CN102708289B - 一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法 - Google Patents

一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法 Download PDF

Info

Publication number
CN102708289B
CN102708289B CN201210137553.2A CN201210137553A CN102708289B CN 102708289 B CN102708289 B CN 102708289B CN 201210137553 A CN201210137553 A CN 201210137553A CN 102708289 B CN102708289 B CN 102708289B
Authority
CN
China
Prior art keywords
area
winter wheat
mid
wheat
select
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201210137553.2A
Other languages
English (en)
Other versions
CN102708289A (zh
Inventor
隋学艳
张晓冬
党伟
杨丽萍
杨洁
姚慧敏
王素娟
袁奎明
郭洪海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SHANDONG AGRICULTURAL SUSTAINABLE DEVELOPMENT RESEARCH INSTITUTE
Original Assignee
SHANDONG AGRICULTURAL SUSTAINABLE DEVELOPMENT RESEARCH INSTITUTE
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SHANDONG AGRICULTURAL SUSTAINABLE DEVELOPMENT RESEARCH INSTITUTE filed Critical SHANDONG AGRICULTURAL SUSTAINABLE DEVELOPMENT RESEARCH INSTITUTE
Priority to CN201210137553.2A priority Critical patent/CN102708289B/zh
Publication of CN102708289A publication Critical patent/CN102708289A/zh
Application granted granted Critical
Publication of CN102708289B publication Critical patent/CN102708289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Cultivation Of Plants (AREA)

Abstract

本发明提供一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法,按以下步骤进行:数据获取、机播冬小麦种植面积提取、稻茬麦种植面积提取、将两种种植模式下冬小麦面积合并,获得冬小麦种植面积。本发明的优势在于:本发明利用免费的中等空间分辨率、高等时间分辨率的MODIS影像,解决了冬小麦提取过程中大蒜、温室蔬菜的干扰问题,在12月中下旬即可提取获得冬小麦种植面积的数据,比利用拔节期冬小麦NDVI值的方法获取结果提前4个月,且精度超过90%,能够满足大区域内数据获取的要求。

