基于遥感地理特征曲线的主要农作物种植面积大尺度提取

doi:10.12190/j.issn.2096-1197.2021.01.18

北方农业学报 ›› 2021, Vol. 49 ›› Issue (1): 127-134.doi: 10.12190/j.issn.2096-1197.2021.01.18

• 农业信息技术 • 上一篇

基于遥感地理特征曲线的主要农作物种植面积大尺度提取

乌兰吐雅^1,2, 于利峰^1,2, 包珺玮^1,2, 许洪滔^1,2, 乌云德吉^1,2, 任婷婷^1,2, 赵佳乐^1,2, 敦惠霞¹, 于伟卓¹

1.内蒙古自治区农牧业科学院农牧业经济与信息研究所,内蒙古呼和浩特 010031;
2.内蒙古自治区农业遥感工程技术研究中心,内蒙古呼和浩特 010031

收稿日期:2020-10-21 出版日期:2021-02-20 发布日期:2021-03-23
通讯作者: 敦惠霞（1962—）,女,编审,学士,主要从事农业信息管理与期刊出版工作。
作者简介:乌兰吐雅（1970—）,女,副研究员,硕士,主要从事农业遥感监测及评价的研究工作。
基金资助:
内蒙古农牧业科学院创新基金（2018年CXJJ09,2020QNJJN04）

Large scale extraction of main crops growing area based on remote sensing geographic feature curve

Wulantuya^1,2, YU Lifeng^1,2, BAO Junwei^1,2, XU Hongtao^1,2, Wuyundeji^1,2, REN Tingting^1,2, ZHAO Jiale^1,2, DUN Huixia¹, YU Weizhuo¹

1. Institute of Agricultural and Animal Husbandry Economy and Information,Inner Mongolia Academy of Agricultural and Animal Husbandry Sciences,Hohhot 010031,China;
2. Inner Mongolia Engineering and Technology Research Center for Agricultural Remote Sensing,Hohhot 010031,China

Received:2020-10-21 Online:2021-02-20 Published:2021-03-23

摘要/Abstract

摘要： 【目的】研究利用遥感地理特征曲线数据快速提取内蒙古呼伦贝尔市、兴安盟的主要农作物种植面积的方法。【方法】以2018年46期（MOD09Q1）数据为数据源,计算NDVI,利用NRF滤波方法重建时间序列数据集,并与5月NDVI 最低值、DEM数据、坡度数据、5月LSWI最高值数据集成特征曲线数据集;用CART决策树分类方法对5种农作物种植面积进行提取,并利用地面样方数据进行精度验证。【结果】建立了小麦、油菜、玉米、大豆、水稻的标准特征曲线,并针对不同区域构建了适合该区域的农作物信息提取模型;地面样方数据验证相对精度达到77%以上。【结论】综合考虑遥感地理特征曲线,用CART决策树分类方法大尺度快速提取主要农作物面积是可行的。

关键词: 遥感地理特征曲线, 大尺度, 农作物, 面积提取

Abstract: 【Objective】 To study the method for extracting the growing area of main crops in Hulun Buir City and Hinggan League in Inner Mongolia by using remote sensing geographic feature curve data.【Methods】 NDVI calculated by using MOD09Q1 as the dataset,46^th,2018;reconstructed time series dataset by using the method of NRF filter and integrate feature curve data sets by adding NDVI minimum in May,DEM data,the slope data and LSWI maximum in May. The CART decision tree classification method was used to extract the growing area of 5 main crops,and the ground quadrat data was used to verify the accuracy.【Results】 The standard feature curve of wheat,oilseed rape,corn,soybean,and rice was built,and the crop information extraction models were constructed for the different areas;the relative accuracy of ground quadrat data verification reached more than 77%.【Conclusion】 Considering the remote sensing geographic feature curves,it was feasible to quickly extract the area of main crops on a large scale by using the CART decision tree classification method.

Key words: The remote sensing geographic feature curves, Large scale, Crop, Area extraction

中图分类号:

TP79

乌兰吐雅, 于利峰, 包珺玮, 许洪滔, 乌云德吉, 任婷婷, 赵佳乐, 敦惠霞, 于伟卓. 基于遥感地理特征曲线的主要农作物种植面积大尺度提取[J]. 北方农业学报, 2021, 49(1): 127-134.

