[1]高叶鹏,刘海新,王冬利,等.基于MODIS数据的漳滏河灌区作物种植结构提取[J].江苏农业科学,2022,50(22):192-199.
　Gao Yepeng,et al.Extraction of crop cultivation structure in Zhangfu River irrigation area based on MODIS data[J].Jiangsu Agricultural Sciences,2022,50(22):192-199.
点击复制

基于MODIS数据的漳滏河灌区作物种植结构提取()

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第50卷
期数:
2022年第22期
页码:
192-199
栏目:
农业工程与信息技术
出版日期:
2022-11-20

文章信息/Info

Title:
Extraction of crop cultivation structure in Zhangfu River irrigation area based on MODIS data
作者:
高叶鹏; 刘海新; 王冬利; 文韶鑫; 钱以临
河北工程大学矿业与测绘工程学院，河北邯郸 056038
Author(s):
Gao Yepeng; et al
关键词:
MODIS; 种植结构; 广义DEM; 决策树; 漳滏河灌区
Keywords:
-
分类号:
S127
DOI:
-
文献标志码:
A
摘要:
农作物的种植类型和布局是农业生产活动中最重要的基础数据，快速、准确地获取农业生产所需要的信息，对于农作物监测和管理具有重要意义。目前农作物种植结构提取方法多样，不同提取方法各有其优劣，因而选择一种合适的提取方法显得极为重要。以河北省邯郸市漳滏河灌区为研究区，基于2018年MODIS数据，采用决策树和广义DEM这2种分类方法对研究区作物冬小麦、夏玉米、辣椒、大棚蔬菜进行提取，其中决策树利用MODIS多个指数时序数据构建分类模型进行提取，而广义DEM采用MODIS数据作物典型时期的EVI指数影像基于“广义DEM思想”进行提取，最后通过对比二者分类结果在作物空间分布和精度验证2个方面的差异，并对其进行评价。结果表明，从空间分布来看，2种分类方法对大宗作物冬小麦—夏玉米提取具有良好的效果，其提取结果二者基本吻合，对辣椒和大棚蔬菜的提取存在一定差异，但其提取结果都集中在主要的种植区域内；从分类精度看，广义DEM分类精度略高于决策树，前者总体精度为85.33%，后者为83.37%。广义DEM作为一种新的提取方法，其相对决策树而言具有自动化程度较高、所需数据量较小、人工干预较少的优点，且还可以实现对作物的提取。
Abstract:
-

参考文献/References:

［1］熊元康，张清凌. 基于NDVI时间序列影像的天山北坡经济带农业种植结构提取［J］. 干旱区地理，2019，42(5)：1105-1114.
［2］贾博中，白燕英，魏占民，等. 基于MODIS-EVI的内蒙古沿黄平原区作物种植结构分析［J］. 灌溉排水学报，2021，40(4)：114-120.
［3］Lee E，Kastens J H，Egbert S L. Investigating collection 4 versus collection 5 MODIS 250m NDVI time-series data for crop separability in Kansas，USA［J］. International Journal of Remote Sensing，2016，37(2)：341-355.
［4］姜伊兰，陈保旺，黄玉芳，等. 基于Google Earth Engine和NDVI时序差异指数的作物种植区提取［J］. 地球信息科学学报，2021，23(5)：938-947.
［5］阴海明，王立辉，董明霞，等. 基于多时相Sentinel-2遥感影像的江汉平原夏收作物提取方法［J］. 福建农林大学学报(自然科学版)，2021，50(1)：16-22.
［6］信会男，武红旗，朱磊，等. 基于GF-1与Landsat8 OLI影像的作物种植结构提取——以新疆阿克苏地区为例［J］. 山东农业科学，2019，51(7)：143-151.
［7］毕恺艺，牛铮，黄妮，等. 基于Sentinel-2A时序数据和面向对象决策树方法的植被识别［J］. 地理与地理信息科学，2017，33(5)：16-20，27，127.
［8］许青云，杨贵军，龙慧灵，等. 基于MODIS NDVI多年时序数据的农作物种植识别［J］. 农业工程学报，2014，30(11)：134-144.
［9］苏志强. 基于GF-2遥感影像的博湖县监督分类方法对比研究［J］. 西部大开发(土地开发工程研究)，2020，5(1)：1-5.
［10］史飞飞，雷春苗，肖建设，等. 基于多源遥感数据的复杂地形区农作物分类［J］. 地理与地理信息科学，2018，34(5)：49-55.
［11］张喜旺，陈云生，孟琪，等. 基于时间序列MODIS NDVI的农作物物候信息提取［J］. 中国农学通报，2018，34(20)：158-164.
［12］Zhou Q B，Yu Q Y，Liu J，et al. Perspective of Chinese GF-1 high-resolution satellite data in agricultural remote sensing monitoring［J］. Journal of Integrative Agriculture，2017，16(2)：242-251.
［13］唐俊，赵成萍，周新志，等. 基于EVI-RBF的玉米长势监测及产量预测［J］. 江苏农业学报，2020，36(3)：577-583.
［14］Kenichi T，Yosuke Y，Morales A K，et al. Pixel-based crop classification in peru from landsat7 ETM+images using a random forest model［J］. Journal of Agricultural Meteorology，2016，72(1)：1-11.
［15］Chirakkal S，Haldar D，Misra A. A knowledge-based approach for discriminating multi-crop scenarios using multi-temporal polarimetric SAR parameters［J］. International Journal of Remote Sensing，2019，40(10)：169-183.
［16］王利军，郭燕，贺佳，等. 基于决策树和SVM的Sentinel-2A影像作物提取方法［J］. 农业机械学报，2018，49(9)：146-153.
［17］姜蓝齐，王萍，姜丽霞，等. 基于多时相MODIS数据监测水、旱作物种植面积及空间分布［J］. 中国农学通报，2021，37(16)：108-118.
［18］唐华俊，吴文斌，杨鹏，等. 农作物空间格局遥感监测研究进展［J］. 中国农业科学，2010，43(14)：2879-2888.
［19］刘亮，姜小光，李显彬，等. 利用高光谱遥感数据进行农作物分类方法研究［J］. 中国科学院研究生院学报，2006，23(4)：484-488.
［20］白燕英，高聚林，张宝林. 基于Landsat8影像时间序列NDVI的作物种植结构提取［J］. 干旱区地理，2019，42(4)：893-901.
［21］贺鹏，徐新刚，张宝雷，等. 基于多时相GF-1遥感影像的作物分类提取［J］. 河南农业科学，2016，45(1)：152-159.
［22］张雅芳，郭英，沈彦俊，等. 华北平原种植结构变化对农业需水的影响［J］. 中国生态农业学报(中英文)，2020，28(1)：8-16.
［23］茶明星，汪小钦，李娅丽，等. 基于遥感数据的新疆开-孔河流域农业区种植结构提取［J］. 干旱区研究，2020，37(2)：532-540.
［24］杜保佳，张晶，王宗明，等. 应用Sentinel-2A NDVI时间序列和面向对象决策树方法的农作物分类［J］. 地球信息科学学报，2019，21(5)：740-751.
［25］刘俊伟，陈鹏飞，张东彦，等. 基于时序Sentinel-2影像的梨树县作物种植结构［J］. 江苏农业学报，2020，36(6)：1428-1436.
［26］关士英，袁占良，谢传节. 基于多特征的高分时序冬小麦提取研究［J］. 地理空间信息，2020，18(5)：14-19，6.
［27］刘新侠. 农业干旱时滞效应及时空分布模型研究——以河北南部平原区为例［D］. 邯郸：河北工程大学，2019.
［28］王冬利，张安兵，张兆江，等. 广义DEM思想下的农作物种植结构遥感提取方法：CN105957115B［P］. 2018-06-08.
［29］贾令晨. 鸡泽县辣椒产业特点及关键栽培技术应用研究［D］. 邯郸：河北工程大学，2020.