Description

一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法
技术领域
本发明涉及一种基于冬小麦种植制度利用中分辨率卫星数据(MODIS数据)提取黄淮平原区冬小麦种植面积的方法,属于卫星遥感农业技术领域。
背景技术
遥感技术以其获取数据客观、准确、及时等特点成为农业资源调查、农作物长势监测的工具。利用遥感技术获取冬小麦种植面积可以节约人力物力的投入,提高数据的准确性。
冬小麦面积提取的关键是数据源及时相的选择。20世纪90年代利用美国国家海洋和大气管理局的第三代实用气象观测卫星(NOAA卫星),求得冬小麦种植面积。由于我国人多地少、种植结构复杂,NOAA空间分辨率相对较低,导致了冬小麦种植面积提取精度不高。进入21世纪,随着粮食战略地位的提高,部分地区采用了空间分辨率较高的专题制图仪数据(TM数据)、法国的地球观测卫星(SPOT卫星)数据提取冬小麦种植面积。提取方法有目视解译、监督分类、非监督分类和基于波谱库的纯像元识别。虽然影像空间分辨率的提高及影像处理技术的改善使得冬小麦种植面积提取精度达到了90%以上,但是由于影像时间分辨率低,受天气影响较大,而且费用较高,只能在较小范围应用,不适于大范围的冬小麦种植面积调查。
与NOAA、TM相比,MODIS数据具有较高的时间分辨率,中等的空间分辨率。利用MODIS数据提取冬小麦种植面积,主要采用多时相比较的方法,提取时间最早在4月拔节期,提取精度随着提取时间的推迟、所获信息量的增加而增高。根据冬小麦的种植、生长情况,探讨一种精度较高的、在生育前期即可获取种植面积的方法。
发明内容
针对现有技术的不足,本发明提供一种基于冬小麦种植制度利用中分辨率卫星数据(MODIS数据)提取黄淮平原区冬小麦种植面积的方法,以实现在冬小麦生育前期即可大范围高精度的获取冬小麦种植面积,为黄淮平原区冬小麦农业资源调查、农作物长势监测提供准确的决策依据。
术语解释:
MODIS数据:中分辨率成像光谱仪数据。MODIS全称Moderate-resolution ImagingSpectroradiometer。
NOAA卫星:美国国家海洋和大气管理局第三代实用气象观测卫星。NOAA全称NationalOceanic and Atmospheric Administration,即美国国家海洋和大气管理局。
TM数据:专题制图仪数据。TM全称Thematic Mapper,即专题制图仪。
SPOT卫星:是法国空间研究中心(CNES)研制的一种地球观测卫星系统。SPOT系法文Systeme Probatoired’Observation dela Tarre的缩写,即地球观测系统。
冬小麦种植制度:冬小麦主产区中冬小麦与前后茬作物的种植结构和组合方式。黄淮平原冬小麦种植区是中国的主要产麦区。全区年积温4000~5000℃,年降水量500~1000毫米,热量资源可满足小麦、玉米或小麦、水稻两熟需要。种植制度包括机播冬小麦—玉米和人工撒播冬小麦—水稻两种,即发明内容中所提到的两种种植制度,两种种植制度下的小麦分别简称机播冬小麦、稻茬麦。
MYD09Q1数据:由MODIS数据加工获得的250m地表反射率8天合成产品。
NDVI值:归一化植被指数,又称标准化植被指数,全称Normalized DifferenceVegetation Index,Index,它是植物生长状态以及植被空间分布密度的最佳指示因子,与植被分布密度呈线性相关。归一化植被指数(NDVI)是近红外与红色通道反射率比值(SR=NIR/RED)的一种变换形式,NDVI=(NIR-R)/(NIR+R)。
ENVI软件:是一个完整的遥感图像处理平台,其软件处理技术覆盖了图像数据的输入/输出、图像定标、图像增强、纠正、正射校正、镶嵌、数据融合以及各种变换、信息提取、图像分类、基于知识的决策树分类、与GIS的整合、DEM及地形信息提取、雷达数据处理、三维立体显示分析。
ArcGIS软件:是一个用于构建集中管理、支持多用户的企业级GIS应用的平台。ArcGIS Server提供了丰富的GIS功能,例如地图、定位器和用在中央服务器应用中的软件对象。
亚尔勃斯(Albers)投影:又名“正轴等积割圆锥投影”,“双标准纬线等积圆锥投影”。圆锥投影的一种。为阿伯斯(Albers)拟定,故名。纬线为同心圆弧,经线为圆的半径,经线夹角与相应的经差成正比。两条割纬线投影后无任何变形。投影区域面积保持与实地相等。
本发明的技术方案如下:
