基于MODIS数据的湖南省水稻种植信息精准提取与时空格局演变解析.docxVIP

基于MODIS数据的湖南省水稻种植信息精准提取与时空格局演变解析

一、引言

1.1研究背景与意义

水稻作为全球一半以上人口的主粮，是中国最重要的粮食作物之一，中国更是世界上的水稻生产大国。湖南省作为我国的农业大省，素有“鱼米之乡”的美誉，水稻种植在其农业生产中占据着举足轻重的地位。准确掌握湖南省水稻种植信息，对于保障国家粮食安全具有重要意义。粮食安全是国家安全的重要基础，稳定的水稻产量是确保粮食供应稳定的关键。通过获取水稻种植面积、分布及动态变化等信息，可以为粮食产量预测提供关键数据支持，有助于提前制定粮食储备和调配策略，有效应对可能出现的粮食短缺问题，从而保障国家粮食安全，维护社会稳定。

及时了解水稻种植信息对合理规划农业生产布局也至关重要。不同地区的土壤、气候等自然条件存在差异，通过分析水稻种植的时空分布，能够因地制宜地调整种植结构，优化资源配置。例如，在适宜水稻种植的地区加大扶持力度，提高种植效率和产量；在不太适宜的地区引导农民种植其他更合适的作物，避免资源浪费，实现农业生产的可持续发展。这不仅有助于提高农业生产的经济效益，还能促进农业生态环境的保护，减少不合理种植对土壤、水源等的破坏。此外，对于政府部门制定科学合理的农业政策、保障农民收入稳定也具有重要的参考价值。政府可以根据水稻种植信息，制定针对性的补贴政策、农业基础设施建设规划等，提高农业生产的整体水平，促进农村经济的繁荣发展。

传统的水稻种植信息获取方法，如实地调查等，存在效率低、成本高、时效性差等问题，难以满足现代农业快速发展的需求。随着遥感技术的飞速发展，利用遥感数据提取水稻种植信息成为一种高效、准确的手段。中分辨率成像光谱仪（MODIS）数据具有高光谱、高时间分辨率和多时相的特点，在大尺度上提取水稻种植面积方面，可提高作物识别和监测的精确度与工作效率，节约成本，有着其他遥感数据无法相比的优势。应用MODIS数据提取水稻种植面积，能够快速获取大面积的水稻种植信息，及时掌握其动态变化，为农业生产管理提供有力的数据支持，具有重要的现实意义和应用价值。

1.2国内外研究现状

在国外，学者们利用MODIS数据进行水稻种植信息提取及时空分析方面取得了一定成果。如美国俄克拉荷马大学等机构联合中国科学院空天信息创新研究院的研究团队，创新性地提出一种融合水稻识别与种植强度信息提取的“两步法”监测框架，攻克了多云多雨热带地区在光学数据稀缺和样本不足情景下的水稻年种植面积估算的难题，实现了越南水稻年种植面积的精准估算。该研究通过多年度长时序分辨的粗分辨率MODIS数据实现水稻潜在种植区的自动判断，随后利用随机森林算法精确绘制水稻空间分布图，再利用谐波时间序列分析处理后的VH数据集，使用时序二次差分方法，实现水稻种植强度提取，最终结合水稻的精细空间分布和种植强度信息，实现水稻年种植面积估算。研究表明，该方法显著提升了水稻识别精度，R2从0.78提升至0.97，均方根误差（RMSE）从69.28×103降低至31.54×103ha，与统计年鉴高度吻合（R2=0.97）。

中科院青藏高原研究所地气作用与气候效应团队科研人员与尼泊尔科研院所合作，利用MODIS多年时间序列卫星遥感影像，分析了尼泊尔水稻栽培动态跟踪数据。该研究基于MODIS植被指数和物候算法，生成2003-2018年的水稻分布图和作物物候分布图，运用植被指数分析该区域的绿度变化以此识别水稻，并监测植被的生长周期。研究发现，自2008年至2018年，尼泊尔的水稻种植面积以每年1.913万公顷的速度减少，西部地区的水稻种植时间早于东部地区，北部丘陵地区早于南部平原地区。

在国内，众多学者也针对MODIS数据在水稻种植信息提取方面展开了深入研究。于文颖、冯锐等人概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展，分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。研究表明，MODIS在大尺度上提取水稻种植面积具有优势，水稻遥感的最佳时相可以选择移栽期和孕穗期，利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别，并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类应用较多，近年来发展起来的决策树分类法、专家系统分类法、神经网络分类法，支持向量机法等新方法，通常和传统分类方法结合使用；多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据。利用MODIS对单一的或大面积的水稻种植面积提取效果较好，但对于地块破碎的种植面积估算尚难达到满意的结果，添加其他的辅佐数据如高程、坡度等，并结合MODIS数据的多时相特点分类等方法