论文部分内容阅读
过去20年，中国耕地资源的数量、质量以及利用结构发生了复杂的变化，这就要求我们对国家耕地资源状况和粮食生产态势有很好的掌握，以制定相关政策。农作物是一种特殊的植被类型，是生态系统的重要组成部分，农情遥感属于资源遥感的一部分，为农业的良好发展创造了条件，识别农作物类型为农情遥感的发展奠定了基础，为农业发展布局和粮食生产安全提供了重要信息，保证了农业健康有序的发展。本文以中国为研究区域，结合农业气象观测数据和农业统计数据，基于空间分辨率500米、8天合成的MODIS数据，对时间序列植被指数进行了重构，提取了中国种植制度，并对主要粮食作物冬小麦和玉米的识别和分布信息提取进行了研究，主要研究方法和结论如下：（1）对MODIS数据进行预处理，建立EVI时间序列植被指数曲线，由于噪声影响时序曲线呈锯齿波形，本文中，利用以傅里叶变换和最小二乘法为核心的HANTS方法对作物植被指数曲线进行模拟重构。结果显示，时间序列曲线能够很好的体现出作物生长特征和多熟作物的轮作特征，对关键物候期的提取是可行的。（2）结合农业气象观测数据，本文采用曲线转折点法识别作物的关键物候期，建立了种植制度（熟制和作物历）的识别方法模型，获得了中国农业熟制和种植历信息。经分析，基于遥感的作物各个关键物候期与农业气象站观测记录的日期相差±16天以内。由此可以看出，MODIS/EVI可应用于区域农业种植制度的遥感识别并具有很大潜力。（3）根据获取的关键物候期和种植制度信息，对主要农作物进行识别提取。结合农业气象观测站提供的作物物候资料，本文采用阈值法，经反复研究实验，建立了冬小麦和玉米的识别方法模型，完成了它们的分布信息提取。由于具有相似物候特征的不同的农作物类型存在识别干扰，我们根据中国农作物综合区域分布特征，进一步分区识别，去除误提信息，最后对提取结果进行了验证，提取精度是82.56%。