基于多時相GF-1WFV影像的綠洲主要糧食作物識別及估產(chǎn)——以民勤綠洲為例.pdf

1、傳統(tǒng)獲取農(nóng)作物種植面積的方法主要是通過大面積實地測量或通過統(tǒng)計部門逐級上報，這種方法不僅消耗人力、物力、財力，而且缺乏農(nóng)作物空間分布信息。遙感技術(shù)的發(fā)展為農(nóng)作物種植面積的監(jiān)測提供了一個全新的統(tǒng)計手段，能夠快速高效地大范圍監(jiān)測農(nóng)作物種植信息。目前，遙感技術(shù)已廣泛應(yīng)用于農(nóng)業(yè)研究領(lǐng)域，例如，農(nóng)業(yè)資源調(diào)查，作物播種面積、產(chǎn)量的估算，農(nóng)業(yè)災(zāi)害的監(jiān)測以及數(shù)字農(nóng)業(yè)等，這不僅有助于提高相關(guān)部門的農(nóng)業(yè)科學(xué)決策水平，而且為農(nóng)業(yè)生產(chǎn)提供更優(yōu)質(zhì)的服務(wù)，因此精準

2、實時地獲取大區(qū)域尺度農(nóng)作物空間分布信息是農(nóng)情遙感監(jiān)測中的基礎(chǔ)性工作。本文選取干旱內(nèi)陸河流域綠洲作為研究區(qū)，基于國產(chǎn)GF-1WFV影像，經(jīng)過S-G濾波處理后建立GF-1 WFV-NDVI時序數(shù)據(jù)，運用分層決策樹方法提取了研究區(qū)內(nèi)主要糧食作物玉米和小麥種植分布，利用“2015年甘肅省主要農(nóng)作物本底調(diào)查專項”中糧食作物空間分布數(shù)據(jù)集對玉米和小麥提取精度進行驗證。結(jié)合產(chǎn)量數(shù)據(jù)和玉米種植區(qū)GF-1 WFV-NDVI值進行相關(guān)性分析，選取最佳估產(chǎn)期

3、，并運用回歸分析方法構(gòu)建春玉米遙感估產(chǎn)模型，利用產(chǎn)量統(tǒng)計數(shù)據(jù)對產(chǎn)量估測模型結(jié)果進行檢驗。
　　通過研究，論文得出以下結(jié)論：
　?。?）基于作物關(guān)鍵生長發(fā)育期 GF-1/WFV衛(wèi)星影像，經(jīng)過 Savitzky-Golay濾波構(gòu)建時相序列GF-1 WFV-NDVI數(shù)據(jù)集，并結(jié)合同期作物的物候特征，可用于識別提取干旱區(qū)糧食作物種植的空間分布信息及估測產(chǎn)量。
　?。?）針對研究區(qū)作物不同生育期GF-1 WFV-NDVI影像，運

4、用分層決策樹方法進行分類，提取的春玉米和春小麥種植面積與常用的 SVM（支持向量機）和ANN（人工神經(jīng)網(wǎng)絡(luò)）人機交互式計算機自動解譯結(jié)果相比，精度有很大提升，平均提取精度達到93.59％，平均相對誤差為6.84%，制圖精度為95.3%，用戶精度為89.2%，達到了遙感估產(chǎn)的實際應(yīng)用需求。
　　（3）以研究區(qū)春玉米為例，根據(jù)產(chǎn)量數(shù)據(jù)和玉米種植區(qū) GF-1 WFV-NDVI值相關(guān)性分析，選取相關(guān)系數(shù)最高（0.7981）的抽穗期作為最佳

5、估產(chǎn)期，并運用回歸分析方法構(gòu)建春玉米遙感估產(chǎn)模型，使用研究區(qū)內(nèi)10個鄉(xiāng)鎮(zhèn)2015年產(chǎn)量統(tǒng)計數(shù)據(jù)驗證產(chǎn)量估測模型計算結(jié)果。產(chǎn)量相對誤差范圍在1.69%—12.25%之間，平均誤差為6.44%。結(jié)果表明遙感估產(chǎn)模型能夠較好的進行春玉米遙感估產(chǎn)。
　　本文基于16米空間分辨率高分一號衛(wèi)星數(shù)據(jù)以像元為基本單位進行農(nóng)作物類型識別和產(chǎn)量估算研究。研究結(jié)果表明，對于大面積作物種植區(qū)域，種植面積提取方法和估產(chǎn)模型可達較高精度，但對于部分非純凈作物