Wulantuya, YU Lifeng, BAO Junwei, XU Hongtao, Wuyundeji, REN Tingting, ZHAO Jiale, DUN Huixia, YU Weizhuo. Large scale extraction of main crops growing area based on remote sensing geographic feature curve[J]. Journal of Northern Agriculture, 2021, 49(1): 127-134.

参考文献

[1] 许青云,杨贵军,龙慧灵,等. 基于MODIS NDVI多年时序数据的农作物种植识别[J].农业工程学报,2014,30(11):134-144.
[2] DONG J W,XIAOX M.Evolution of regional to global paddy rice mapping methods:A review[J].Journal of Photogrammetry and Remote Sensing,2016,119:214-227.
[3] DONG J,XIAO X,MENARGUEZ M A,et al.Mapping paddy rice planting area in northeastern Asia with Landsat 8 images,phenology-based algorithm and Google Earth Engine[J].Remote Sensing of Environment,2016,185:142-154.
[4] 孙华生. 利用多时相MODIS数据提取中国水稻种植面积和长势信息[D].杭州:浙江大学,2008.
[5] 侯玉印. 基于MODIS NDVI时间序列的肯尼亚玉米提取研究[D].青岛:山东科技大学,2015.
[6] 罗明. 大范围农作物遥感监测方法及开放服务系统应用[D].扬州:扬州大学,2018.
[7] 黄青,吴文斌,邓辉,等.2009年江苏省冬小麦和水稻种植面积信息遥感提取及长势监测[J].江苏农业科学,2010(6):508-511.
[8] 周思,何祺胜,刘宝柱.基于MODIS 的黑龙江省农作物种植结构提取研究[J].地理空间信息,2018,16(1):79-82.
[9] 刘文斌,陶建斌,徐猛,等.基于人工神经网络多源数据融合的子像元冬油菜提取——以两湖平原为例[J].自然资源学报,2019,34(5):1079-1092.
[10] 邓帆,王立辉,高贤君,等.基于多时相遥感影像监测江汉平原油菜种植面积[J].江苏农业科学,2018,46(14):200-204.
[11] 刘佳,王利民,姚保民,等.基于多时相OLI数据的宁夏大尺度水稻面积遥感估算[J].农业工程学报,2017,33(15):200-209.
[12] 刘原峰. 基于多时相GF-1 WFV影像的绿洲主要粮食作物识别及估产——以民勤绿洲为例[D].兰州:西北师范大学,2016.
[13] 曹卫彬,杨邦杰,宋金鹏.TM影像中基于光谱特征的棉花识别模型[J].农业工程学报,2004,20(4):112-116.
[14] 林文鹏. 基于MODIS波谱分析的作物信息提取研究[D].北京:中国科学院研究生院(遥感应用研究所),2006.
[15] 黄青,唐华俊,吴文斌,等.农作物分布格局动态变化的遥感监测——以东北三省为例[J].中国农业科学,2013,46(13):2668-2676.
[16] 尤慧,苏荣瑞,肖玮钰,等.基于MODIS EVI时序数据的江汉平原油菜种植分布信息提取[J].国土资源遥感,2018,30(1):173-179.
[17] 吴峰云. 基于GF-1和MODIS数据融合的鄱阳湖区域水稻空间分布提取[D].武汉:华中农业大学,2017.
[18] 平跃鹏. 基于MODIS时间序列地表物候特征分析及农作物分类[D].哈尔滨:哈尔滨师范大学,2016.
[19] 吕婷婷,孙晓宇,刘闯,等.基于MODIS数据的柬埔寨基本农业信息提取研究[J].广东农业科学,2014,41(3):198-203.
[20] 张健康,程彦培,张发旺,等.基于多时相遥感影像的作物种植信息提取[J].农业工程学报,2012,28(2):134-141.
[21] 郝卫平,梅旭荣,蔡学良,等.基于多时相遥感影像的东北三省作物分布信息提取[J].农业工程学报,2011,27(1):201-207.
[22] 蔡薇,郭洪海,隋学艳,等.基于混合像元分解提取小麦种植面积的技术与方法研究[J].山东农业科学,2009,(5):12-16.
[23] 王利民,刘佳,姚保民,等.综合NDVI时序特征的冬小麦混合像元分解及面积估算[J].中国农学通报,2019,35(27):23-33.
[24] 王凯,赵军,朱国锋,等.基于GF-1遥感数据决策树与混合像元分解模型的冬小麦种植面积早期估算[J].遥感技术与应用,2018,33(1):158-167.
[25] 中国粮油信息中心从五大粮食净调出省区粮情[EB/OL].[2019-12-19].https://finance.sina.com.cn/money/future/roll/2019-12-19/doc-iihnzhfz6940812.shtml?dv=1&source=cj.

