基于LSWI和NDVI时间序列的水田信息提取研究.pdfVIP

第31卷第3期 地理与地理信息科学 V01．31No．3 andGeo-IrdormationScience 2015 2015年5月 Geography May doi：10．3969／i．issn．1672一0504．2015．03．007 刘元亮，李艳。，吴剑亮 (南京大学国际地球系统科学研究所，江苏省地理信息技术重点实验室，江苏南京210023) 影像序列进行相对辐射校正，减少了影像的光照和大气条件在时间上的不确定性，提高了归一化植被指数(N1)VI) 和地表水分指数(L跚I)的计算精度。根据水稻在不同生育期表现出的生理特征，基于IsWI和NDVI时间序列 及高程特征，采用二叉树方法提取了浙江省金华市水田信息。经过验证，在空间上水田信息的提取精度达到 92．3％，在县域尺度上提取面积与统计年鉴具有0．97的相关度。 关键词：水田；LSWI；NDVI时间序列；金华 中圈分类号：TP751文献标识码：A 文章编号：1672--0504(2015)03--0032--06 和数字高程模型(DEM)为基本数据，利用面向对象 0引言 的分类方法，定量提取了研究区的耕地信息，根据水 水稻是世界主要的粮食作物之一，水田面积约 稻在不同生育时期表现出的光谱特征，综合水稻的 占世界农田总面积的11％，其灌溉用水约占全球淡 生长发育规律，基于LSWI和NDVI时间序列，在耕 水资源的70％，而且水田是温室气体甲烷排放变化 地信息的基础上进一步提取水田信息，为我国作物 的重要影响因素，也是碳汇的重要途径，因此，及时、 面积的信息提取提供了新的思路。 准确地了解水田的面积及空间分布状况，对粮食安 1研究区和数据 全、温室气体排放监测、水资源管理等方面具有重要 意义[1_4]。目前，部分学者对水田信息的提取进行 金华市位于浙江省中部(东经119。14’～120。46’ 了相关研究：如杨艳昭等基于TM数据，采用水稻移 30”，北纬28。32’～29。417)，地处金衢盆地东段，为浙 SurfaceWater 栽期的地表水分指数(Land Index，中丘陵盆地地区，地势南北高、中间低。年平均气温 LSWI)等指标获取了吉泰盆地的水田分布信息[53； 1839．9 052．3 钟仕全等基于HJ一1B卫星遥感数据，通过对HJ一1B mm(永康)～2 mm(浦江)，四季分 星CCD数据水稻的光谱反射特性进行分析，建立了明，热量雨量丰富，干湿两季明显，属于亚热带季风 水稻遥感信息识别模型，应用决策树分类方法提取 气候。金华作为重要的粮食生产基地，素有“浙中粮 了广西宾阳县的水稻作物信息[6j；王力凡等利用水仓”的美誉。2011年，金华市粮食作物总产量达 稻成熟期的CBERS-02B卫星遥感影像对比分析了90．7万t，目前，水稻仍是其主要种植作物。 水稻与其他地物的归一化植被指数(Normalized本文选用的遥感影像由2008年、2009年和 Difference Index，NDVI)值和各个波段 Vegetation 2010年4—11月份时相组合而成，空间分辨率为30 DN值的差异，并通过运算扩大数值差异来建立水稻 7 像元提取模型，进而提取了南京市溧水县的水稻信 cn／)。由于LandsatETM+机载扫描校正器 息[7]。但以上研究均是面向像元的信息提取方法， 容易产生由“同物异谱”或“同谱异物”引起的“椒盐 出现条带而丢失了25％左右的数据，因此，在数据 效应”；另外，以上研究多是基于单一时相的遥感影 下载时利用地理空间数据云的在线条带修复模型