EN中文

Journal of Geo-information Science >

2016 , Vol. 18 >Issue 8: 1141 - 1149

DOI: https://doi.org/10.3724/SP.J.1047.2016.01141

Monitoring the Changes of Cotton Plantation Area Based on the Multi-temporal Middle Resolution Features of Temporal Process in Jianghan Plain

  • YOU Hui , 1, * ,
  • GAO Huadong 1 ,
  • SU Rongrui 1 ,
  • LIU Kaiwen 1 ,
  • XIAO Weiyu 2
Expand
  • 1. Jingzhou Agriculture Meteorological Trial Station of Hubei Province, Jingzhou 434025, China
  • 2. Wuhan Regional Climate Center, Wuhan 430074, China
*Corresponding author: YOU Hui, E-mail:

Received date: 2015-10-28

  Request revised date: 2016-01-31

  Online published: 2016-08-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Cotton is an important economic crop in our country, and also it is one of the main sources of income to the farmers of Jianghan plain in Hubei Province. Therefore, it is very important to obtain the information about cotton planting area, and accurately and timely get the spatial distribution for optimizing the cotton planting spatial pattern, scientifically guiding the cotton production and improving the management level. To explore the feasibility of middle and high resolution remote sensing images in monitoring the cotton plantation area, we took Jianghan plain as the study area in this paper. According to the growth period duration and the phonological characteristics of cotton, we selected the multi-temporal HJ-1A/1B images during the critical period of cotton growth of Jianghan plain in 2012 and 2014 as the data source. By analyzing the spectral property and normalized difference vegetation index (NDVI) time series variation during the cotton growing period in the study area, we use the threshold configurations and the mask processes to build the decision trees for the estimation of cotton planting area. Finally, the planting areas of cotton were extracted using the decision trees method in 2012 and 2014. With respect to the confusion matrix calculations, the overall accuracy of the study area reached 95.96% and the Kappa coefficient was 0.93. Then, by taking the statistics data provided by the Agricultural Bureau as a reference, the accuracies of area extraction results from HJ data are 97.91% and 91.27% in 2012 and 2014, respectively. Results indicated that this method can accurately reflect the distribution of the cotton area in Jianghan plain. In addition, it is concluded that the cotton planting area can be accurately extracted as long as we have the HJ satellite CCD data for the critical period of cotton growth and the image data is not affected by factors such as clouds and precipitation.

Key words： HJ satellite; cotton; planting area; Jianghan plain

Cite this article

YOU Hui , GAO Huadong , SU Rongrui , LIU Kaiwen , XIAO Weiyu . Monitoring the Changes of Cotton Plantation Area Based on the Multi-temporal Middle Resolution Features of Temporal Process in Jianghan Plain[J]. Journal of Geo-information Science, 2016 , 18(8) : 1141 -1149 . DOI: 10.3724/SP.J.1047.2016.01141

1 引言

江汉平原地理气候条件优越,是湖北省最大的优质棉生产基地,棉产区约占全省棉田面积的70%,也是全国棉花单产水平较高的棉区之一[1]。棉花是江汉平原的优势经济作物,但近年来随着植棉效益的下降和生产成本的提高、加上棉花生育期长,面临的自然灾害风险较大以及棉花市场萎靡,导致江汉平原大量棉田被改种为其他经济作物[2]。2012-2014年,湖北省棉花总产量出现负增长的趋势,棉花减产了10.02万t,总产量下降21.8%[3]。因而,能够快速有效地提取棉花的种植面积和分布信息,对于准确估测棉花产量,优化棉花种植空间格局与管理有重要的意义[4]。
作物的识别及提取是农业遥感的基础,不同数据源的选取及分类方法的使用会直接影响提取作物的种植面积精度[5-6]。目前,被国内外应用于作物种植面积监测的遥感数据类型较多,但是各有优缺点。例如,利用AVHRR和MODIS数据进行监测;应用MODIS与TM数据结合进行监测[7-8],虽然MODIS、NOAA数据比较适用于大尺度作物种植面积的监测,但由于受数据本身低空间分辨率的限制而难以保证作物种植面积提取精度[9-10]。而SPOT、ETM等数据虽然空间分辨率较高,且能够保证作物种植面积的提取精度但由于其受覆盖范围小、重访周期长、价格昂贵以及受云层影响较大等问题的约束,难以在业务化中广泛使用[10-12]。近年来,中国自主研发的环境与灾害监测预报小卫星(HJ-1A/1B）的遥感数据重返周期短、监测范围广,数据可以免费获取且处理简单,在农作物种植面积及长势监测方面比其他数据源更有优势[13]。
本文以江汉平原为研究区,根据作物的季节性变化规律和物候信息,选取2012年、2014年多时相HJ卫星CCD遥感影像,利用归一化植被指数（NDVI）时序特征构建决策树分类模型,提取江汉平原2012年、2014年棉花种植面积。研究基于国产遥感卫星数据的江汉平原棉花种植的遥感监测技术体系,为江汉平原棉花生产的管理和科学决策提供依据。