一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法,包括利用计算机,按以下步骤进行:
(1)数据获取
10月下旬进行机播冬小麦、稻茬麦及同期地物样本GPS定位,获取1月中旬、4月中旬、9月中旬、10月中旬、12月中旬5期MYD09Q1数据,对数据进行投影转换,计算NDVI值,提取定位点数据,在EXCEL中打开,并求各类地物平均值;
(2)机播冬小麦种植面积提取
在时间序列上制作机播冬小麦及同期地物样本的9月中旬、10月中旬、12月中旬3期的NDVI折线图,分析机播冬小麦NDVI折线区别于同期地物的特征,在ENVI软件中建立分类决策树,设定提取域值,并对面积提取结果进行检验,提取精度大于90%时,最终确立决策树;机播冬小麦提取面积记为S1,将S1保存为矢量文件;
(3)稻茬麦种植面积提取
应用Arcgis软件,建立黄淮平原稻茬麦种植区矢量图,在ENVI软件中,建立稻茬麦种植区掩膜及机播冬小麦提取面积S1掩膜;对1月中旬、4月中旬、9月中旬3期NDVI数据应用所建立的两个掩膜,获得稻茬麦种植区3期NDVI数据;
利用EXCEL,在时间序列上制作稻茬麦及同期易干扰地物温室蔬菜、大蒜样本的1月中旬、4月中旬、9月中旬3期的NDVI折线图,分析稻茬麦NDVI折线区别于温室蔬菜、大蒜的特征,在ENVI软件中建立分类决策树,设定提取域值,并对面积提取结果进行检验,提取精度大于90%时,最终确立决策树;应用决策树,稻茬麦提取面积记为S2,将S2保存为矢量文件;
(4)将两种种植模式下冬小麦面积,即机播冬小麦的种植面积S1和稻茬麦的种植面积S2合并,获得冬小麦种植面积S=S1+S2。
根据本发明优选的,所述步骤(1)中的样本GPS定位是采用手持式GPS。所述手持式GPS的型号为麦哲伦600。MODIS数据空间分辨率为250m*250m,为了保证像元的纯正性,定位点应位于至少750m*750m同种地物范围中心。
根据本发明优选的,所述步骤(1)中的MYD09Q1数据,由MODIS数据共享平台ftp://e4ftl01u.ecs.nasa.gov/下载;利用ENVI软件进行投影转换,选择Map>Convert MapProjection,根据MODIS数据自身的特点,选用亚尔勃斯(Albers)投影,采用WGS-84坐标系。
根据本发明优选的,所述步骤(1)中的求取NDVI值,在ENVI软件中,选择Spectral>Spectral Math。在Spectral Math对话框中的Enter an expression文本框里,键入(S2-S1)/(S2+S1)然后将波谱值赋给变量S1、S2;点击OK继续,出现Variable toSpectra Pairings对话框,在Variables used in expression文本框中,选择S1-[undefined]点击Map Variable to Input File,弹出Spectra Math Input File对话框,在Select InputFile文本框中选择所需文件,点击Spectral Subset按钮,选择Warp(Sur Refl B01),连续点击两次OK,完成变量S1的赋值,同时回到Variable to Spectral Pairings对话框,进行同样操作,将Warp(Sur Refl B02)赋给变量S2;赋值完毕,选择结果文件保存路径,点击OK开始计算。
根据本发明优选的,所述步骤(1)中的提取定位点NDVI值,在ENVI中打开计算生成的NDVI文件,选择Basic Tools>Region of Interest〉ROI Tool;将出现ROI Tool对话框,选择ROI-Type>Point>Input Points from ASCII,打开Enter ASCII Points Filename对话框,选择机播冬小麦样本定位点文件,打开Input ASCII File对话框,选择GeographicLat/Lon点击OK,返回到ROI Tool对话框,选择刚定义的感兴趣区Region#1,选择File>Output ROIs to ASCII,打开Select Input File for ROI data,选择NDVI文件,点击OK,打开Output ROIs to ASCII Parameters,在Select ROIs to Output文本框中选择感兴趣区Region#1,选择文件保存路径并输出。返回ROI Tool对话框,点击New Region,依次定义新的感兴趣区,导出各类地物定位点NDVI值。
