基于GF-1与Landsat8 OLI影像的作物种植结构与产量分析

作物种植结构监测和估产是精准农业遥感的重点领域,其研究对于指导作物种植结构和制定农业政策具有重要意义。该文以黑龙江省北安市为研究区,以2015年的Landsat8 OLI和多时相GF-1为遥感数据源,基于物候信息和光谱特征确定的农作物识别关键时期和特征参数,构建面向对象的决策树分类模型,开展作物种植结构监测研究;综合植被光谱指数和地面采样数据,采用逐步回归方法建立产量遥感估算模型。结果表明：多源与多时相的遥感数据可以反映不同农作物的季相特征,应用本文所构建的决策树分类模型,作物分类效果较好,总体精度达87.54%,Kappa系数为0.8115;2015年,北安市的主要作物类型为大豆、玉米、水稻...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 33; no. 11; pp. 147 - 156
Main Author 欧阳玲 毛德华 王宗明 李慧颖 满卫东 贾明明 刘明月 张淼 刘焕军
Format Journal Article
LanguageChinese
Published 赤峰学院资源与环境科学学院,赤峰 024000 2017
中国科学院东北地理与农业生态研究所中国科学院湿地生态与环境重点实验室,长春 130102
中国科学院大学,北京 100049%中国科学院东北地理与农业生态研究所中国科学院湿地生态与环境重点实验室,长春,130102%吉林大学地球科学学院,长春,130000%中国科学院东北地理与农业生态研究所中国科学院湿地生态与环境重点实验室,长春 130102
中国科学院大学,北京 100049%中国科学院遥感与数字地球研究所,北京,100049
Subjects
作物
作物产量
多源/多时相影像
提取
种植结构
遥感
面向对象
多源/多时相影像
面向对象
作物
plant structure
种植结构
remote sensing
提取
遥感
crops
extraction
object-oriented image
crop yields
multi-source/temporal images
作物产量
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2017.11.019

Cover

More Information
Summary:作物种植结构监测和估产是精准农业遥感的重点领域,其研究对于指导作物种植结构和制定农业政策具有重要意义。该文以黑龙江省北安市为研究区,以2015年的Landsat8 OLI和多时相GF-1为遥感数据源,基于物候信息和光谱特征确定的农作物识别关键时期和特征参数,构建面向对象的决策树分类模型,开展作物种植结构监测研究;综合植被光谱指数和地面采样数据,采用逐步回归方法建立产量遥感估算模型。结果表明：多源与多时相的遥感数据可以反映不同农作物的季相特征,应用本文所构建的决策树分类模型,作物分类效果较好,总体精度达87.54%,Kappa系数为0.8115;2015年,北安市的主要作物类型为大豆、玉米、水稻和小麦,面积分别为2204、1955、122和19 km~2,其中大豆的种植面积最大,占作物种植面积的51.24%。基于NDVI、EVI和GNDVI构建的多元回归模型为北安市大豆和玉米产量估算最优模型（R~2=0.823 7,均方根误差135.45 g/m~2,精度80.55%）;北安市玉米高产区集中分布在西部,大豆的高产区主要分布在东部;2015年北安市玉米和大豆的单产分别为8 659、2 846 kg/hm~2,总产量分别为16.93×10~8、6.27×10~8 kg。利用作物关键物候期的多源多时相遥感数据能够精确高效地提取作物种植结构,构建的产量估算多元回归模型,为精准农业科学发展提供参考。
Bibliography:remote sensing; crops; extraction; multi-source/temporal images; object-oriented image; plant structure; crop yields
11-2047/S
Ouyang Ling1＇2＇5, Mao Dehua2, Wang Zongming2, Li Huiying3, Man Weidong2＇5, Jia Mingming2, Liu Mingyue2＇5, Zhang Miao4,Liu Huanjun2 （1. School of Resource and Environmental Sciences, Chifeng University, Chifeng 024000, China; 2. Northeast Institute of Geography and Agroecology, Key Laboratory of Wetland Ecology and Environment, Chinese Academy of Sciences, Changchun 130102, China; 3. College of Earth Science, Jilin University, Changchun 130000, China; 4. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100049, China; 5. University of Chinese Academy of Sciences, Beijing 100049, China）
Crop classification and yield estimation are key research in remote sensing-based precision agriculture,which have important significance in making agricultural policies.To improve the accuracy of classification based on single-source and single-season images,multi-temporal
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2017.11.019