2 研究区概况、数据源与预处理

2.1 研究区概况

江汉平原位于长江中游（29°26′~31°10′ N, 111°45′~114°16′ E）,是中国重要的粮棉油生产基地之一[14]。江汉平原属亚热带季风气候,气候条件良好,土地肥沃,温光水资源丰富,年均日照时数约2000 h,10 ℃以上持续期约230~240 d,活动积温5100~5300 ℃,年均降水量1100~1300 mm[5],利于棉花的生长、发育和管理。江汉平原农作物的主要轮作方式是油菜-中稻、油菜-棉花、冬小麦-棉花、双季早稻-晚稻[5],秋收作物主要包括棉花、中稻、晚稻,其物侯信息见表1。从表1可看出,江汉平原棉花生育全程一般在4月中旬开始播种,5月中旬进行移栽,6月下旬现蕾,7月中旬开花,9月上旬处于裂铃吐絮期,10月下旬停止生长,11月上中旬拔杆。而一季中稻从4月下旬开始播种,6月中旬进入分蘖期,8月上旬抽穗开花,8月下旬灌浆,到了9月中旬成熟收获。晚稻则在6月下旬播种,10月下旬成熟收获。本文研究区主要包括仙桃、潜江、天门3个省直管市;荆州市的荆州区、江陵县、沙市区、公安县、石首市、松滋市、洪湖市和监利县8个市区县;以及荆门市（包括荆门市区和沙洋县）、京山县、钟祥市等部分地区（图1）,图中研究区影像为2012年NDVI均值数据。
Tab. 1 The phenological rhythm of the main autumn harvest crops in Jianghan plain

表1 江汉平原主要秋收作物物候信息

4月 5月 6月 7月 8月 9月 10月 11月
上旬 中旬 下旬 上旬 中旬 下旬 上旬 中旬 下旬 上旬 中旬 下旬 上旬 中旬 下旬 上旬 中旬 下旬 上旬 中旬 下旬 上旬 中旬
双季早稻 播种 三叶 移栽 分蘖期 孕穗 抽穗开花 灌浆期 成熟收获
中稻 播种 三叶 移栽 分蘖期 拔节期 孕穗 抽穗开花 灌浆期 成熟收获
晚稻 播种 三叶 移栽 分蘖期 拔节孕穗 抽穗开花 灌浆期 成熟收获
棉花 播种 出苗 移栽 三叶 五叶 现蕾 开花期 裂铃吐絮期 停止生长 拔杆
Fig. 1 Location and distribution of the study area

