CN106772429B - 基于生长盛期nmdi增减比值指数的玉米自动制图方法 - Google Patents

基于生长盛期nmdi增减比值指数的玉米自动制图方法 Download PDF

Info

Publication number
CN106772429B
CN106772429B CN201611210341.7A CN201611210341A CN106772429B CN 106772429 B CN106772429 B CN 106772429B CN 201611210341 A CN201611210341 A CN 201611210341A CN 106772429 B CN106772429 B CN 106772429B
Authority
CN
China
Prior art keywords
nmdi
index
crop growth
peak
peak period
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.)
Expired - Fee Related
Application number
CN201611210341.7A
Other languages
English (en)
Other versions
CN106772429A (zh
Inventor
邱炳文
罗钰涵
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.)
Fuzhou University
Original Assignee
Fuzhou University
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 Fuzhou University filed Critical Fuzhou University
Priority to CN201611210341.7A priority Critical patent/CN106772429B/zh
Publication of CN106772429A publication Critical patent/CN106772429A/zh
Application granted granted Critical
Publication of CN106772429B publication Critical patent/CN106772429B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1793—Remote sensing

Abstract

本发明涉及一种基于生长盛期NMDI增减比值指数的玉米自动制图方法：逐像元建立研究区的植被指数时序数据集和NMDI时序数据集；逐像元计算农作物在每个生长周期内的EVI最大值，获取农作物生长峰值时间；依据所述农作物生长峰值时间，确定农作物生长盛期前段区间和农作物生长盛期后段区间；分别建立所述农作物生长盛期前段区间的NMDI增量指标和所述农作物生长盛期后段区间的NMDI增量指标；分别建立所述农作物生长盛期前段区间的NMDI减量指标和所述农作物生长盛期后段区间的NMDI减量指标；基于所述NMDI增量指标和NMDI减量指标，建立NMDI增减比值指数；依据所述NMDI增减比值指数进行研究区玉米制图。本发明具备自动化程度高、简单易用、鲁棒性好以及分类精度高等特点。