根据本发明优选的,所述步骤(2)中机播冬小麦种植面积提取决策树的建立,主要依据EXCEL表中所绘制的各类地物3个时期的NDVI折线特征,折线中机播冬小麦NDVI值,9月中旬的NDVI值>12月中旬的NDVI值>10月中旬的NDVI值,并且9月中旬的NDVI值>a,需要说明的是受气候影响,每年9月中旬的NDVI值会发生一定的变化,因此a的取值不是固定的,需要根据每年的定位点数据进行修正;在ENVI中,打开9月中旬、10月中旬、12月中旬3期NDVI数据,在ENVI主菜单中,选择Classification>Decision Tree>Build NewDecision Tree,出现ENVI Decision Tree窗口,点击Node按钮,并在Edit Decision TreeProperties对话框中输入节点名称Node 1和表达式b1 gt b2 gt b3,点击OK,出现Variable/File Pairings对话框,点击{b1}选择9月中旬NDVI文件,点击OK,依次将12月中旬NDVI文件赋值给变量b2,将10月中旬NDVI文件赋值给变量b3。返回ENVI DecisionTree窗口,右键点击Class 1按钮,选择Add Children添加新节点,点击新节点,输入b1 gt a,a值根据EXCEL表地物特征折线分析结果获得,点击OK,在ENVI Decision Tree窗口中,选择Options>Execute,出现Decision Tree Execution Parameters对话框,选择保存结果文件路径,点击OK运行。
根据本发明优选的,所述步骤(2)中的面积提取结果检验,在ENVI中,将机播冬小麦定位点数据导入,导出定位点提取结果,提取精度大于90%时,即可确定决策树为机播冬小麦种植面积提取决策树。
根据本发明优选的,所述步骤(3)中应用Arcgis软件,建立黄淮平原区稻茬麦矢量图,首先调查黄淮平原区稻茬麦的分布情况,精确到村;应用Arcgis软件,在1:25万中国行政区空间图上,标注调查区域;在Arcgis软件中,拓扑标注区域形成黄淮平原稻茬麦矢量图。
根据本发明优选的,所述步骤(3)在ENVI软件中,裁取稻茬麦种植区域为研究区,在ENVI软件中打开稻茬麦种植区矢量图及S1矢量图,选择Basic Tools>Masking>BuildMask,选择要建立掩膜的窗口,打开Mask Definition对话框,在Selected Attributes forMask文本框选择稻茬麦种植区矢量文件,选择结果保存方式,点击Apply运行获得掩膜文件Mask1,同样步骤获得S1矢量图的掩膜文件Mask2;应用掩膜,Basic Tools>Masking>ApplyMask,打开Apply Mask Input File选择需要掩膜的NDVI数据文件,应用掩膜的同时,将数据裁剪为更小的稻茬麦种植区范围,点击Spatial Subset打开Select Spatial Subset对话框,选择Subset using>ROI/EVF,打开Subset Image by ROI/EVF,选择稻茬麦种植区矢量文件,连续两次点击OK,返回Apply Mask Input File对话框,点击Select Mask Band,选择Mask1,连续两次点击OK,打开Apply Mask Parameters对话框,设置Mask Value为1,选择结果保存方式,点击OK运行;对运行结果应用Mask2掩膜,设置Mask Value为0,保存运行结果。
根据本发明优选的,所述步骤(3)中稻茬麦面积提取,(4月中旬的NDVI值-1月中旬的NDVI值)>b,1月中旬的NDVI值>c,9月中旬的NDVI值>a。a同步骤(2),b、c取值不是固定的,需要根据每年的定位点数据进行修正。
本发明的优势在于:
本发明利用免费的中等空间分辨率、高等时间分辨率的MODIS影像,解决了冬小麦提取过程中大蒜、温室蔬菜的干扰问题,在12月中下旬即可获取冬小麦种植面积的数据,比利用拔节期冬小麦NDVI值的方法获取结果提前4个月,且精度超过90%,能够满足大区域内数据获取的要求。
附图说明
图1是本发明所述方法的流程框图;
图2是实施例1中步骤(2)的6类地物3个时期NDVI折线图;
图3是实施例1中步骤(3)的3个时期温室蔬菜、稻茬麦、大蒜NDVI折线图;
