-
题名基于哨兵2号时序影像的冬小麦空间分布研究
被引量：2
- 1
-
-
作者
牛昱杰
杨永明
-
机构
昆明理工大学国土资源工程学院
滇西应用技术大学地球科学与工程学院
云南省高校山地实景点云数据处理及应用重点实验室
滇西应用技术大学多源数据融合实景三维构建研究科技创新团队
-
出处
《山东农业大学学报（自然科学版）》
北大核心
2023年第3期352-359,共8页
-
文摘
为获取当地精准、详实的冬小麦空间信息,为冬小麦种植区域规划提供技术支撑,本文基于多时间序列的归一化植被指数构建模型,估算了2018-2021年归一化植被指数(Normalize Difference Vegetation Index,NDVI)模型提取的冬小麦面积,获取其时空分布情况,并参考农业数据进行精度评定,研究了多时相指数模型与黄土高原冬小麦的相关性,探讨了多时相归一化植被指数模型对冬小麦提取的可行性。结果表明:①基于多时相NDVI模型,利用随机森林算法提取冬小麦具有较高精度。每年2、4、6月(越冬期、拔节期、乳熟期)为冬小麦识别的关键期,其构建的指数模型提取效果最佳。②单期遥感影像容易受到同期植被的干扰,多时相指数模型可以有效提高冬小麦提取的精度。分别对2018-2021年冬小麦提取,对提取结果进行检验,总体精度分别为91.16%、90.35%、94.26%。③基于Sentinel-2影像数据的甘谷县提取结果,近3年冬小麦种植面积整体呈现平稳态势。种植的时空分布上看,冬小麦主要集中于甘谷县中部断陷河谷地区,南北山区向中部种植区域逐渐增加,且分布在海拔在2036 m以下山地的特点。因此,基于合成指数模型对冬小麦耕种范围提取方法具有可行性,可以有效提取冬小麦的空间信息,证明了利用该方法可有效获取黄土高原冬小麦空间分布情况,并为当地的冬小麦遥感种植时空变化监测研究提供借鉴和参考。
-
关键词
遥感图像识别
冬小麦
空间变化监测
-
Keywords
Image recognition of remote sensing
winter wheat
spatial change monitoring
-
分类号
S127
[农业科学—农业基础科学]
-
-
题名基于多时相植被指数的云南高原山地冬小麦识别与研究
- 2
-
-
作者
杨永明
牛昱杰
安卫国
郭钰
颜定飞
-
机构
滇西应用技术大学地球科学与工程学院
昆明理工大学国土资源工程学院
云南省高校山地实景点云数据处理及应用重点实验室
滇西应用技术大学多源数据融合实景三维构建研究科技创新团队
海南大学土木建筑工程学院
-
出处
《农业工程》
2023年第9期38-47,共10页
-
文摘
粮食安全是最根本的民生问题,云、雾等自然因素是影响遥感种植监测的主要因素之一,因此获取精准、高效的耕地种植监测信息对保障当地粮农安全、粮食估产及面积估算具有重要意义。在利用多时相植被指数(Multi-period Vegetation Index,以下简称植被MVI)合成模型的构建、农作物特征与耕地信息的可分离性两方面对高原山地农作物耕地面积提取的研究较少。该研究基于哨兵2(Sentinel-2)数据,构建了多时相植被指数合成模型,估算了2020—2021年归一化差异植被指数(Normalize Difference Vegetation Index,以下简称植被NDVI)、增强植被指数(Enhanced Vegetation Index,以下简称植被EVI)和红绿叶绿素植被指数(Red-Edge ChlorophyII Vegetation Index,以下简称植被RECI)3种植被指数的提取结果,研究了预测模型与高原山地农作物的相关性,探讨了不同植被指数模型对农作物的识别精度。结果表明:①多时相植被NDVI模型相较植被EVI和植被RECI对冬小麦面积提取精度更高,与云南高原山地冬小麦相关性最强,用户精度约为93.28%;②利用三期NDVI组合与2期植被NDVI组合均可对冬小麦精准提取,但3期植被NDVI模型提取精度更高。利用多时相植被NDVI模型对冬小麦种植面积的精准预测,证明了该模型可有效适用于云南高原山地冬小麦,并为当地冬小麦面积的预测提供了数据支撑。
-
关键词
植被指数
云南高原
山地冬小麦
多时相植被指数合成模型
哨兵-2
-
Keywords
vegetation index
Yunnan Plateau
mountain winter wheat
multi-temporal vegetation index image fusion model
Sentinel-2
-
分类号
S127
[农业科学—农业基础科学]
-