Description

基于生长盛期NMDI增减比值指数的玉米自动制图方法
技术领域
本发明涉及一种基于生长盛期NMDI增减比值指数的玉米自动制图方法。
背景技术
准确快速掌握农作物种植面积及其空间分布，对于确保人口大国的粮食安全至关重要。传统的农业抽样调查方法，难以突破成本高、耗时长以及无法全覆盖的局限性。遥感影像具有时效性强、覆盖范围大的特点，已在农作物面积监测中发挥着重要作用。由于不同农作物的光谱具有一定的相似性，给基于单幅或少数几幅遥感影像的分类方法带来严重的挑战。因此基于时序遥感影像的农作物面积遥感监测已成为核心发展方向。
目前基于时序遥感数据开展农作物种植面积监测方法与思想流程为，首先建立不同农作物的标准植被指数时序曲线，然后通过计算与这些不同农作物的标准植被指数时序曲线的距离或相似性，进行农作物类型判别。此类方法面临的最根本问题是：由于农作物物候、管理措施和气候条件等在不同区域范围内发生变化，导致同一种农作物的年内植被指数时序曲线可能存在非常大的差异，从而在大区域范围内很难建立不同农作物的标准植被指数时序曲线。因此，基于时序遥感影像的农作物面积遥感监测期待新的方法突破。
玉米作为第三大粮食作物，在我国农业生产中占有重要地位。快速准确获取大范围的玉米种植面积及其空间分布，对于科学预测玉米产量、确保农业可持续发展至关重要。在农作物遥感监测方面，目前相关研究仍集中在水稻和冬小麦等大宗农作物方面。在水稻遥感监测方面，目前比较有效的方法是：基于水稻移栽期的植被指数/水体指数的差值，或基于水稻特定物候期综合植被指数/水体指数设计新的指数。如在水稻移栽到抽穗这段时间内，基于水体指数变化幅度较小而植被指数变化幅度较大的特点，设计基于两者比值的水体与植被指数变化比值指数，用于水稻自动遥感提取。与水稻遥感监测类似，在冬小麦遥感监测方面，一种比较有效的方法是：综合冬小麦播种期、抽穗期以及成熟期，设计冬小麦生长前期以及生长后期的植被指数增量指标，建立冬小麦信息提取模型。
这些方法的巧妙之处在于，在特定物候期内，基于植被指数/水体指数时序曲线，发现水稻/冬小麦不同于其他农作物的独特性。这种方法与思路在大范围玉米遥感监测方面同样有效。但问题是，如何有效地从时序遥感影像中，挖掘出玉米有别于其他农作物的独特性是亟待解决的难题。
发明内容
有鉴于此，本发明的目的在于提供一种基于生长盛期NMDI增减比值指数的玉米自动制图方法，具备自动化程度高、简单易用、鲁棒性好以及分类精度高等特点。
为实现上述目的，本发明采用如下技术方案：一种基于生长盛期NMDI增减比值指数的玉米自动制图方法，其特征在于，包括以下步骤：
步骤S01：逐像元建立研究区的植被指数时序数据集和NMDI时序数据集；
步骤S02：逐像元计算农作物在每个生长周期内的EVI最大值，获取农作物生长峰值时间；
步骤S03：依据所述农作物生长峰值时间，确定农作物生长盛期前段区间和农作物生长盛期后段区间；
步骤S04：分别建立所述农作物生长盛期前段区间的NMDI增量指标和所述农作物生长盛期后段区间的NMDI增量指标；
步骤S05：分别建立所述农作物生长盛期前段区间的NMDI减量指标和所述农作物生长盛期后段区间的NMDI减量指标；
步骤S06：基于所述NMDI增量指标和NMDI减量指标，建立NMDI增减比值指数；
步骤S07：依据所述NMDI增减比值指数进行研究区玉米制图。
进一步的，所述步骤S03中，农作物生长盛期前段区间为农作物生长峰值时间的前20天，农作物生长盛期后段区间为农作物生长峰值时间的后20天。
进一步的，所述步骤S04中，在农作物生长盛期前段区间，逐日计算NMDI的斜率，将所有数值为正的斜率累加，设为农作物生长盛期前段区间的NMDI增量指标，记为E1；在农作物生长盛期后段区间，逐日计算NMDI的斜率，将所有数值为正的斜率累加，设为农作物生长盛期后段区间的NMDI增量指标，记为E2。
进一步的，所述步骤S05中，在农作物生长盛期前段区间，逐日计算NMDI的斜率，将所有数值为负的斜率累加后求绝对值，设为农作物生长盛期前段区间的NMDI减量指标，记为D1；在农作物生长盛期后段区间，逐日计算NMDI的斜率，将所有数值为负的斜率累加后求绝对值，设为农作物生长盛期后段区间的NMDI减量指标，记为D2。
进一步的，所述步骤S6中，NMDI增减比值指数的建立方法如下：