图1 研究区位置及分布

2.2 数据源

环境减灾小卫星CCD数据空间分辨率为30 m,包括蓝、绿、红和近红外4个波段[15]。HJ数据以其覆盖范围广,重访周期短,分辨率较高、数据免费获取和处理简单等优势,大大降低了使用遥感影像提取作物种植面积的限制[16]。整个江汉平原棉花生长期基本一致,4月中旬播种到10月下旬收获,而此时也正是中稻、晚稻等农作物的生长期,但是不同作物各生育期光谱特征不同。由于江汉平原棉花生育期基本一致,因而与熊勤学等[17]研究得到的湖北省江陵市棉花NDVI时序变化特征一致,即在前期棉花叶面积比较稳定,到了7月上旬NDVI指数才开始处于较高水平,8月上中旬棉花NDVI达到最高水平一直持续到9月,直到9月上中旬才开始下降。本文根据作物物候规律,并考虑遥感数据质量,分别选取2012年5月12号（苗期）、7月2号（现蕾期）、7月30号（开花期）、8月8号(花铃期)、9月28号（采摘期）的5景影像以及2014年相同生长期的5月20号（苗期）、7月4号（现蕾期）、7月22号（开花期）、8月15号(花铃期)、9月29号（采摘期）5景数据来分别提取2012年、2014年棉花种植面积。文中HJ数据来源于中国资源卫星应用中心（http://www.cresda.com/site1/）。
此外,还搜集了湖北省1：25万湖北省行政区划图、江汉平原四湖流域水系图以及野外地面调查点的GPS定位数据。

2.3 数据预处理

本文HJ数据预处理主要包括辐射定标、FLAASH大气校正、图像配准、图像裁剪及NDVI计算等。
（1）根据HJ卫星影像的头文件信息查找定标系数,并代入式（1）进行辐射亮度值换算[4]。
L = DN / g + L 0 （1）
式中：L为辐射亮度;DN为数据灰度值;g为绝对定标系数增益;L0为绝对定标系数偏移量。
（2）以2012年5月20日数据为基准影像,分别与其它待校正的影像通过选择同名像点进行配准校正,误差控制在1个像元以内。
（3）选用FLAASH大气校正模型对影像进行快速的大气校正分析,通过公式计算将辐射亮度值转换为地表反射率,计算公式为式（2）[18]。
ρ = π ∙ L ∙ d 2 E 0 ∙ cos θ s （2）
式中： ρ 为地表反射率;L为辐射亮度;d为日地距离（天文单位）,取值1; E 0 为卫星波段的平均太阳辐照度; θ S 为太阳天顶角。
（4）利用NDVI计算公式,计算出每幅FLAASH大气校正后影像的NDVI,并参照江汉平原行政边界矢量图对影像进行裁切。NDVI计算如式（3）[10]所示。
NDVI = ρ 4 - ρ 3 ρ 4 + ρ 3 （3）
式中： ρ 3 和 ρ 4 分别表示HJ数据第3波段（红光波段）和第4波段（近红外波段）反射率。
（5）将GPS定位仪采集的样点经纬度信息转换成与HJ卫星影像投影类型一致的*.shp文件,以便于将地物采集的样点信息定位到HJ卫星影像中对应的位置上。

3 棉花面积提取方法

3.1 研究区主要地类NDVI曲线变化分析

利用作物生长期与其他作物的物候差异特征来识别其种植信息是遥感提取作物面积的重要过程[4]。本文基于野外采集的不同地物（棉花、中稻、晚稻、水体、城镇、林地）GPS采样点数据,在2012年5个时相NDVI指数影像上分别提取水体、城镇、林地、棉花、中稻、晚稻各像元不同时序内的NDVI值,将各像元的NDVI求平均后建立典型地物的NDVI曲线图（图2）。
Fig. 2 NDVI spectral curves of typical types in 2012

图2 2012年典型地类NDVI光谱曲线

3.2 棉花种植区决策树提取模型

研究采用决策树分类方法,根据不同地物NDVI指数光谱特征和专家知识进行信息提取,结合波段组合的方式构建提取模型。HJ卫星数据提取监测棉花面积技术流程如图3所示。
Fig. 3 Flow chart of cotton planting area extractionbased on HJ satellite images