图4是实施例1中步骤(3)的稻茬麦种植面积提取图,其中黑色斑点区域为提取出的稻茬麦种植区;
图5是实施例1中步骤(4)的山东省冬小麦的种植面积提取图,其中黑色斑点区域为山东省冬小麦种植区。
具体实施方式
下面结合实施例进一步对本发明做进一步说明,但不限于此。
实施例1、以山东省冬小麦为例
如图1-5所示。
一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法,包括步骤如下:
(1)数据获取
山东省冬小麦10月中下旬播种,12月上中旬分蘖,由于10月中下旬部分温室蔬菜处于移栽期,12月缓苗后蔬菜迅速生长,NDVI值变化类似冬小麦,影响了冬小麦面积的提取精度。山东省也是大蒜的主产地,大蒜于9月下旬至10月上旬播种,冬季的生长状态与冬小麦极为相似,是冬小麦面积提取的重要障碍因素。
为了排除温室蔬菜和大蒜的干扰,2008年10月下旬,对山东省机播冬小麦、稻茬麦、温室蔬菜、大蒜、村庄、裸露棉花田、树木7类地物进行284点GPS定位,其中机播冬小麦145个,稻茬麦16个;从MODIS数据共享平台ftp://e4ftl01u.ecs.nasa.gov/,获取研究定位点2008年1月中旬、4月中旬、9月中旬、10月中旬、12月中旬5期MYD09Q1数据,对数据进行投影转换,求取NDVI值,提取各类地物样本定位点5期NDVI值;
(2)机播冬小麦种植面积提取
求机播冬小麦、温室蔬菜、大蒜、村庄、裸露棉花田、树木6类地物9月中旬、10月中旬、12月中旬3个时期的NDVI平均值,绘制折线图(参见图2);棉花、村庄、树木的NDVI值随着季节的推移逐渐降低,冬小麦、温室蔬菜、大蒜地块的NDVI值9月中旬较高,此时冬小麦、大蒜地块多种植玉米,蔬菜种植区的温室内仍种植蔬菜;由于大蒜收获期在5月下旬早于冬小麦,收获后一般播种早熟玉米,玉米的收获期在9月中下旬;冬小麦在6月中旬左右收获,收获后播种玉米,9月中旬玉米处于灌浆期,因此冬小麦地块的NDVI值要高于大蒜地块。至10月中旬,玉米收获,冬小麦开始播种,大蒜于9月下旬至10月上旬播种,出苗早于冬小麦,温室蔬菜采用移栽方式,生长条件好,生物量增加较快,因此此时期的NDVI值温室蔬菜高于大蒜高于冬小麦。到12月中旬,冬小麦处于分蘖期,出现冬前生长高峰,大蒜、温室蔬菜的生物量都继续增加,NDVI均高于10月中旬,低于9月中旬。树木、棉花、村庄的NDVI值从9月中旬至12月中旬持续降低;基于上述分析,建立机播冬小麦种植面积提取的判识条件:NDVI值,9月中旬>12月中旬>10月中旬,并且9月中旬>0.5。
应用ENVI软件,建立判识决策树,提取山东省2008-2009年度的机播冬小麦种植面积S1,将S1保存为矢量文件。对145个机播冬小麦定位点判识结果进行检验,其中有138个点被正确判识,7个点被判成它类。判识精度为95.17%。
(3)稻茬麦种植面积的提取
受地理环境及气候因素的影响,稻茬麦是山东省沿黄流域、南四湖周边的传统耕作模式,因此稻茬麦的生长地点较为固定,根据统计年鉴,在Arcgis软件中建立山东省水稻种植区矢量图。然后在ENV软件I中,建立稻茬麦种植区掩膜。
1月冬小麦进入越冬期后至返青拔节,生长状况主要受气温影响,稻茬麦与机播冬小麦长势相近,可以利用4月中旬拔节期与1月中旬越冬期NDVI值急剧增加的特点建立冬小麦提取条件,为了排除机播冬小麦部分,需建立并应用机播冬小麦提取面积S1的掩膜。
1月至4月,温室蔬菜、大蒜的生长状态与稻茬麦类似,因此考虑排除温室蔬菜与大蒜的干扰。
对1月中旬、4月中旬、9月中旬3期NDVI数据应用所建立的两个掩膜,获得稻茬麦种植区3期NDVI数据。分析稻茬麦、温室蔬菜、大蒜3类地物NDVI特征,绘制折线图(参见图3),建立稻茬麦种植面积提取的判识条件:利用2008年NDVI值,(4月中旬的NDVI值-1月中旬的NDVI值)>0.19,1月中旬的NDVI值>0.3,9月中旬的NDVI值>0.5,提取水稻种植区2007-2008年度稻茬麦的种植面积S2(参见图4),将S2保存为矢量文件,经检验16个稻茬麦均被提取,提取精度100%。
(4)全部冬小麦种植面积的获取
将利用2008年9月、10月、12月提取的2008-2009年度的机播冬小麦种植面积S1,与利用2008年1月、4月、9月提取的2007-2008年度稻茬麦的种植面积S2合并,求得2008-2009年度山东省冬小麦的种植面积为6721万亩(参见图5)。总精度为95.65%。

