[1]甄晓菊,张雪红,吴国明,等.基于Sentinel-2A NDVI时间序列数据的冬小麦识别[J].江苏农业科学,2019,47(16):239-245.
　Zhen Xiaoju,et al.Identification of winter wheat based on sentinel-2A NDVI times series data[J].Jiangsu Agricultural Sciences,2019,47(16):239-245.
点击复制

基于Sentinel-2A NDVI时间序列数据的冬小麦识别()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第47卷
期数:
2019年第16期
页码:
239-245
栏目:
农业工程与信息技术
出版日期:
2019-09-16

文章信息/Info

Title:
Identification of winter wheat based on sentinel-2A NDVI times series data
作者:
甄晓菊1;  张雪红1; 2;  吴国明1;  傅晓艺3;  何泱2;  洪长桥4
1.河北省气象科学研究所河北省气象与生态环境重点实验室，河北石家庄 050021； 2.南京信息工程大学遥感与测绘
工程学院，江苏南京 210044； 3.石家庄市农林科学研究院，河北石家庄 050041； 4.南京信息工程大学地理科学学院，江苏南京 210044
Author(s):
Zhen Xiaoju; et al
关键词:
Sentinel-2A; NDVI; 冬小麦; 物候期
Keywords:
-
分类号:
TP79；S127
DOI:
-
文献标志码:
A
摘要:
鉴于农作物类型识别中存在严重的“异物同谱”效应，基于归一化植被指数(normalized difference vegetation index，简称NDVI)时间序列数据及物候特征的农作物遥感识别已成为热点。针对现阶段NDVI时间序列数据空间分辨率普遍较低的问题，以河北省辛集市为研究区，基于Sentinel-2A数据构建了10 m高空间分辨率NDVI时间序列，并提出了积分法、斜率法和决策树法3种冬小麦识别模型，同时与传统的光谱角质图(spectral angle mapper，简称SAM)法进行了比较。结果表明，以上方法均达到了较好的识别效果，其中积分法、斜率法和决策树法的总体精度均优于97.6%，而SAM法因仅仅考虑了时间序列曲线的形态，使得稀疏林地与冬小麦之间容易误分；Sentinel-2A卫星(Sentinel-2星座重访周期为5 d)提供的高时空分辨率时间序列数据，在农作物的季相节律特征提取以及农作物的识别中具有巨大潜力。
Abstract:
-

参考文献/References:

［1］Lobell D B，Asner G P. Cropland distributions from temporal unmixing of MODIS data［J］. Remote Sensing of Environment，2004，93(3)：412-422.
［2］张喜旺，秦耀辰，秦奋. 综合季相节律和特征光谱的冬小麦种植面积遥感估算［J］. 农业工程学报，2013，29(8)：154-163，295.
［3］权文婷，王钊. 冬小麦种植面积遥感提取方法研究［J］. 国土资源遥感，2013，25(4)：8-15.
［4］朱爽，张锦水，帅冠元，等. 通过软硬变化检测识别冬小麦［J］. 遥感学报，2014，18(2)：476-496.
［5］姜涛，朱文泉，詹培，等. 一种抗时序数据噪声的冬小麦识别方法研究［J］. 遥感技术与应用，2017，32(4)：698-708.
［6］张晶，占玉林，李如仁. 高分一号归一化植被指数时间序列用于冬小麦识别［J］. 遥感信息，2017，32(1)：50-56.
［7］邹金秋， 陈佑启，Uchida S，等. 利用Terra/MODIS数据提取冬小麦面积及精度分析［J］. 农业工程学报，2007，23(11)：195-200.
［8］Pal M，Mather P M. Support vector machines for classification in remote sensing［J］. International Journal of Remote Sensing，2005，26(5)：1007-1011.
［9］Xu M，Watanachaturaporn P，Varshney P K，et al. Decision tree regression for soft classification of remote sensing data［J］. Remote Sensing of Environment，2005，97(3)：322-336.
［10］王长耀，林文鹏. 基于MODISEVI的冬小麦产量遥感预测研究［J］. 农业工程学报，2005，21(10)：90-94.
［11］李开丽，蒋建军，茅荣正，等. 植被叶面积指数遥感检测模型［J］. 生态学报，2005，25(6)：1491-1496.
［12］王利民，刘佳，杨福刚，等. 基于GF-1卫星遥感的冬小麦面积早期识别［J］. 农业工程学报，2015，31(11)：194-201.
［13］杨闫君，占玉林，田庆久，等. 基于GF-1/WFVNDVI时间序列数据的作物分类［J］. 农业工程学报，2015，31(24)：155-161.
［14］杨闫君，占玉林，田庆久，等. 利用时序数据构建冬小麦识别矢量分析模型［J］. 遥感信息，2016，31(5)：53-59.
［15］王利民，刘佳，高建孟，等. 冬小麦面积遥感识别精度与空间分辨率的关系［J］. 农业工程学报，2016，32(23)：152-160.
［16］Liang S L. Quantitative remote sensing of land surfaces［M］. New Jersey：John Wiley & Sons，2003.
［17］Main-Knorn M，Pflug B，Debaocker V，et al. Calibration and validation plan for the l2A processor and products of the Sentinel-2 mission［C］//International Archives of the Photogrammetry Remote Sensing & S，2015，XL-7/W3(7)：1249-1255.