图3 基于HJ卫星影像的棉花种植面积提取流程

根据图2不同作物NDVI光谱变化曲线可看出,中稻NDVI指数从5月下旬开始增大,由于中稻在7月上旬至8月中旬处于拔节孕穗期,叶面积指数在此时达到最大,同时NDVI值也较大,之后便会开始减少。由于棉花移栽期处于5月中旬,7月上旬开始开花,期间棉花叶面积指数较小,NDVI指数值一直较小,在此之后NDVI指数逐渐增大,8月中旬基本到达最大值,持续到9月上旬后,棉花裂铃吐絮,NDVI指数值逐渐下降。晚稻由于播种时间较晚,NDVI指数最高值出现在9月中下旬。
7月上旬棉花叶面积还较小,但是中稻田叶面积已处于较高水平,晚稻田7月上旬叶面积也较小,且小于棉花叶面积,但晚稻到了9月下旬叶面积较大,因而7月上旬是区分棉田和中稻田的关键时期。根据3种作物的NDVI光谱特征,可以主要分别利用2012年和2014年的7月上下旬、8月上旬和9月下旬的NDVI数据来屏蔽中稻和晚稻,提取棉花。NDVI值在7月上下旬都较大,而9月下旬小的为中稻。NDVI值在7月上旬小,8月上旬较大且9月下旬较大的为晚稻。NDVI值在7月上旬较小,8月上旬较大且9月下旬小的则为棉花。

3.3 面积估算模型

通过对2012年和2014年NDVI影像进行综合分析,提取了2012年、2014年江汉平原棉花种植分布信息。利用江汉平原各区县矢量数据分别对2012年和2014年提取结果进行裁切,统计各区县棉花种植区像元数,并利用面积估算模型式（4）分别计算江汉平原各区县棉花种植面积。
A icotton = P i × 30 × 30 × 10 - 7 （4）
式中： A icotton 为江汉平原各区县棉花种植面积,单位为1000 ha; P i 为 各区县棉花像元个数。

3.4 精度评价

通过计算混淆矩阵评价分类精度的方法和提取面积精度方法对棉花提取精度进行评价。研究选取棉花、中稻、水体和林地4类地物为样本,提取各类地物野外调查采样点在HJ影像上的真实感兴趣区,通过与分类结果对比计算混淆矩阵,并进行分类精度评价。

4 结果与分析

4.1 作物生长过程及阈值的确定

正确选择阈值是棉花种植信息提取精度的关键,本文通过读取分析典型地物实地调查采样点的多时相光谱特征并结合作物物候历来确定阈值。表2为不同作物采样点不同时相NDVI光谱特征统计值的平均值（M）、标准差（D）、最大值（M+D）和最小值（M-D）。
Tab. 2 The NDVI statistics of three crops in 2012

表2 2012年3种作物的NDVI值统计表

影像
时间		 作物
类型		 平均值
（M）		 标准差
(D)		 M+D
（最大值）		 M-D
（最小值）
2012-05-12 中稻 0.304714 0.032654 0.337368 0.272060
棉花 0.297284 0.038867 0.336151 0.258417
晚稻 0.132896 0.052232 0.185128 0.080664
2012-07-02 中稻 0.814182 0.037437 0.851619 0.776745
棉花 0.424456 0.062608 0.487064 0.361848
晚稻 0.205091 0.073252 0.278343 0.131839
2012-07-30 中稻 0.790761 0.030821 0.821582 0.75994
棉花 0.734289 0.045935 0.780224 0.688354
晚稻 0.45214 0.046766 0.498906 0.405374
2012-08-08 中稻 0.657455 0.03216 0.689615 0.625295
棉花 0.714886 0.029092 0.743978 0.685794
晚稻 0.525734 0.018519 0.544253 0.507215
2012-09-28 中稻 0.348423 0.03674 0.385163 0.311683
棉花 0.374898 0.067973 0.442871 0.306925
晚稻 0.666095 0.025196 0.691291 0.640899
（1）植被与非植被的区分
由图2可知,水体、城镇、裸露田地等非植被地类的NDVI指数均值小于0.3,而绿色植被NDVI指数值大于0.3,计算研究区每年5个时相的NDVI均值影像来区分植被与非植被,在NDVI均值小于0.2时确定为非植被。
（2）林地、草地等其它地物的去除
由于5月中下旬是两茬农作物的轮换期,水稻、棉花等农作物的NDVI值都小,结合表2中的5月中旬作物光谱特征最大值经过反复试验,确定5月中旬NDVI值大于0.38作为去除林地、草地等其它地物的阈值。
（3）屏蔽中稻、晚稻提取棉花
用上述计算的屏蔽图作为过滤器,将所有非农作物区域进行屏蔽,生成只含有中稻、晚稻和棉花的影像。
对于2012年5景数据,如果7月2日NDVI值大于同期棉花的光谱特征最大值,则取近似值0.5,7月30日NDVI值大于同期晚稻的光谱特征最大值取0.55,且9月28日NDVI值小于中稻的光谱特征最大值取0.4时,则确定为中稻。如果7月2日NDVI值小于同期棉花的光谱特征最小值取0.35,8月8日NDVI值大于7月末晚稻光谱特征的最大值取0.5,9月28日NDVI值大于8月晚稻光谱特征的最大值取0.55时,则为晚稻。在屏蔽掉中稻和晚稻后,如果7月2日NDVI值小于棉花的光谱特征最大值取0.5,而7月30日NDVI影像值大于7月初棉花的最大值取0.55,8月8日NDVI值大于棉花的光谱特征最小值取0.65,且9月28日NDVI值小于棉花的光谱特征最大值取0.45时,则可提取棉花。
对于2014年5景影像,如果7月4日NDVI值大于0.5,7月22日NDVI值大于0.55,9月29日影像小于0.4的区域则为中稻。如果7月4日NDVI值小于0.35,8月15日NDVI值大于0.45,9月29日NDVI值大于0.55,则为晚稻。在以此屏蔽掉中稻和晚稻后,如果7月4日NDVI值小于0.45,7月22日NDVI影像值大于0.55,8月15日NDVI值大于0.6,且9月29日NDVI值小于0.45的部分,则确定为棉花种植区域提取结果。

