时空融合丨融合时间序列环境卫星数据与物候特征的水稻种植区提取

Posted 2021-05-02 遥感学报

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了时空融合丨融合时间序列环境卫星数据与物候特征的水稻种植区提取相关的知识，希望对你有一定的参考价值。

遥感人的成长家园

关注

《2016中国国土资源公报》数据显示

2015年全国因建设占用、灾毁、生态退耕、农业结构调整等原因

减少耕地面积33.65万公顷

耕地面积的减少已经影响到了我国的粮食安全

精确、适时地监测耕地面积

对于农业规划与决策具有重要意义

中南大学柳文杰、曾永年、张猛团队据此与您探讨《融合时间序列环境卫星数据与物候特征的水稻种植区提取》。

论文来源:遥感学报,2018,22(3):381-391

DOI：10.11834/jrs.20187298

E-mail: liuwenjiers@126.com

原文链接：

文章创新点

(1)利用时空融合模型获取了高时空分辨率的HJ卫星数据。

(2)基于时间序列的HJ卫星获取了高精度的物候参数。

研究区域

以洞庭湖为核心，向东、南、西3周过渡为河湖冲积平原、环湖丘陵岗地、低山，为一碟形盆地。实验区属于亚热带季风气候，主要农作物有水稻、棉花等，是湖南省主要的水稻生产基地。

影像数据

MODIS13Q1(16天合成NDVI)

HJ-1B CCD多光谱影像

技术路线

主要步骤：

(1)在图像预处理的基础上，利用STARFM模型，融合缺少的16个时相的HJ NDVI数据，构建完整时间序列的HJ NDVI数据。

(2)通过S-G(Savitzky-Golay)滤波，重构HJ NDVI时序数据，并提取物候特征参数。通过J-M(Jeffreys-Matusita)距离计算，选择与确定出最佳时相的HJ NDVI时序数据。

(3)利用最佳时相的NDVI时序数据结合物候特征参数，采用SVM方法提取水稻种植区域，并进行精度检验。

(4)对比可见光加近红外波段(VNIR)分类、最佳时序NDVI分类、物候特征分类以及VNIR+NDVI+物候特征分类实验，进一步验证方法的有效性。

结果与分析

时空数据融合

通过时空融合技术获得因雨云天气缺失的HJ影像，为验证图像融合效果，以2014-07-30的HJ NDVI及201-07-28的MODIS NDVI作为基准，融合得到2014-10-09与2014-11-14的HJ NDVI。

真实NDVI与融合NDVI

物候参数及其特征

基于滤波重建的时序NDVI，提取的研究区物候特征参数。

<< 滑动查看下一张图片 >>

分类结果

利用最佳时序NDVI、物候特征参数组合数据，参用SVM算法进行监督分类，最终得到研究区水稻种植区分布。为验证方法的有效性，利用可见光加近红外波段(VNIR)、最佳时序NDVI、物候特征参数以及VNIR+NDVI+物候特征参数获得的对照实验如下图。

<< 滑动查看下一张图片 >>

小结

(1)时空融合的时序HJ卫星NDVI空间细节信息清晰，与真实HJ NDVI的一致性程度较高，表明STARFM模型能够较好地模拟缺失时相的HJ卫星影像，可以有效地解决中国南方多雨云天气地区，受天气影响的HJ数据缺失的问题。

(2)时空融合的时序HJ卫星NDVI不可避免的会受到MODIS影像噪声的干扰，出现异常值。S-G滤波能够有效去除时序数据中的异常值，同时提高物候特征参数的准确性。

(3)最佳时相NDVI结合物候特征参数的水稻种植区分类总体分类精度达到91.71%，单、双季稻田的生产者精度与用户精度均高于85%，说明物候特征参数结合NDVI能有效地运用于区域水稻种植面积提取。

专

家

点

评

时空融合技术是弥补数据来源的不足，进行长时间序列遥感数据分析的有效技术手段。文章将经典的STARFM时空融合算法应用于国产环境卫星与MODIS数据的融合，以获得时间序列的环境卫星NDVI数据，并结合水稻的物候特征对水稻种植区域进行了提取，取得了不错的效果，有一定的实际应用价值。

引用格式：

柳文杰,曾永年,张猛.2018. .遥感学报, 22(3): 381-391
Liu W J, Zeng Y N and Zhang M.2018. Mapping rice paddy distribution by using time series HJ blend data and phenological parameters.Journal of Remote sensing, 22(3): 381-391

团队介绍

柳文杰

中南大学地球科学与信息物理学院研究生，研究方向为遥感技术应用。

E-mail：

liuwenjiers@126.com

曾永年

中南大学地球科学与信息物理学院教授、博士导师。学科方向：地图制图学与地理信息工程，摄影测量与遥感，资源环境遥感，地理学。研究兴趣与领域：环境遥感、GIS与环境模拟、土地利用与土地覆盖变化、区域环境变化与可持续发展等方面的理论、方法与应用研究。科研项目：先后主持国家自然科学基金项目4项，教育部骨干教师资助项目1项，参加完成国家973项目、863重点项目、国家自然科学基金项目（重点、面上）、科学院知识创新工程项目、教育部重点项目等多项研究。发表论文百余篇（其中被SCI、EI收录30余篇）。获省科技进步奖1项。E-mail：ynzeng@mail.csu.edu.cn