基于遥感地理特征曲线的主要农作物种植面积大尺度提取

Large scale extraction of main crops growing area based on remote sensing geographic feature curve

PDF (PC)

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0

[1]	包珺玮, 乌兰吐雅, 车有维, 刘朝晖, 刘朝霞. 基于GF-6影像的农作物种植结构提取方法研究[J]. 北方农业学报, 2023, 51(4): 112-121.
[2]	金青婷, 黄红星, 江顺. 基于文献计量学的农作物病虫害识别研究进展分析[J]. 北方农业学报, 2023, 51(4): 122-134.
[3]	包珺玮, 于利峰, 乌兰吐雅, 许洪滔, 于伟卓, 敦惠霞. 基于ESTARFM模型的农作物类型识别方法应用[J]. 北方农业学报, 2021, 49(3): 128-134.
[4]	于利峰, 乌兰吐雅, 李继辉, 于伟卓, 敦惠霞. 多源遥感数据特征优选的大兴安岭沿麓不同农作物提取[J]. 北方农业学报, 2020, 48(6): 119-128.
[5]	包珺玮, 于利峰, 乌兰吐雅, 许洪滔, 乌云德吉, 于伟卓. 基于随机森林法的农作物遥感识别方法研究——以阿荣旗部分区域为例[J]. 北方农业学报, 2020, 48(1): 129-134.
[6]	乌云德吉, 于利峰, 承昊, 包珺玮, 许洪滔, 赵佳乐, 乌兰吐雅. 基于GF-1/WFV时间序列数据的河套灌区主要农作物识别[J]. 北方农业学报, 2019, 47(5): 112-118.
[7]	聂利珍, 房永雨. CRISPR/Cas9和CRISPR/Cpf1基因组编辑技术在农作物基因功能中的研究进展[J]. 北方农业学报, 2019, 47(4): 27-32.
[8]	方静, 赵小庆, 史功赋, 程玉臣, 张向前, 张德健, 郝楠森, 武海明, 赵玉河, 路战远. 农作物根际微生物的研究进展[J]. 北方农业学报, 2019, 47(4): 102-107.
[9]	乌云德吉;于利峰;包珺玮;许洪滔;乌兰吐雅. RapidEye卫星红边波段对主要农作物识别能力的影响研究[J]. 北方农业学报, 2017, 45(6): 118-118.
[10]	郝丽芬;房永雨;燕孟娇;皇甫海燕;宋培玲;贾晓清;皇甫九茹;李子钦;韩冰. CRISPR/Cas9基因编辑技术及在农作物品种改良研究中的应用[J]. 北方农业学报, 2017, 45(3): 29-29.
[11]	许洪滔;包珺玮;任婷婷;解云虎;乌云德吉. 基于“3S”技术的农作物空间分布“一张图”制作探析[J]. 北方农业学报, 2017, 45(3): 103-103.
[12]	于利峰;乌兰吐雅;乌兰;包珺玮. 基于SAR-C的大兴安岭西麓地区主要农作物识别方法研究[J]. 北方农业学报, 2017, 45(3): 108-108.
[13]	纪成成侯海婷何佳欢. 东北冷涡与东亚阻塞高压及高低层环流的联系[J]. 北方农业学报, 2015, 43(6): 95-95.
[14]	涂晓琳关奎张冬梅张志平. 农作物使用禾园甲矿物元素增效剂的对比试验[J]. 北方农业学报, 2015, 43(5): 42-42.
[15]	王凌云. 扎赉特旗综合利用农作物秸秆的建议[J]. 北方农业学报, 2015, 43(2): 124-124.