4.2 棉花提取结果空间分布

图4为2012年、2014年棉花HJ数据提取的棉花种植面积空间分布图。从2012年、2014年结果图中可看出,江汉平原植棉区相对比较集中,棉田主要集中分布在天门市、潜江市、公安市、仙桃市、监利县、钟祥市、松滋市以及石首市,并且2012年各区县棉花种植面积多于2014年。由图4可发现,江汉平原湖泊水库周围多种植棉花,尤其沿着长江区域棉花分布集中且连片。
Fig. 4 Results of cotton planting area extraction based on the HJ satellite images in 2012 and 2014

图4 2012年和2014年HJ影像棉花种植面积提取结果

4.3 精度评价结果分析

从表3的混淆矩阵分析可见,各类地物总的分类精度为95.96%,Kappa系数为0.93,达到了较高的分类标准。其中,棉花错分误差和漏分误差均为2.06%。这主要由于有一小部分棉花的播种日期早于江汉平原整体播种期,因而到了7月上旬其NDVI值大于设定的阈值,在分类时被错分为中稻。另外,江汉平原局部地区棉花种植田块有插花种植现象,棉花的光谱特征会受到影响,容易被分为其它地类。此外,农田周围被种植防护林,在遥感监测时,此类像元易被误判为林地或其它地类,同时一部分林地也会被误判为棉花或其它作物,因而影响分类精度。
Tab. 3 Confounding matrix of the classification result for the typical surface objects

表3 典型地物分类结果的混淆矩阵

地物类型 地表真实像元分类数据
水体 棉花 中稻 林地 总计 错分率/（%） 漏分率/（%） 整体精度/（%） Kappa系数
水体 60 0 0 0 60 0 0 95.96 0.93
棉花 0 332 7 0 339 2.06 2.06
中稻 0 3 145 8 156 7.05 6.45
林地 0 4 3 57 64 10.94 12.31
总计 60 339 155 65 619 - -
为定量分析棉田提取结果的可行性,将HJ数据提取面积与农业局提供的各区县2012年、2014年棉花种植面积统计数据进行比较（表4）,2012年、2014年农业局统计的江汉平原棉花种植面积分别为227.59×103 ha和173.05×103 ha,通过遥感影像提取的江汉平原棉花面积结果分别为222.83×103 ha和157.94×103 ha,研究区整体面积精度分别达到了97.91%和91.27%。在2012年的面积精度评价中,潜江市、天门市、江陵县、钟祥市与农业局统计数据的面积精度均达到96%以上,在2014年面积精度分析中,石首市、江陵县、潜江市的面积精度均达到95%以上。将2012年、2014年HJ数据提取的各个区县棉花种植面积与农业局对应区县的数据进行相关性分析,相关系数（R2）达到0.96,均方根误差（RMSE）为8.95。由此可见,本文提取的结果与农业局的统计数据有很好的相关性。
Tab. 4 Results of the accuracy assessments for the cotton area