相似文献/References:

[1]李海亮,方纪华,田光辉,等.海南岛农业干旱综合监测业务化运行研究[J].江苏农业科学,2017,45(18):211.
　Li Hailiang,et al.Study on operational method for agricultural drought comprehensive monitoring in Hainan Island[J].Jiangsu Agricultural Sciences,2017,45(22):211.
[2]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(22):219.
[3]杨鹏,李春强,高祺,等.多种干旱遥感监测模型在河北地区的适用性研究[J].江苏农业科学,2018,46(16):231.
　Yang Peng,et al.Study on applicability of multiple drought remote sensing monitoring models in Hebei area[J].Jiangsu Agricultural Sciences,2018,46(22):231.
[4]刘璐,申双和,杨舒畅.基于MODIS土地覆被数据的江苏省农地景观变化及其驱动因子分析[J].江苏农业科学,2019,47(12):274.
　Liu Lu,et al.Analysis of agricultural landscape changes and driving factors in Jiangsu Province based on MODIS land cover data[J].Jiangsu Agricultural Sciences,2019,47(22):274.
[5]曹鹏,梁其椿,李淑敏.基于Otsu算法的太湖蓝藻水华与水生植被遥感同步监测方法[J].江苏农业科学,2019,47(14):288.
　Cao Peng,et al.A novel remote sensing simultaneous monitoring method for cyanobacteria blooms and aquatic vegetation in Taihu Lake based on Otsu algorithm[J].Jiangsu Agricultural Sciences,2019,47(22):288.
[6]王锦杰,陈昊,张莹,等.基于植被健康指数的2001—2018年间江苏省农业干旱时空分析[J].江苏农业科学,2020,48(06):223.
　Wang Jinjie,et al.Spatial and temporal analysis of agricultural drought in Jiangsu Province from 2001 to 2018 based on vegetation health index[J].Jiangsu Agricultural Sciences,2020,48(22):223.
[7]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(22):204.
[8]王振兴,刘东,王敏.基于GEE平台和多维特征优选的粮食作物提取——以西辽河流域为例[J].江苏农业科学,2023,51(21):200.
　Wang Zhenxing,et al.Extraction of grain crop based on multidimensional feature optimization and GEE platform—Taking western Liaohe River Basin as an example[J].Jiangsu Agricultural Sciences,2023,51(22):200.

备注/Memo

备注/Memo:
收稿日期：2021-11-24
基金项目：国家自然科学基金(编号：42071246)；河北省自然科学基金(编号：E2020402006)。
作者简介：高叶鹏(1996—)，男，山西吕梁人，硕士研究生，主要从事农业遥感研究。E-mail：gaoyepeng@126.com。
通信作者：刘海新，博士，副教授，主要从事生态环境与农业遥感研究。E-mail：4293170@qq.com。
更新日期/Last Update: 2022-11-20