高分一号归一化植被指数时间序列用于冬小麦识别

高分一号归一化植被指数时间序列用于冬小麦识别

张晶;占玉林;李如仁

【摘要】针对现阶段归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列空间分辨率普遍较低的问题,提出利用高分一号16m数据构建高空间分辨率NDVI时间序列.鉴于当前NDVI时间序列冬小麦识别方法比较复杂的问题,提出了空间向量法、曲线积分法和坐标转换法3种冬小麦识别模型.经研究区试验分析,发现以上3种方法均达到了较好的识别效果,其中空间向量法、坐标转换法的总体精度都达到98.65％;同当前流行的决策树分类方法相比较,这3种方法操作简单,且精度更优,具有较好的实用意义.%NDVI time series based on GF-1 16 m is proposed to improve the resolution of data sources to NDVI time series.In view of the complication of winter wheat identification based on NDVI time series,this paper puts forward three winter wheat recognition models,i.e.space vector model,curvilinear integral model and coordinate transformation model.Through experimental analysis in the study area,it shows that all of these three methods gain satisfying results,where the overall accuracy of space vector method and coordinate transformation method reaches 98.65％;compared with the current popular classification method which is decision tree,the three methods are simple,of better accuracy and have good practical significance.

【期刊名称】《遥感信息》

【年(卷),期】2017(032)001

【总页数】7页(P50-56)

【关键词】冬小麦识别;时间序列;空间向量;曲线积分;坐标转换

【作者】张晶;占玉林;李如仁

【作者单位】辽宁工程技术大学测绘与地理科学学院,辽宁阜新123000;中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101;中国科学院遥感应用研究所遥感科学国家重点实验室,北京100101;辽宁工程技术大学测绘与地理科学学院,辽宁阜新123000;沈阳建筑大学交通工程学院,沈阳110168

【正文语种】中文

【中图分类】TP79

遥感技术具备快速、宏观、动态、费用低廉等优点，已广泛地应用到了农业生产生活当中，农作物识别作为农业遥感的基础，是估算农作物产量以及调整种植业结构的有效手段。我国是世界第一大粮食生产国，而冬小麦是我国最重要的粮食作物之一，所以提高冬小麦识别的准确性、时效性具有十分重要的研究意义[1-3]。

农作物的遥感识别方法从最初的单一时相发展到现在的多时相识别，随着多时相识别研究的深入，时间序列的构建逐步成为热点。Bradley C.Reed等[4]通过对农作物归一化植被指数(Normalized Difference Vegetation Index，NDVI)特征值及其物候学意义进行分析，得出NDVI在植被生长动态时间序列剖面构建、物候特征提取、植被分类、土地覆盖变化监测等诸多方面的应用具有重要意义。Pelkey 等[5]利用不同时间序列和分辨率的NDVI时序数据，评价了研究区长期以来的植被覆盖变化情况。Murakami[6]以9景 SPOT/HRV 影像为信息源，提取出日本SAGA平原NDVI时间序列变化特征，选取最佳时相提取了不同种农作物面积。国内研究虽起步较晚，但发展迅速。杨小唤等[7]在农作物生长期间获取多期MODIS数据，根据作物不同的生长周期NDVI峰值的大小、出现的时间各不相同

等特点，通过设定阈值的方法实现了北京市主要农作物面积的提取。刘佳等[8]在

全生育期波谱特征曲线分析基础上，提取主要作物类型的曲线特征，采用基于NDVI阈值的决策分类技术，对衡水市主要农作物面积进行提取，总体精度达到90.9%。景元书等[9]借助MODIS的增强型植被指数(Enhanced Vegetation Index，EVI)时间序列，基于相似性分析和线性光谱混合模型复合的水稻提取方法

解决了大范围水稻种植信息提取时的混合像元问题，完成了江西省水稻面积估算。在时间序列农作物识别方面，以往研究主要针对中低分辨率影像，制约了识别精度的提高。GF-1卫星的发射，为高空间分辨率时间序列的构建提供了数据支持。本文利用GF-1/WFV16 m分辨率数据构建NDVI时间序列，针对冬小麦的NDVI曲线特征，提出了空间向量模型、曲线积分模型和坐标转换模型，开展冬小麦的识别研究。

1.1 研究区域

冀州隶属河北省衡水市，地处华北平原腹地，中心经纬度为115.57°E，35.57°N，占地面积917.2×104 km2。冀州市处于北半球暖温带地区，大陆性季风气候特点显著，四季分明，光照充足，宜于作物生长。年平均气温12.7 ℃，最冷月为一月份，平均气温-4.2 ℃，最热月为7月份，平均气温27.1 ℃，年降水量平均510.3 mm，历年平均光照时数为2 571.2 h，无霜期平均为192 d。该区主要粮食作物

为冬小麦和玉米，一年两熟轮作制度。冀州是河北省冬小麦主要粮食产区之一，选择该区域为冬小麦信息提取的研究区具有一定代表性。

1.2 数据准备

1)数据源及预处理

GF-1卫星是我国高分辨率对地观测卫星系统重大专项发射的第一颗卫星，该卫星实现了高空间分辨率、多光谱与宽覆盖相结合的技术。GF-1卫星搭载了两台2 m 分辨率全色/8 m分辨率多光谱相机和4台16 m分辨率多光谱相机。本文所采用