表4 棉花面积精度评价结果

2012年 2014年
统计面积/(103 ha） 提取面积/(103 ha) 精度/（%） 统计面积/(103 ha） 提取面积/(103 ha) 精度/（%） 减少面积/(103 ha）
荆门市 10.19 9.23 90.58 9.41 8.51 90.44 0.72
钟祥市 13.93 13.56 97.34 11.94 9.77 81.83 3.79
京山县 11.30 9.58 84.78 3.08 2.28 74.03 7.30
荆州区 9.58 10.14 94.15 5.31 5.79 90.96 4.35
沙市区 3.12 3.85 76.60 2.94 2.73 92.86 1.12
公安县 28.27 32.70 84.33 25.66 23.42 91.27 9.28
监利县 22.44 17.15 76.43 14.37 12.80 89.07 4.35
江陵县 8.05 8.12 99.13 6.03 6.28 95.85 1.84
石首市 12.61 15.20 79.46 11.47 11.14 97.12 4.06
洪湖市 6.91 7.49 91.61 5.60 5.92 94.29 1.57
松滋市 13.83 11.98 86.62 11.78 10.4 88.29 1.58
仙桃市 23.16 19.26 83.16 15.17 13.33 87.87 5.93
潜江市 26.23 26.34 99.58 20.28 19.7 97.14 6.64
天门市 37.97 38.23 99.32 30.01 25.87 86.20 12.36
合计 227.59 222.83 97.91 173.05 157.94 91.27 64.89
注： 面积精度 ( % ) = 1 - 遥感提取面积 - 农业局面积 农业局面积 × 100 %

4.4 棉花种植面积变化分析

为了对研究区棉花种植面积变化做进一步分析,将2012年、2014年提取的棉花面积结果进行叠加计算,得到2014年比2012年棉花种植面积减少的空间变化图（图5）。从图5可看出,江汉平原各区县的棉花面积均出现了不同程度的减少。减少较大的区域主要集中在天门市西部、中部和东部、公安县北部和东部、京山县东部、潜江市西部以及仙桃市东南部。从表3可看出,这几个区县2014年比2012年减少种植的棉花面积均超过5×103 ha。整个研究区2014年减少的棉花面积达64.89×103 ha。
Fig. 5 Map showing the change in cotton planting area in 2014

图5 2014年棉花种植面积变化图

2014年江汉平原各区县棉花种植面积减少的主要原因包括3个方面：
（1）植棉效益的下降。以荆州市为例,2014年籽棉收购价格大幅下跌,平均价格仅为6.2 元/kg,较2012年的8.4 元/kg的平均价格,下跌了近2.2 元/kg,据统计局调查研究,2014年是近年来植棉效益最差的一年。
（2）生产成本的上升。棉花生产从播种到收获主要靠人工操作完成,导致人工投入成本过高,并且棉花生育期长,面临的自然灾害风险较大。
（3）市场政策的变化。2014年是国家取消棉花临时收储政策,实行目标价格的第一年。棉花收购加工导致江汉平原出现棉花资源的减少,市场疲软的形势① (①市农业局建议及时调整种植结构（http://www.hbjzagri.gov.cn/2015/0228/97724.html）。)