Claims (9)

1.一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法,其特征在于,其包括步骤如下:
(1)数据获取
10月下旬进行机播冬小麦、稻茬麦及同期地物样本GPS定位,获取1月中旬、4月中旬、9月中旬、10月中旬、12月中旬5期MYD09Q1数据,对数据进行投影转换,计算NDVI值,提取定位点数据,在EXCEL中打开,并求各类地物平均值;
(2)机播冬小麦种植面积提取
在时间序列上制作机播冬小麦及同期地物样本的9月中旬、10月中旬、12月中旬3期的NDVI折线图,分析机播冬小麦NDVI折线区别于同期地物的特征,在ENVI软件中建立分类决策树,设定提取域值,并对面积提取结果进行检验,提取精度大于90%时,最终确立决策树;机播冬小麦提取面积记为S1,将S1保存为矢量文件;
(3)稻茬麦种植面积提取
应用Arcgis软件,建立黄淮平原稻茬麦种植区矢量图,在ENVI软件中,建立稻茬麦种植区掩膜及机播冬小麦提取面积S1掩膜;对1月中旬、4月中旬、9月中旬3期NDVI数据应用所建立的两个掩膜,获得稻茬麦种植区3期NDVI数据;
利用EXCEL,在时间序列上制作稻茬麦及同期易干扰地物温室蔬菜、大蒜样本的1月中旬、4月中旬、9月中旬3期的NDVI折线图,分析稻茬麦NDVI折线区别于温室蔬菜、大蒜的特征,在ENVI软件中建立分类决策树,设定提取域值,并对面积提取结果进行检验,提取精度大于90%时,最终确立决策树;应用决策树,稻茬麦提取面积记为S2,将S2保存为矢量文件;
(4)将两种种植模式下冬小麦面积,即机播冬小麦的种植面积S1和稻茬麦的种植面积S2合并,获得冬小麦种植面积S=S1+S2;
所述步骤(1)中的MYD09Q1数据,由MODIS数据共享平台ftp://e4ftl01u.ecs.nasa.gov/下载;利用ENVI软件进行投影转换,选择Map>Convert MapProjection,根据MODIS数据自身的特点,选用亚尔勃斯(Albers)投影,采用WGS-84坐标系。
2.根据权利要求1所述的提取黄淮平原区冬小麦种植面积的方法,其特征在于,所述步骤(1)中的样本GPS定位是采用手持式GPS。
3.根据权利要求1所述的提取黄淮平原区冬小麦种植面积的方法,其特征在于,所述步骤(1)中的求取NDVI值,在ENVI软件中,选择Spectral>Spectral Math;在Spectral Math对话框中的Enter an expression文本框里,键入(S2-S1)/(S2+S1)然后将波谱值赋给变量S1、S2;点击OK继续,出现Variable to Spectra Pairings对话框,在Variables used inexpression文本框中,选择S1-[undefined],点击Map Variable to Input File,弹出Spectra Math Input File对话框,在Select Input File文本框中选择所需文件,点击Spectral Subset按钮,选择Warp(Sur Refl B01),连续点击两次OK,完成变量S1的赋值,同时回到Variable to Spectral Pairings对话框,进行同样操作,将Warp(Sur ReflB02)赋给变量S2;赋值完毕,选择结果文件保存路径,点击OK开始计算。
4.根据权利要求1所述的提取黄淮平原区冬小麦种植面积的方法,其特征在于,所述步骤(1)中的提取定位点NDVI值,在ENVI中打开计算生成的NDVI文件,选择BasicTools>Region of Interest〉ROI Tool;将出现ROI Tool对话框,选择ROI-Type>Point>InputPoints from ASCII,打开Enter ASCII Points Filename对话框,选择机播冬小麦样本定位点文件,打开Input ASCII File对话框,选择Geographic Lat/Lon点击OK,返回到ROITool对话框,选择刚定义的感兴趣区Region#1,选择File>Output ROIs to ASCII,打开Select Input File for ROI data,选择NDVI文件,点击OK,打开Output ROIs to ASCIIParameters,在Select ROIs to Output文本框中选择感兴趣区Region#1,选择文件保存路径并输出;返回ROI Tool对话框,点击New Region,依次定义新的感兴趣区,导出各类地物定位点NDVI值。
5.根据权利要求1所述的提取黄淮平原区冬小麦种植面积的方法,其特征在于,所述步骤(2)中机播冬小麦种植面积提取决策树的建立,依据EXCEL表中所绘制的各类地物3个时期的NDVI折线特征,折线中机播冬小麦NDVI值,9月中旬的NDVI值>12月中旬的NDVI值>10月中旬的NDVI值,并且9月中旬的NDVI值>a,受气候影响,在ENVI中,打开9月中旬、10月中旬、12月中旬3期NDVI数据,在ENVI主菜单中,选择Classification>DecisionTree>Build New Decision Tree,出现ENVI Decision Tree窗口,点击Node按钮,并在Edit Decision Tree Properties对话框中输入节点名称Node 1和表达式b1 gt b2 gt b3,点击OK,出现Variable/File Pairings对话框,点击{b1}选择9月中旬NDVI文件,点击OK,依次将12月中旬NDVI文件赋值给变量b2,将10月中旬NDVI文件赋值给变量b3;返回ENVI Decision Tree窗口,右键点击Class 1按钮,选择Add Children添加新节点,点击新节点,输入b1 gt a,a值根据EXCEL表地物特征折线分析结果获得,点击OK,在ENVI Decision Tree窗口中,选择Options>Execute,出现Decision Tree ExecutionParameters对话框,选择保存结果文件路径,点击OK运行。
6.根据权利要求1所述的提取黄淮平原区冬小麦种植面积的方法,其特征在于,所述步骤(2)中的面积提取结果检验,在ENVI中,将机播冬小麦定位点数据导入,导出定位点提取结果,提取精度大于90%时,确定决策树为机播冬小麦种植面积提取决策树。
7.根据权利要求1所述的提取黄淮平原区冬小麦种植面积的方法,其特征在于,所述步骤(3)中应用Arcgis软件,建立黄淮平原区稻茬麦矢量图,首先调查黄淮平原区稻茬麦的分布情况,精确到村;应用Arcgis软件,在1:25万中国行政区空间图上,标注调查区域;在Arcgis软件中,拓扑标注区域形成黄淮平原稻茬麦矢量图。
8.根据权利要求1所述的提取黄淮平原区冬小麦种植面积的方法,其特征在于,所述步骤(3)在ENVI软件中,裁取稻茬麦种植区域为研究区,在ENVI软件中打开稻茬麦种植区矢量图及S1矢量图,选择Basic Tools>Masking>Build Mask,选择要建立掩膜的窗口,打开Mask Definition对话框,在Selected Attributes for Mask文本框选择稻茬麦种植区矢量文件,选择结果保存方式,点击Apply运行获得掩膜文件Mask1,同样步骤获得S1矢量图的掩膜文件Mask2;应用掩膜,Basic Tools>Masking>Apply Mask,打开Apply MaskInput File选择需要掩膜的NDVI数据文件,应用掩膜的同时,将数据裁剪为更小的稻茬麦种植区范围,点击Spatial Subset打开Select Spatial Subset对话框,选择Subset using>ROI/EVF,打开Subset Image by ROI/EVF,选择稻茬麦种植区矢量文件,连续两次点击OK,返回Apply Mask Input File对话框,点击Select Mask Band,选择Mask1,连续两次点击OK,打开Apply Mask Parameters对话框,设置Mask Value为1,选择结果保存方式,点击OK运行;对运行结果应用Mask2掩膜,设置Mask Value为0,保存运行结果。
9.根据权利要求1所述的提取黄淮平原区冬小麦种植面积的方法,其特征在于,所述步骤(3)中稻茬麦面积提取,(4月中旬的NDVI值-1月中旬的NDVI值)>b,1月中旬的NDVI值>c,9月中旬的NDVI值>a。
CN201210137553.2A 2012-05-07 2012-05-07 一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法 Active CN102708289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210137553.2A CN102708289B (zh) 2012-05-07 2012-05-07 一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210137553.2A CN102708289B (zh) 2012-05-07 2012-05-07 一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法