其中，P为NMDI增减比值指数，E1为农作物生长盛期前段区间的NMDI增量指标，E2为农作物生长盛期后段区间的NMDI增量指标，D1为农作物生长盛期前段区间的NMDI减量指标，D2为农作物生长盛期后段区间的NMDI减量指标；θ为常数，取值范围为[0.001,0.004]。
进一步的，所述步骤S7中，将所述NMDI增减比值指数与阈值ω进行比较，若NMDI增减比值指数大于阈值ω，则判断该农作物为玉米，否则判断该农作物不是玉米；然后制作研究区的玉米空间分布图。
进一步的，所述阈值ω的取值为0.05。
本发明与现有技术相比具有以下有益效果：
（1）本发明通过植被指数时序数据，自动锁定植被生长最为旺盛的植被生长盛期，从而有效地排除了其他时段内信号的干扰；
（2）本发明避开通常基于植被指数时序曲线特征设计指标进行农作物遥感分类的思路，巧妙地借用归一化多波段干旱指数时序数据，充分挖掘发现农作物生长盛期内叶片湿度的变化规律，为有效地开展基于时序遥感数据的农作物自动快速监测拓展了新思路；
（3）本发明不需要过多的人工干预，方法清晰明了，可以不借助其他辅助数据，结果稳定可靠。
附图说明
图1是本发明的方法流程图。
图2是本发明一实施例中玉米的EVI、NMDI时序曲线图。
图3是本发明一实施例中大豆的EVI、NMDI时序曲线图。
图4是本发明一实施例中玉米在生长盛期前段区间的NMDI增量指标E1、E2及NMDI减量指标D1、D2的示意图。
图5是本发明一实施例中大豆在生长盛期前段区间的NMDI增量指标E1、E2及NMDI减量指标D1、D2的示意图。
图6是本发明一实施例的玉米空间分布图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1，本发明提供一种基于生长盛期NMDI增减比值指数的玉米自动制图方法，首先建立研究区归一化多波段干旱指数与植被指数的年内时序数据集，然后基于植被指数时序数据，逐像元检测每个生长周期内植被指数最大值，依据农作物生长峰值时间，确定农作物生长盛期前段区间和后段区间，在此基础上，基于归一化多波段干旱指数NMDI的时序数据集，分别建立农作物生长盛期前段区间和后段区间的NMDI增量和减量指标，基于NMDI增量指标和减量指标，建立NMDI增减比值指数，最后依据NMDI增减比值指数进行玉米自动制图。
以下对文中出现的术语进行解释：
MODIS数据：中分辨率成像光谱仪数据，全称为Moderate Resolution ImagingSpectroradiometer。
植被指数：植被指数是表征植被生长状态以及空间分布密度的因子。常见的植被指数有NDVI和EVI。NDVI为归一化植被指数，全称为Normalized Difference VegetationIndex。EVI为增强型植被指数，全称为Enhanced Vegetation Index。
年内逐日植被指数时序数据：从元旦开始，按时间顺序，逐日记录一年内的植被指数的数据列。
NMDI（Normalized Multi-band Drought Index，归一化多波段干旱指数）。
基于生长盛期NMDI增减比值指数的玉米自动制图方法具体包括以下步骤：
步骤S01：逐像元建立研究区的植被指数（EVI）时序数据集和NMDI时序数据集，计算公式分别为：
其中，EVI为植被指数，RED,BLUE,NIR分别为红光、绿光、近红外波段反射率，SWIR6、SWIR7分别为MODIS数据第六波段、第七波段短波红外波段的反射率。EVI、NMDI时序数据的建立，可以基于每日的MODIS遥感影像波段数据逐日计算，也可以基于8天最大化合成的MODIS遥感影像波段数据进行计算的基础上通过线性插值获得。利用Whittakersmoother平滑方法，对原始年内时序数据集进行平滑处理，从而获得研究区平滑的年内逐日EVI、NMDI时序曲线图，作为玉米遥感监测的基础。图2、图3分别玉米、大豆的EVI、NMDI时序曲线图。
NMDI时序曲线综合反映土壤和植被的湿度状况。在无植被覆盖的情况下，NMDI时序曲线的变化体现为土壤湿度的变化，表现为：土壤湿度越高，NMDI的数值越小。在植被覆盖非常好的情况下，NMDI时序曲线的变化主要体现为植被（主要是叶片）湿度的变化，此时NMDI的数值和植被湿度接近线性正相关的关系，即：植被湿度越高，NMDI的数值越大。
