基于modis数据的陕西省农作物种植模式和类型识别.docxVIP

基于modis数据的陕西省农作物种植模式和类型识别 0 基于卫星遥感监测植被生长变化的种子识别 作物的识别和分类是对农业野生动物的客观依据。如何实时、准确地捕捉和传播作物类型的信息对粮食安全、社会经济、政策制定和生态功能具有重要影响。然而与其他地物类型的识别相比, 农作物在光谱上有更高的相似度, 仅利用遥感影像难以对其进行识别, 由于不同农作物类型有其独特的物候特征, 并且农作物的物候特征利用遥感的植被指数长时序变化可以充分体现出来, 因此利用长时序的遥感影像进行农作物类型的识别是一种行之有效的方法。遥感的长时序数据具有周期短、覆盖范围广、不受地理条件限制、成本低和信息量大等特点, 尤其是数据序列的一致性好, 在大面积农作物种植面积监测、农作物估产、农情监测与预报等方面具有巨大的应用潜力。利用遥感数据反演的归一化植被指数NDVI ( normalized deference vegetation index) 可以充分反映植被的生长变化信息, 是目前卫星遥感监测植被应用最广泛的参数之一, 充分反映了植被生长变化信息, 能够体现不同作物物候特征, 实现农作物信息的提取。 目前, 进行农作物类型识别主要基于中高分辨率的遥感影像进行地块尺度的研究, 赵丽花等利用多时相环境卫星对冬小麦进行提取;李存军等利用Landsat遥感影像对冬小麦和苜蓿进行提取;李鑫川等基于时间序列环境卫星影像对农作物进行识别。中高分辨率的遥感影像虽然对于作物类别提取的精度较高, 但是因其重访周期长, 幅宽窄, 无法满足农作物关键生育期的要求, 且只能受限于地块尺度的研究。低分辨率影像目视辨识能力低, 但是因其一年由多时相构成长时间序列曲线, 时间分辨率高, 而且已经进行多年的观测, 并有LAI (leaf area index) 、NPP (net primary productivity) 等相应的产品, 对于大区域和年跨度范围大的研究, 利用低分辨率的遥感影像能够更好的满足要求。近年来对于大区域土地覆盖分类的研究也取得了一定的进展, 宫攀、郭芬芬等、Mkhabela等、Pringle等利用MODIS数据对土地覆盖进行分类并对特定地物进行面积的提取;赵延征等、Murakami等利用SPOT_VGT数据提取特定地物物候信息并进行大区域农作物空间分布的研究。 本文以2003-2012 年的MOD09Q1 长时间序列数据集为数据源, 以NDVI作为分类的植被指数, 利用S-G (Savitzky-Golay) 滤波方法重建NDVI长时间序列数据集, 利用ISO非监督分类方法并结合陕西省主要农作物的物候信息、农业气象台站点数据和TM 30 m土地覆盖分类数据对陕西省主要农作物和主要土地覆盖物的时序特征曲线进行提取, 利用IDL (interactive data language) 对10 a时序数据进行分析, 构建农作物年际间动态阈值, 实现农作物种植模式和类型的识别。利用IDL的寻优函数 (CONSTRAINED_MIN) 实现非负最小二乘, 对混合像元进行分解, 准确获得研究区农作物种植面积。最后利用TM 30 m的土地覆盖分类图和《陕西统计年鉴》对分类结果进行空间与定量的验证。 1 研究区域和数据来源 1.1 地域地质及气象条件 陕西省位于中国内陆腹地, 地处105°29′~111°15′E, 31°42′~39°35′N之间。东邻山西、河南, 西连宁夏、甘肃, 南抵四川、重庆、湖北, 北接内蒙古, 居于连接中国东、中部地区和西北、西南的重要位置。全省总面积为20.58 万km2, 地域狭长, 地势南北高、中间低, 有高原、山地、平原和盆地等多种地形。从北到南可以分为陕西高原、关中平原、秦巴山地栅格地貌区, 陕西横跨3 个气候带, 陕北北部长城沿线属中温带气候, 关中及陕北大部分属暖温带气候, 陕南属于北亚热带气候。全省平均气温13.7℃, 自南向北、自东向西递减。主要农作物有冬小麦、春玉米、夏玉米和小杂粮, 尤其陕北被誉为小杂粮主要产区。 1.2 数据来源 1.2.1 植被指数的计算 本文使用的MODIS (MOD09Q1) 数据由NASA网站 (/reverb/) 提供, 空间分辨率为250 m, 8 d最大值合成 (MVC, maximum value composite) 的反射率数据, 利用反射率数据的红波段和近红外波段计算NDVI作为本文使用的植被指数。数据选择的时间跨度为10 a (2003-2012年) , 共计460 个时相, 并以此来构建NDVI长时间序列数据。 1.2.2 农业单一作物站分布 由中国气象科学数据共享服务网收集整理了研究区2003-2012 年的25 个农业气象观测站资料, 包括站点经纬度、作物类型、发育程度、发育期距平