论文部分内容阅读
中国是一个农业大国,农作物种植面积是影响粮食产量的重要因素,快速、及时、准确获取农作物分布信息,已成为现代化农业发展的一大要求,且农作物的识别与分类,对社会经济、粮食安全、生态功能以及政策制定等都有重要影响。本文以松嫩平原黑龙江省部分为研究对象,以2012年6月至2014年6月期间的MOD09Q1及2013年4、5月份的MOD09A1为数据源,合成归一化植被指数(NDVI)和归一化水体指数(NDWI),利用TIMESAT软件对NDVI时间序列数据应用分段高斯函数拟合方法重构NDVI时间序列曲线,并获取七个物候参数(Phenology,以下简称PH)(生长季始期、生长季末期、生长季长度、NDVI振幅、NDVI左导数、NDVI右导数、生长季期间的NDVI积分)。结合Landsat 8 OLI遥感影像、中国第二次土地调查数据和实地采样样本数据,根据2013年多种地物平滑后的NDVI曲线特征,将年NDVI最大值低于0.5的水体和建设用地掩膜去除。为了获取研究区农作物的最优分类方法,本文采用分层分类法:首先对2013年平滑后的46个NDVI时间序列数据进行支持向量机(SVM)分类,得到农用地等分类信息;其次利用平滑后的46个NDVI波段、7个物候参数及6期归一化水体指数相互组合对农用地进行支持向量机分类提取三种农作物的分布信息。经过以上过程得出主要结论如下:(1)TIMESAT软件能有效的对NDVI时间序列进行平滑去噪,可使NDVI曲线在保持原有基本形状的基础上更加有效地揭示所蕴含的物候周期性变化规律,突出了MODIS时间序列的优点,并对物候参数的提取有很大的帮助。(2)运用SVM对NDVI时间序列进行农用地提取分类结果中农用地的制图精度为97.78%,用户精度为95.65%。其余三类精度也较高,说明NDVI时间序列对于提取农用地信息是可行的。(3)经不同波段组合分类对比可知,分类总体精度及Kappa系数的关系为:NDVI+NDWI>NDVI+PH+NDWI>PH+NDWI>NDVI+PH>NDVI>PH,可见遥感数据波段的增加不一定带来较高的分类精度;本文中归一化水体指数有效地提高了水稻的分类精度;辅以物候参数对农作物分类也具有一定的可行性。(4)根据分类结果统计可知玉米种植范围较广泛,大豆和水稻种植面积相差不大。