步骤S02：逐像元计算农作物在每个生长周期内的EVI最大值，获取农作物生长峰值时间；
首先依据研究区耕地复种指数空间分布图，获得每个像元所具备的农作物一年内生长周期的个数。如：耕地复种指数为1，表示该像元在一年内具备一个农作物生长周期；耕地复种指数为2，表示该像元在一年内具备两个农作物生长周期；依此类推。在研究区耕地范围内，逐像元针对每个农作物生长周期，计算EVI时序曲线的最大值，其所对应的时间为该像元在此生长周期内的农作物生长峰值时间。如果该像元的耕地复种指数为2或者大于2，则将这些获得的农作物生长盛期所对应的时刻依次记录为Pn，其中n一般可以取值为1，2，3。
步骤S03：依据所述农作物生长峰值时间，确定农作物生长盛期前段区间和农作物生长盛期后段区间；
逐像元依据每个生长周期内农作物生长峰值时间，确定农作物生长盛期。在作物生长盛期内，农作物生长茂盛，表现为EVI数值相对偏高。将农作物生长峰值时间前后20天，总共40天时间范围确定为农作物生长盛期。将农作物生长峰值时间前20天，定义为农作物生长盛期前段区间；将农作物生长峰值时间后20天，定义为农作物生长盛期后段区间。
步骤S04：分别建立所述农作物生长盛期前段区间的NMDI增量指标和所述农作物生长盛期后段区间的NMDI增量指标；
分别在农作物生长盛期前段区间和后段区间，建立NMDI增量指标。其过程如下：在农作物生长盛期前段区间，逐日计算NMDI时序曲线的斜率，将所有数值为正的斜率累加，设为农作物生长盛期前段区间的NMDI增量指标，记为E1；同样的，在农作物生长盛期后段区间，逐日计算NMDI时序曲线的斜率，将所有数值为正的斜率累加，设为农作物生长盛期后段区间的NMDI增量指标，记为E2。NMDI增量指标，反应了农作物生长盛期内NMDI的累计增幅。相对其他旱地作物而言，玉米在农作物生长盛期前段和后段NMDI增量指标的数值均比较大，因此可以作为判别玉米的依据。以玉米、大豆为例，生长盛期前段和后段的NMDI增量指标E1、E2的示意图见图4和图5。
步骤S05：分别建立所述农作物生长盛期前段区间的NMDI减量指标和所述农作物生长盛期后段区间的NMDI减量指标；
分别在农作物生长盛期前段区间和后段区间，建立NMDI减量指标。其过程如下：在农作物生长盛期前段区间，逐日计算NMDI时序曲线的斜率，将所有数值为负的斜率累加后求绝对值，设为农作物生长盛期前段区间的NMDI减量指标，记为D1；同样的，在农作物生长盛期后段区间，逐日计算NMDI时序曲线的斜率，将所有数值为负的斜率累加后求绝对值，设为农作物生长盛期后段区间的NMDI减量指标，记为D2。相对其他旱地作物而言，玉米在农作物生长盛期后段的NMDI减量指标，比农作物生长盛期前段的NMDI减量指标较大，为进一步识别玉米提供了依据。以玉米、大豆为例，生长盛期前段和后段的NMDI减量指标D1、D2的示意图见图4和图5。
步骤S06：基于所述NMDI增量指标和NMDI减量指标，建立NMDI增减比值指数；建立方法如下：
其中，P为NMDI增减比值指数，E1为农作物生长盛期前段区间的NMDI增量指标，E2为农作物生长盛期后段区间的NMDI增量指标，D1为农作物生长盛期前段区间的NMDI减量指标，D2为农作物生长盛期后段区间的NMDI减量指标；θ为常数，其数值取值区间范围为[0.001,0.004]。
步骤S07：依据所述NMDI增减比值指数进行研究区玉米制图。
相对其他农作物而言，玉米在整个农作物生长盛期NMDI增量指标(E1+E2)，以及农作物生长盛期前段NMDI增量指标(E1)均比较大。并且，相对其他农作物而言，玉米在农作物生长盛期后段的NMDI减量指标占比整个农作物生长期的NMDI减量指标(D2/(D1+D2))偏大。因此，玉米的NMDI增减比值指数的数值必然偏大。可以依据NMDI增减比值指数进行玉米制图。将所述NMDI增减比值指数与阈值ω进行比较，若NMDI增减比值指数大于阈值ω，则判断对应像元的农作物为玉米，否则判断该农作物不是玉米，其中，阈值ω为常数，本实施例中其取值为0.05；然后制作研究区的玉米空间分布图。以中国河南省作为研究区为例，获得的研究区玉米空间分布图见图6。
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (7)

