草地地上生物量空间分布的主要气候要素是降水,两者的相关系数为0.64,其次为温度,相关系数为0.44;草地植被地上生物量的空间分布与高程呈反比,即海拔越高的地段生物量越低。