5 结论和讨论

本文利用多时相HJ卫星CCD影像,根据棉花物候变化的特征,通过设定阈值,掩膜处理,构建决策树模型提取2012年、2014年江汉平原棉花种植面积。结果表明：
（1）基于HJ卫星影像能够很好地提取作物种植面积。利用HJ卫星具有的高时间分辨率优势,可以对作物不同生长期内的光谱变化特征进行较好的分析,其中高空间分辨率的特点在作物识别中可得到充分发挥。
（2）对于江汉平原而言,7月上旬是用来区分棉花和水稻的关键时期。由于中稻7月上旬至8月中旬处于拔节-抽穗期,NDVI指数值处于较高水平,此后开始下降。而棉花5月中旬移栽,7月上旬开始开花,NDVI指数值一直较小,在此之后逐渐增大,8月中旬基本到达最大值,持续到9月上旬后NDVI指数值逐渐下降。晚稻由于播种时间较晚,NDVI指数最高值出现在9月中下旬,因而可以利用5月下旬、7月上下旬、8月上旬和9月下旬的NDVI数据剔除水稻,提取棉花信息。
（3）利用2012年、2014年各5景不同时相的HJ卫星CCD遥感数据,提取得到江汉平原棉花种植面积。经检验,提取的样本点总体精度达到95.96%,Kappa系数为0.93,以农业局统计数据为参考,2012年、2014年HJ数据提取的棉花面积精度分别达到97.91%、91.27%。
由于江汉平原地物混杂种植现象相对比较严重,因此虽然HJ卫星影像具有较高的空间分辨率,但在作物面积提取结果的影像中仍会有一部分像元是参杂着其它作物的混合像元,因此,如何解决混合像元以提高提取精度,如何改进阈值确定方法以提高阈值确定效率,将是今后研究要解决的主要问题。此外,本研究中采用的棉花生育期NDVI光谱数据是在江汉平原获得的,在应用于其他区域时需因地制宜。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
张成,宋述元,关业虎,等.江汉平原棉区棉花早衰原因调查与预防对策[J].湖北农业科学,2007,46(3):371-373.根据实地调查结果,简要分析了近年来江汉平原棉区棉花大面积发生早衰的原因及特点,并探讨了本区防止棉花早衰的技术措施.

DOI

[ Zhang C, Song S Y, Guan Y H, et al.Investigation to the reason of premature senility of the cotton and its preventing counter measures[J]. Hubei Agricultural Sciences, 2007,46(3):371-373. ]

[2]
马众模,娄径,裴志远,等.长江流域棉花种植面积变化遥感监测——以安庆市和池州市为例[J].合肥工业大学学报:自然科学版,2005,28(7):738-742.决定棉花产量的关键因素之一是棉花的种植面积,适时准确地掌握棉花的种植面积对于科学指导棉 花生产具有十分重要的意义.文章以安庆市、池州市为例,系统地介绍了在棉花种植面积遥感监测过程中,通过土地利用背景数据库建设,以及基于背景数据的棉花 种植面积遥感解译,准确地监测了棉花种植面积及其变化率.结果显示:长江流域棉花主要集中分布于沿江的洲圩区,其次分布于沿江的岗地和丘陵;在 2001～2002年度,棉花种植面积变化主要是减少,在2002～2003年度,棉花种植面积变化主要是增加.究其变化的原因,主要受棉花市场价格和气 候条件的影响.

DOI

[ Ma Z M, Lou J, Pei Z Y, et al.Monitoring of the change of cotton plantation area in the Changjiang valley by remote sensing-taking Anqing city and Chizhou city as examples[J]. Journal of Hefei University of Technology (Natural Science), 2005,28(7):738-742. ]

[3]
湖北省统计局,2014年湖北省国民经济和社会发展统计公报[EB/OL].湖北省人民政府门户网站,2015-02-25.

[ Bureau of Statistics in Hubei Provincial.2014 national economic and social development statistics bulletin of Hubei Province[J]. People's Government Portal of Hubei Province, 2015-02-25. ]

[4]
刘珺,田庆久,黄彦,等.利用多时相HJ卫星CCD遥感影像提取嘉祥县秋收作物[J].遥感信息,2012,27(2):67-70.作物种植面积对调整农业结构、制定区域粮食安全政策有着十分重要的意义。本文以山东省嘉祥县 为研究区,利用3景不同时相的HJ卫星CCD遥感数据,结合野外调查样本,通过分析研究区主要秋收作物（玉米、棉花和水稻）在不同生育期的光谱特征和归一 化植被指数（NDVI）的特点,对分类影像进行系列阈值分割、掩膜处理,最后利用决策树算法成功提取了山东省嘉祥县的玉米、棉花和水稻的种植面积,总体精 度分别达到93.31%、89.41%、95.82%。

