生态学报文格式栏目名

更新时间:2024-03-08 作者:用户投稿原创标记本站原创 点赞:25231 浏览:117805

·栏目名称·

基于中分辨TM数据的水稻提取方法对比研究

空1行

李□□1,刘□□2, 吴□□1, 谭□□1, 杨□1,*

(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)

空1行

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2016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着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.

关 键 词 水稻 神经网络 面向对象 TM影像

空2行

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%[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[2]和土地变化科学[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,粮食预测和国家粮食生产布局及规划等提供科学依据[4].

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[5]利用1986年和2002年两期Landsat TM影像对丽江县包括水稻在内表1 中分辨率水稻遥感监测常用数据源

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/dLandsat-5TM19841~5,7,630,30,12016SPOT-4HRV,HRVIR19981~4,全色20,1026CBERS-02CCD相机2003 1~519.526Landsat-7ETM+19991~5,7,6,全色30,30,60,1516SPOT-5HRG20021~4,全色20,10,5,2.526HJ-1A/BCCD相机20161~4304Landsat-8OLI20161~7,9,830,30,15161研究区与数据

1.1 研究区域

本文选择研究区,

图1 □□□□□□研究区

参考文献

[1]陈晓华,张玉香,张合成. 中国农业统计资料2016. 北京: 中国农业出版社, 2016.

[2]Kuenzer C, Knauer K. Remote sensing of rice crop areas. International Journal of Remote Sensing. 2016, 34(6): 2101-2139.

[3]Aspinall R. Editorial. Journal of Land Use Science. 2006, 1(1): 1-4.

[4]覃志豪,唐华俊,李文娟 等. 气候变化对农业和粮食生产影响的研究进展与发展方向. 中国农业资源与区划. 2016, 34(5): 1-7.

[5]Peng J, Wu J, Yin H et al. Rural land use change during 1986--2002 in Lijiang, China, based on remote sensing and GIS data. Sensors. 2016, 8(12): 8201-8223.

[6]朱晓禧,方修琦,王媛. 基于遥感的黑龙江省西部水稻,玉米种植范围对温度变化的响应. 地理科学. 2016, 28(1): 66-71.

[7]李小涛,李纪人,黄诗峰 等. 变差函数和神经网络结合的遥感影像分类方法研究. 国土资源遥感. 2006(1): 18-21.

[8]陈启浩,高伟,刘修国. 辅以纹理特征的高分辨率遥感影像分类. 测绘科学. 2016, 33(1): 88-90.

[9]翁中银,何政伟,范娟 等. 基于TM影像的面向对象地表覆被信息提取. 地理空间信息. 2016, 11(1): 37-39.

[10]黄敬峰,杨忠恩,等. 基于GIS的浙江省水稻遥感估产最佳时相选择. 应用生态学报. 2002, 13(3): 290-294.

[11]李正国,唐华俊,杨鹏 等. 植被物候特征的遥感提取与农业应用综述. 中国农业资源与区划. 2016, 33(5): 20-28.

[12]李朝峰,曾生根,许磊. 遥感图像智能处理. 北京: 电子工业出版社, 2007.

[13]张俊,于庆国,侯家槐. 面向对象的高分辨率影像分类与信息提取. 遥感技术与应用. 2016(1): 112-117.

[14]汤传勇,卢远. 利用面向对象的分类方法提取水稻种植面积. 遥感信息. 2016(1): 53-56.

要求:

1,参考文献,不少于10条,其中《中国农业资源与区划》期刊引文一般不少于2条,同时,所有参考文献都要在文中进行标注.

2,参考论文格式:作者.论文题目.刊名,年份,卷(期):起止页码.

三个作者以上的,请写出前三个作者,例如:

陈学渊,唐华俊,吴永常,等.海河流域水资源对农业生产的影响分析.中国农业资源与区划,2016,(33):34-39

空2行

CONTRASTING TWO CLASSIFICATION METHODS IN

MAPPING PADDY RCIE USING THE MID-RESOLUTION TM IMAGES

Li Zhipeng1, Li Zhengguo1, Liu Zhenhuan2, Wu Wenbin1, Tan Jieyang1, Yang Peng1

空1行

(1. Key Laboratory of Agri-informatics, Ministry of Agriculture/Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China,

2. Geography and Planning School of Sun Yat-sen University, Guangzhou 510275, China)

空1行

Abstract It's a hot issue to monitoring the rice area of the present agricultural land change science. However, it's very difficult to monitor rice area using remote sensing technology accurately. Using two phase mid-spatial resolution TM images, according to the methods of object-oriented classification and Artificial Neural Network (ANN), this paper monitored the rice area in Fujin County, Heilongjiang Province. As a result, there are three conclusions as follows. Firstly, rice accuracy using the method of object-oriented classification is better than that using ANN classification method, which is higher 0.55% and 1.37% for rice user accuracy and production accuracy in June, 0.62% and 2.34% for rice user accuracy and production accuracy in August. Secondly, after the process of Majority analysis, we can make a progress for the rice accuracy using the method of ANN, and the accuracy has increased 0.14%, 0.5% for rice user accuracy and production accuracy in June, 1.56% , 1.43% for rice user accuracy and production accuracy in August. Thirdly, choosing the proper time images can get a higher accuracy rice area, and the rice accuracy at returning green stage is better than the accuracy at the at the milk-ripe stage, such as, rice user accuracy and production accuracy can increase 2.67% and 3.45% using ANN method, can increase 2.6%,2.48% using the method of object-oriented classification. In future, we should focus on these areas where we can make more progress in the class accuracy, such as building long time series of rice phonological calendar, the better automatized segmentation degree using the method of object-oriented and so on.(字数不少于400单词)


Key wordspaddy rice, ANN, object-oriented classification, TM image(最少5个关 键 词 )

本文创新点:

1,******等

2,******等

提炼出文章的创新点,以便专家方便审稿.

收稿日期:2016-11-08

作者信息:李为硕士研究生,: ,Tel:18701696793,刘□□为讲师李□□为副研究员吴□□为副研究员,副主任谭□□为硕士研究生杨□为研究员,通讯作者

通讯作者信息:杨□**,: yangpeng@caas. ,Tel:010-82109641

资助项目:国家自然科学基金项目(40930101, 41171328和41201684),国家重点基础研究发展计划项目("973"计划)(2016CB951502)

要求:注明所有作者的单位名称,职务,职称以及通讯作者的,最好要注明基金项目.

《中国农业资源与区划》论文写作模板

三号黑体

六号宋体

小五宋体

小五黑体

小五宋体

六号宋体

四号黑体

正文,五号宋体

六号宋体

小四号黑体,顶格

四号黑体,上,下各空半行

四号Times New Roman加粗,全部大写,应与中文题名一致.

六号Times New Roman

五号

五号加粗

五号Times New Roman居中,姓氏字母大写,名字首字母大写,其余小写.

小5号黑体

正文内容五号宋体

本刊默认为黑白印刷,图对比要明显可辨,作者对文中所有的图可自己打印出来看一下.如果作者黑白图效果不好,可以提前通知编辑部出彩图,需另收费.地理空间图请按照国家标准出图:包括指北针,比例尺,图例等.全国范围的图件,一定要标出南海地区及台湾省.

四号黑体

小四宋体,居中

小5号黑体