中国农业资源与区划写作模版.docVIP

《中国农业资源与区划》论文写作模板 四号黑体·栏目名称· 四号黑体 三号黑体基于中分辨TM数据的水稻提取方法对比研究收稿日期：2013-11-08作者简介：李心（ 三号黑体 收稿日期：2013-11-08 作者简介：李心（1973—），女，汉族，河南泌阳人，博士、教授；国家进步二等奖或国务院特殊津贴。研究方向：资源经济与管理。※通讯作者：杨□(1976-),男,汉族，湖南人，博士、教授。研究方向：农业遥感。Email: yangpeng@caas.cn *基金项目：国家自然科学基金项目“基于牧户行为的草地管理模式研究—以西藏自治区为例”；国家环保公益性行业科研专项项目“西藏地区生态承载力与可持续发展模式研究”（201209032） 空1行 小四宋体，居中李□□1,刘□□2, 吴□□1, 谭□□1, 杨 □1,* 小四宋体，居中 小五宋体（1. 中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室，北京 100081； 2. 中山大学地理科学与规划学院，广州，510275） 小五宋体 空1行 小五黑体摘 要 水稻种植面积监测是当前农业土地变化科学的热点问题，但运用遥感技术对水稻种植面积精确实施监测一直是难点。中分辨率遥感影像能够满足我国大面积水稻作物监测，成为业务化运行的主要数据源。为此,本研究尝试以中分辨率TM影像为数据源,结合神经网络和面向对象（SVM）两种算法对对黑龙江省富锦市2010年两期不同时相影像分别进行水稻分类提取，并对分类结果进行滤波处理及混淆矩阵精度评定。结果表明：（1）在高纬度单季稻生长区，面向对象分类算法的精度显著高于神经网络的分类精度，水稻用户精度和生产者精度在6月份分别高0.55%、1.37%，在8月份分别高0.62%、2.34%；（2）对神经网络分类的结果进行Majority滤波处理，在一定程度上可以改善水稻分类的精度，水稻用户精度和生产者精度在6月份分别提高0.14%、0.5%， 在8月份分别提高1.56%、1.43%；（3）选取关键水稻物候期的遥感影像获取水稻种植面积的精度更高，返青期水稻提取精度要高于乳熟期，其中神经网络算法的水稻用户精度及生产者精度分别提高2.67%、3.45%；面向对象算法的水稻用户精度及生产者精度分别提高2.6%、2.48%。未来需要重点考虑建立全国水稻物候历信息、面向对象算法中自动化最优尺度分割方法来提高水稻分类的精度。（字数不少于350字） 小五黑体 小五宋体关键词 水稻 神经网络 面向对象 TM影像（不少于5个关键词） 小五宋体 空2行 正文，五号宋体 正文，五号宋体 水稻在我国粮食生产中占有重要的地位，是我国重要的粮食作物之一，占全国粮食总播种面积的27%，而其产量则达到粮食总产量的35% ADDIN NE.Ref.{DEE8C882-1B6E-4196-B67F-3ACD67914F42}[1]。与此同时,水稻面积遥感动态监测正成为农作物空间监测 ADDIN NE.Ref.{DFF45DDA-01DD-4816-AD9C-85E7B5E4B817}[2]和土地变化科学 ADDIN NE.Ref.{941CF63E-4B47-4362-86EC-F264DDFFC90E}[3]的热点问题。精确的水稻种植面积信息，可为农业生产、水稻产量的预报和评估、粮食价格预测和国家粮食生产布局及规划等提供科学依据 ADDIN NE.Ref.{55F7808C-A817-403E-8E18-85B7D4A22153}[4]。 六号宋体中分辨率遥感影像由于具备较高的空间分辨率，能够满足我国大面积水稻作物监测，成为业务化运行的主要数据源。中高空间分辨率影像包括Landsat TM/ETM+、SPOT、CBERS-1/2 CCD、HJ-1A/1B CCD等（表1），其分辨率主要在100m以内，是当前最常用的水稻遥感监测数据源，其特征是卫星类型多、覆盖范围广、时间分辨率较高且时间序列较长，可实现大范围、多时期水稻种植的长期监测。Peng等 ADDIN NE.Ref.{6D8DF653-B4D3-4E44-BEDC-49377D39188E}[5]利用1986年和2002年两期Landsat TM影像对丽江县包括水稻在内 六号宋体 六号宋体小5号黑体表1 中分辨率水稻遥感监测常用数据源 六号宋体 小5号黑体 卫星 传感器 发射时间/y 波段 最大空间分辨率/m 时间分辨率/d Landsat-5 TM 1984 1~5,7,6 30,30,120 16 SPOT-4 HRV,HRVIR 1998 1~4,全色 20,10 26 CBERS-02 CCD相机 2003 1~5 19.5 26 Landsat-7 ETM+ 1999 1~5,7,6,全