1.一种基于生长盛期NMDI增减比值指数的玉米自动制图方法，其特征在于，包括以下步骤：
步骤S01：逐像元建立研究区的植被指数时序数据集和NMDI时序数据集；
步骤S02：逐像元计算农作物在每个生长周期内的EVI最大值，获取农作物生长峰值时间；
步骤S03：依据所述农作物生长峰值时间，确定农作物生长盛期前段区间和农作物生长盛期后段区间；
步骤S04：分别建立所述农作物生长盛期前段区间的NMDI增量指标和所述农作物生长盛期后段区间的NMDI增量指标；
步骤S05：分别建立所述农作物生长盛期前段区间的NMDI减量指标和所述农作物生长盛期后段区间的NMDI减量指标；
步骤S06：基于所述NMDI增量指标和NMDI减量指标，建立NMDI增减比值指数；
步骤S07：依据所述NMDI增减比值指数进行研究区玉米制图。
2.根据权利要求1所述的基于生长盛期NMDI增减比值指数的玉米自动制图方法，其特征在于：所述步骤S03中，农作物生长盛期前段区间为农作物生长峰值时间的前20天，农作物生长盛期后段区间为农作物生长峰值时间的后20天。
3.根据权利要求1所述的基于生长盛期NMDI增减比值指数的玉米自动制图方法，其特征在于：所述步骤S04中，在农作物生长盛期前段区间，逐日计算NMDI的斜率，将所有数值为正的斜率累加，设为农作物生长盛期前段区间的NMDI增量指标，记为E1；在农作物生长盛期后段区间，逐日计算NMDI的斜率，将所有数值为正的斜率累加，设为农作物生长盛期后段区间的NMDI增量指标，记为E2。
4.根据权利要求1所述的基于生长盛期NMDI增减比值指数的玉米自动制图方法，其特征在于：所述步骤S05中，在农作物生长盛期前段区间，逐日计算NMDI的斜率，将所有数值为负的斜率累加后求绝对值，设为农作物生长盛期前段区间的NMDI减量指标，记为D1；在农作物生长盛期后段区间，逐日计算NMDI的斜率，将所有数值为负的斜率累加后求绝对值，设为农作物生长盛期后段区间的NMDI减量指标，记为D2。
5.根据权利要求1所述的基于生长盛期NMDI增减比值指数的玉米自动制图方法，其特征在于：所述步骤S06中，NMDI增减比值指数的建立方法如下：
其中，P为NMDI增减比值指数，E1为农作物生长盛期前段区间的NMDI增量指标，E2为农作物生长盛期后段区间的NMDI增量指标，D1为农作物生长盛期前段区间的NMDI减量指标，D2为农作物生长盛期后段区间的NMDI减量指标；θ为常数，取值范围为[0.001,0.004]。
6.根据权利要求1所述的基于生长盛期NMDI增减比值指数的玉米自动制图方法，其特征在于：所述步骤S07中，将所述NMDI增减比值指数与阈值ω进行比较，若NMDI增减比值指数大于阈值ω，则判断该农作物为玉米，否则判断该农作物不是玉米；然后制作研究区的玉米空间分布图。
7.根据权利要求6所述的基于生长盛期NMDI增减比值指数的玉米自动制图方法，其特征在于：所述阈值ω的取值为0.05。
CN201611210341.7A 2016-12-24 2016-12-24 基于生长盛期nmdi增减比值指数的玉米自动制图方法 Expired - Fee Related CN106772429B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201611210341.7A CN106772429B (zh) 2016-12-24 2016-12-24 基于生长盛期nmdi增减比值指数的玉米自动制图方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611210341.7A CN106772429B (zh) 2016-12-24 2016-12-24 基于生长盛期nmdi增减比值指数的玉米自动制图方法