Publications (2)

Publication Number Publication Date
CN102708289A CN102708289A (zh) 2012-10-03
CN102708289B true CN102708289B (zh) 2014-12-10

Family

ID=46901045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210137553.2A Active CN102708289B (zh) 2012-05-07 2012-05-07 一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法

Country Status (1)

Country Link
CN (1) CN102708289B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103902802B (zh) * 2012-12-29 2017-06-13 中国科学院深圳先进技术研究院 一种顾及空间信息的植被指数时间序列数据重建方法
CN103310197A (zh) * 2013-06-13 2013-09-18 山东省农业可持续发展研究所 一种利用中分辨率卫星数据提取黄淮海平原区大蒜种植面积的方法
CN103336956B (zh) * 2013-07-10 2016-08-10 福州大学 一种基于遥感时序数据的冬小麦面积估算方法
CN105046242B (zh) * 2015-08-24 2018-02-13 山东省农业可持续发展研究所 一种基于Landsat 8影像二维特征空间的芦笋种植面积提取方法
CN106372592B (zh) * 2016-08-29 2019-07-16 中国农业科学院农业资源与农业区划研究所 一种基于冬小麦面积指数的冬小麦种植面积计算方法
CN106503662B (zh) * 2016-10-25 2019-05-03 山东省海洋生物研究院 一种潮间带鼠尾藻藻床资源量的评估方法
CN106529451B (zh) * 2016-10-28 2019-06-18 山东省农业可持续发展研究所 一种冬小麦—夏玉米种植模式遥感识别方法
CN107045719A (zh) * 2017-04-12 2017-08-15 江苏省无线电科学研究所有限公司 基于图像的甘蔗茎伸长期及玉米拔节期自动检测方法
CN108764688B (zh) * 2018-05-21 2021-11-23 浙江大学 基于星地多源降水数据融合的冬小麦湿渍害遥感监测方法
CN109493332B (zh) * 2018-11-06 2021-06-22 北京京航计算通讯研究所 基于envi的优化矢量选取roi遥感影像预处理系统
CN112085781B (zh) * 2020-09-08 2021-05-11 中国农业科学院农业资源与农业区划研究所 一种基于光谱重构技术提取冬小麦种植面积的方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1731216A (zh) * 2005-08-19 2006-02-08 广州地理研究所 一种大面积作物种植面积及其产量的遥感检测估算方法
CN102175209A (zh) * 2010-12-07 2011-09-07 北京师范大学 历史遥感产品数据支持下的作物种植面积测量高效抽样方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7529642B2 (en) * 2004-08-20 2009-05-05 Pdf Solutions S.A. Method for evaluating the quality of data collection in a manufacturing environment