相似文献/References:

[1]郭梦媚,郭胜利,周佳雯,等.江西省植被NDVI变化及其对气候变化的响应[J].江苏农业科学,2015,43(11):421.
　Guo Mengmei,et al.Variation of vegetation NDVI and its response to climate change in Jiangxi Province[J].Jiangsu Agricultural Sciences,2015,43(16):421.
[2]毛继荣,廉宁霞,侯新锋,等.新疆阿勒泰地区草原变化特征及其原因分析[J].江苏农业科学,2014,42(06):345.
　Mao Jirong,et al.Analysis of variation of prairie and its causes in Altay region of Xinjiang[J].Jiangsu Agricultural Sciences,2014,42(16):345.
[3]李晗,周艳莲,居为民,等.植被指数对藏北高寒草甸干旱的敏感性分析[J].江苏农业科学,2018,46(1):219.
　Li Han,et al.Sensitivity analysis of vegetation indices to drought in northern Tibet Plateau[J].Jiangsu Agricultural Sciences,2018,46(16):219.
[4]崔娟敏,季文光,李洋宰.基于NDVI的山区土地生态环境质量时空变化研究[J].江苏农业科学,2018,46(08):264.
　Cui Juanmin,et al.Study on spatial and temporal changes of land ecological environment quality based on NDVI[J].Jiangsu Agricultural Sciences,2018,46(16):264.
[5]王瑞峥,江洪,金佳鑫,等.黄淮海地区冬小麦物候对气候变化的响应及对产量的影响[J].江苏农业科学,2018,46(22):71.
　Wang Ruizheng,et al.Respond of winter wheat phenology to climate change and its effect on yield in Huang-Huai-Hai area[J].Jiangsu Agricultural Sciences,2018,46(16):71.
[6]成威,王连喜,李琪,等.基于植被供水指数的河南2012年春季干旱监测[J].江苏农业科学,2018,46(24):315.
　Cheng Wei,et al.Drought monitoring based on vegetation supply water index in Henan Province in spring of 2012[J].Jiangsu Agricultural Sciences,2018,46(16):315.
[7]聂欣然,刘荣,聂爱球,等.基于TM影像的新型组合水体指数模型研究[J].江苏农业科学,2018,46(24):374.
　Nie Xinran,et al.Study on a new combined water index model based on TM image[J].Jiangsu Agricultural Sciences,2018,46(16):374.
[8]张慧娴,陈铁喜,江晓东,等.中国东部两熟制农田NDVI不对称年际变化趋势及其潜在气候成因[J].江苏农业科学,2019,47(08):242.
　Zhang Huixian,et al.Interannual variation trend of NDVI asymmetry in two cropping farmland in eastern China and its potential climate genesis[J].Jiangsu Agricultural Sciences,2019,47(16):242.
[9]吴霞,张永宏,王长军,等.基于MODIS的宁夏植被覆盖时空变化特征分析[J].江苏农业科学,2021,49(2):204.
　Wu Xia,et al.Analysis of temporal and spatial changes of vegetation coverage in Ningxia area based on MODIS[J].Jiangsu Agricultural Sciences,2021,49(16):204.
[10]赵慧,韩颖娟,张承明,等.宁夏植被变化特征及其与气候、人类活动的关系[J].江苏农业科学,2021,49(14):220.
　Zhao Hui,et al.Characteristics of vegetation change and its relationships with climate and human activities in Ningxia[J].Jiangsu Agricultural Sciences,2021,49(16):220.

备注/Memo

备注/Memo:
收稿日期：2018-05-14
基金项目：中国博士后科学基金(编号：2017M610338)；河北省创新能力提升计划(编号：18964201H)；江苏省研究生科研与实践创新计划(编号：KYCX17_0892)；河北省气象与生态环境重点实验室开放研究基金(编号：Z201607Y)。
作者简介：甄晓菊(1981—)，女，河北秦皇岛人，硕士，工程师，主要从事城市环境气象研究。E-mail：xjzzhen@163.com。
通信作者：张雪红，博士，副教授，主要从事农业遥感研究。E-mail：zxhbnu@126.com。
更新日期/Last Update: 2019-08-20