Publications (2)

Publication Number Publication Date
CN106772429A CN106772429A (zh) 2017-05-31
CN106772429B true CN106772429B (zh) 2019-02-22

Family

ID=58919282

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611210341.7A Expired - Fee Related CN106772429B (zh) 2016-12-24 2016-12-24 基于生长盛期nmdi增减比值指数的玉米自动制图方法

Country Status (1)

Country Link
CN (1) CN106772429B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107340268B (zh) * 2017-07-07 2019-07-09 福州大学 一种基于遥感时序数据的旱地作物识别方法
CN111191963A (zh) * 2020-01-21 2020-05-22 福州大学 一种基于生长期色素变化特征的花生空间分布制图方法
CN114118679B (zh) * 2021-10-14 2022-09-16 农业农村部规划设计研究院 一种基于时序遥感数据的作物单产及长势评估方法
CN114299393A (zh) * 2021-12-30 2022-04-08 福州大学 一种基于光学和雷达时序数据的烟稻种植模式识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971027A (zh) * 2014-05-29 2014-08-06 福州大学 基于水体与植被指数变化比值指数的水稻自动制图方法
CN104850694A (zh) * 2015-05-13 2015-08-19 福州大学 基于生长期植被指数增量的冬小麦遥感监测方法
CN105023011A (zh) * 2015-08-19 2015-11-04 苏州奥诺遥感科技有限公司 一种基于hmm的农作物物候动态估计方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103971027A (zh) * 2014-05-29 2014-08-06 福州大学 基于水体与植被指数变化比值指数的水稻自动制图方法
CN104850694A (zh) * 2015-05-13 2015-08-19 福州大学 基于生长期植被指数增量的冬小麦遥感监测方法
CN105023011A (zh) * 2015-08-19 2015-11-04 苏州奥诺遥感科技有限公司 一种基于hmm的农作物物候动态估计方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Advances in estimation methods of vegetation water content based on optical remote sensing techniques;ZHANG JiaHua1 et al.;《Science China(Technological Sciences)》;20100531;第53卷(第5期);第1159-1167页
MODIS植被指数监测农业干旱的适宜性评价;李华朋等;《光谱学与光谱分析》;20130331;第33卷(第3期);第756-761页
归一化多波段干旱指数在农田干旱监测中的应用;张红卫等;《科技导报》;20090615;第27卷(第11期);第23-26页

Also Published As

Publication number Publication date
CN106772429A (zh) 2017-05-31

Similar Documents

Publication Publication Date Title
CN106772429B (zh) 基于生长盛期nmdi增减比值指数的玉米自动制图方法
CN105678281B (zh) 基于光谱和纹理特征的地膜覆盖农田遥感监测方法
CN109829234A (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
CN106780091A (zh) 基于植被指数时空间统计特征的农业灾害信息遥感提取方法
CN104850694B (zh) 基于生长期植被指数增量的冬小麦遥感监测方法
CN106529451B (zh) 一种冬小麦—夏玉米种植模式遥感识别方法
CN109948596A (zh) 一种基于植被指数模型进行水稻识别和种植面积提取的方法
CN109740570B (zh) 一种基于地形指数和物候差异的梯田遥感识别方法
CN109543552B (zh) 基于生长期多特征提取的水稻生长区域制图方法及系统
CN106096630B (zh) 一种集成像元与对象的水稻自动变化检测方法
CN102708289A (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
CN114821362A (zh) 一种基于多源数据的水稻种植面积提取方法
CN103971027A (zh) 基于水体与植被指数变化比值指数的水稻自动制图方法
CN107340268B (zh) 一种基于遥感时序数据的旱地作物识别方法
CN111191963A (zh) 一种基于生长期色素变化特征的花生空间分布制图方法
CN110427798A (zh) 一种青菜智能识别及叶色环境变化预测的方法
Liu et al. Mapping paddy rice in Jiangsu Province, China, based on phenological parameters and a decision tree model
CN114708490A (zh) 水稻种植提取及复种指数监测方法、系统、终端及存储介质
CN110598514B (zh) 一种土地整治项目区地块尺度农作物播种面积监测方法
CN115641504A (zh) 一种基于作物物候特征与决策树模型的田块边界自动化遥感提取方法
CN105678280B (zh) 基于纹理特征的地膜覆盖农田遥感监测方法
CN107273797A (zh) 基于水体指数变异系数的水稻亚像元识别方法
CN114549967A (zh) 一种大蒜种植区域的提取方法及装置
CN117274798B (zh) 基于正则化的时序变分模型的遥感水稻识别方法
CN111275567B (zh) 基于无人机影像的senp棉花产量估算方法及估算模型构建方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20190222

Termination date: 20211224

CF01 Termination of patent right due to non-payment of annual fee