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1731216A (zh) * 2005-08-19 2006-02-08 广州地理研究所 一种大面积作物种植面积及其产量的遥感检测估算方法
CN102175209A (zh) * 2010-12-07 2011-09-07 北京师范大学 历史遥感产品数据支持下的作物种植面积测量高效抽样方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
农作物种植面积遥感提取研究进展;燕荣江等;《安徽农业科学》;20101231;第14767-14768页 *
利用多源时序遥感数据提取大范围水稻种植面积;邬明权等;《农业工程学报》;20100731;第26卷(第7期);第240-244页 *
燕荣江等.农作物种植面积遥感提取研究进展.《安徽农业科学》.2010,第14767-14768页. *
邬明权等.利用多源时序遥感数据提取大范围水稻种植面积.《农业工程学报》.2010,第26卷(第7期),第240-244页. *

Also Published As

Publication number Publication date
CN102708289A (zh) 2012-10-03

Similar Documents

Publication Publication Date Title
CN102708289B (zh) 一种基于冬小麦种植制度利用中分辨率卫星数据提取黄淮平原区冬小麦种植面积的方法
CN109829234B (zh) 一种基于高分辨率遥感数据和作物模型的跨尺度高精度动态作物长势监测和估产方法
Azar et al. Assessing in-season crop classification performance using satellite data: A test case in Northern Italy
CN105740759B (zh) 基于多时相数据中特征提取的中稻信息决策树分类方法
CN105678281B (zh) 基于光谱和纹理特征的地膜覆盖农田遥感监测方法
CN105372672B (zh) 基于时间序列数据的南方冬种作物种植面积提取方法
CN106529451B (zh) 一种冬小麦—夏玉米种植模式遥感识别方法
CN114821362B (zh) 一种基于多源数据的水稻种植面积提取方法
CN109614891A (zh) 基于物候学和遥感的农作物识别方法
CN114387516B (zh) 一种针对复杂地形环境下中小田块的单季稻sar识别方法
CN103310197A (zh) 一种利用中分辨率卫星数据提取黄淮海平原区大蒜种植面积的方法
CN111670668A (zh) 基于高光谱遥感处方图的水稻农用无人机精准追肥方法
Bai et al. Growth simulation and yield prediction for perennial jujube fruit tree by integrating age into the WOFOST model
CN114519823A (zh) 一种利用Sentinel-2时间序列影像数据的农作物制图方法
CN113177942A (zh) 大豆种植区遥感监测识别方法、装置、电子设备和介质
CN105678280B (zh) 基于纹理特征的地膜覆盖农田遥感监测方法
Zhangzhong et al. Development of an evapotranspiration estimation method for lettuce via mobile phones using machine vision: Proof of concept
Tang et al. UAV-based high spatial and temporal resolution monitoring and mapping of surface moisture status in a vineyard
CN115512233A (zh) 地块尺度耕地种植属性多时相遥感提取方法
Yang et al. Feature extraction of cotton plant height based on DSM difference method
Hangbin et al. MODIS data based NDVI Seasonal dynamics in agro-ecosystems of south bank Hangzhouwan bay
Jia et al. Crop classification based on a gaofen 1/wide-field-view time series
Zeng et al. Calibration of the Crop model in the Community Land Model
Sisheber et al. Assimilation of Earth Observation data for crop yield estimation in smallholder agricultural systems
Luo et al. Staple crop mapping with Chinese GaoFen-1 and GaoFen-6 satellite images: A case study in Yanshou County, Heilongjiang Province, China

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant