收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于时间序列Sentinel-1A数据的玉米种植面积监测研究

李俐  孔庆玲  王鹏新  王蕾  荀兰  
【摘要】:玉米作为中国三大作物之一,监测其种植面积对及时了解其种植时空分布、保障粮食安全具有重要作用。本文以河北省涿州市为研究区,利用2016年多时相Sentine-1A SAR(Synthetic Aperture Radar,合成孔径雷达)影像,对玉米种植区域进行提取。在对研究区地物散射特性分析的基础上,分析了微波后向散射特性随不同生育期玉米植株结构发育的变化情况,选择合适时相和极化组合的后向散射系数,运用支持向量机(Support Vector Machine,SVM)算法提取了玉米种植范围和面积信息,并对不同后向散射系数(标准后向散射系数(Sigma-naught,σ0)和归一化后向散射系数(Gamma-naught,γ0))用于研究区作物种植区提取的结果进行了比较。结果表明,采用时间序列(4月19日,5月30日,6月11日,7月17日)雷达图像得到的监督分类结果具有较高的分类精度和kappa系数,总体精度达92.96%,Kappa系数为0.91。因此,采用4—7月(春玉米播种至吐丝时期、夏玉米播种至拔节时期)的时间序列SAR数据能有效获取不同种植模式下的玉米信息,而增加8、9月的数据对玉米识别精度的影响不大。总体来说,采用多时相双极化的σ0数据与相同时相组合的γ0数据对玉米种植范围提取基本相同,但使用γ0数据的林地识别精度比σ0数据提高了3%。研究结果可为多极化SAR数据的玉米识别和面积监测提供参考案例。

知网文化
【相似文献】
中国期刊全文数据库 前10条
1 李俐;孔庆玲;王鹏新;王蕾;荀兰;;基于时间序列Sentinel-1A数据的玉米种植面积监测研究[J];资源科学;2018年08期
2 欧立业;罗烈琴;易明华;;基于NDVI时间序列数据的江西省水稻种植制度变化研究[J];测绘与空间地理信息;2016年04期
3 孙姝娟;李民录;王萍;张艳梅;张荞;;基于GF-1/WFV EVI时间序列数据的水稻种植面积提取[J];福建农业学报;2018年06期
4 魏瑞琪;李林峰;仙巍;邵怀勇;汪盾;;利用TIMESAT软件和时间序列卫星影像提取新疆石河子棉花种植区域[J];湖北农业科学;2018年04期
5 黄成龙;张雪海;吴迪;叶军立;杨万能;;基于时间序列的玉米叶片性状动态提取方法研究[J];农业机械学报;2017年05期
6 陈健;刘云慧;宇振荣;;基于时序MODIS-EVI数据的冬小麦种植信息提取[J];中国农学通报;2011年01期
7 蒋磊;尚松浩;;植被指数动态变化的拟合曲线比较[J];灌溉排水学报;2014年Z1期
8 姜涛;朱文泉;詹培;唐珂;崔雪锋;张天一;;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年04期
9 鹿琳琳;郭华东;;基于SPOT/VEGETATION时间序列的冬小麦物候提取方法[J];农业工程学报;2009年06期
10 杨浩;黄文江;王纪华;杨贵军;屠乃美;杨小冬;王大成;;基于HJ-1A/1BCCD时间序列影像的水稻生育期监测[J];农业工程学报;2011年04期
中国重要会议论文全文数据库 前2条
1 林忠辉;莫兴国;薛玲;;用NDVI时间序列确定作物物侯和作物类型判别[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
2 范锦龙;吴炳方;;复种指数遥感监测方法[A];中国数字农业与农村信息化学术研究研讨会论文集[C];2005年
中国硕士学位论文全文数据库 前6条
1 宋盼盼;基于光谱时间序列拟合的中国南方水稻遥感识别及面积估算方法研究[D];东华理工大学;2017年
2 苗翠翠;基于NDVI时间序列的水稻面积提取研究[D];南京林业大学;2010年
3 石宁卓;基于MODIS-NDVI时间序列小麦面积提取方法研究[D];西安科技大学;2015年
4 陈燕芬;基于MODIS时间序列数据的湿地提取方法[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年
5 李新星;基于时间序列植被指数的水稻发育期提取和估产[D];浙江大学;2017年
6 宁佐荣;基于MODIS数据的低山丘陵区水稻估产模型研究[D];西南大学;2014年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978