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

1、傳統(tǒng)獲取農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，而且缺乏農作物空間分布信息。遙感技術的發(fā)展為農作物種植面積的監(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)測農作物種植信息。目前，遙感技術已廣泛應用于農業(yè)研究領域，例如，農業(yè)資源調查，作物播種面積、產量的估算，農業(yè)災害的監(jiān)測以及數字農業(yè)等，這不僅有助于提高相關部門的農業(yè)科學決策水平，而且為農業(yè)生產提供更優(yōu)質的服務，因此精準

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

3、，并運用回歸分析方法構建春玉米遙感估產模型，利用產量統(tǒng)計數據對產量估測模型結果進行檢驗。
　　通過研究，論文得出以下結論：
　?。?）基于作物關鍵生長發(fā)育期 GF-1/WFV衛(wèi)星影像，經過 Savitzky-Golay濾波構建時相序列GF-1 WFV-NDVI數據集，并結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（人工神經網絡）人機交互式計算機自動解譯結果相比，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%，達到了遙感估產的實際應用需求。
　　（3）以研究區(qū)春玉米為例，根據產量數據和玉米種植區(qū) GF-1 WFV-NDVI值相關性分析，選取相關系數最高（0.7981）的抽穗期作為最佳

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