DOI

[ Liu J, Tian Q J, Huang Y, et al.Crop extraction based on multi-temporal HJ satellite CCD data in Jiaxiang county[J]. Remote Sensing Information, 2012,27(2):67-70. ]

[5]
苏荣瑞,熊勤学,耿一风,等.利用多时相HJ-CCD影像监测江汉平原南部地区棉花和中稻种植面积[J].长江流域资源与环境,2013,22(11):32-36.为探讨利用国产HJ卫星遥感数据进行农作物种植面积估算及农业气 象灾害定量监测评估的可行性,以江汉平原南部县市为研究区,利用2011年6景不同时相的HJ卫星CCD遥感数据,结合野外调查样方点和面积较大的试验基 地样本,通过分析研究区主要秋收作物(棉花、一季中稻)不同生育期的光谱特征和归一化植被指数(NDVI)时序变化特征,对分类影像进行序列阈值分割、掩 膜处理,最后利用决策树算法成功提取了棉花和一季中稻的种植面积,得到面积精度和样本点精度均大于90％,Kappa系数为0.983 5的结果.只要不受到云和降水的影响,能获取江汉平原区域关键时相(5月中下旬、6月上旬、7月上旬、7月下旬或8月上中旬、10月上旬)HJ卫星CCD 影像数据,便能很好地应用于江汉平原棉花和中稻作物提取.

[ Su R R, Xiong Q X, Geng Y F, et al.Cotton and mid-season rice area extraction based on multi-temporal HJ satellite CCD data in southern Jianghan plain[J]. Resources and Environment in the Yangtze Basin, 2013,22(11):32-36. ]

[6]
许文波,田亦陈.作物种植面积遥感提取方法的研究进展[J].云南农业大学学报,2005,20(1):94-98.农作物种植面积监测是遥感估产的关键技术之一.回顾和总结了国内外利用遥感数据进行农作物种植面积提取的方法,重点分析了遥感影像分析方法的进展以及大面积作物种植面积提取两个方面,对农作物种植面积遥感提取的发展方向作了简要评述.

DOI

[ Xu W B, TianY C. Overview of extraction of crop area from remote sensing[J]. Journal of Yunnan Agricultural University, 2005,20(1):94-98. ]

[7]
潘耀忠,李乐,张锦水,等.基于典型物候特征的MODIS-EVI时间序列数据农作物种植面积提取方法—小区域冬小麦实验研究[J].遥感学报,2011,15(3):578-594.利用MODIS植被指数时间序列这一特性，以北京市通州及周边为实验区，冬小麦种植面积为研究对象，提出了农作物种植面积指数模型(Pan-CPI模型)的概念，并构造了冬小麦特征物候期植被指数与种植面积的定量函数关系，通过样区TM影像求解关键参数，对研究区冬小麦种植面积测量方法进行了试验研究。研究结果表明：(1)Pan-CPI模型能够很好地反映特定目标农作物种植面积状况，为基于植被指数时间序列影像识别农作物种植面积提供了新方法；(2)精度分析结果表明：Pan-CPI模型具有很高的稳定性，且不受样本变化的影响，只要达到满足模型计算的样本量(如：5%)，多次测量结果间具有很好的一致性。选取MODIS 6×6像元大小的窗口时，TM样本的复相关系数(R2)稳定在0.85左右，与TM结果比较，窗口相对精度稳定在95%左右，区域精度稳定在92%以上，经调整的区域精度高达96%以上；(3)对于种植结构复杂、目标作物种植破碎的地区，Pan-CPI模型可以充分利用MODIS植被指数时间序列的优势，有效改善TM单时相和多时相提取信息因时相缺失无法表征作物变化的不足。

DOI

[ Pan Y Z, Li L, Zhang J S, et al.Crop area estimation based on MODIS-EVI time series according to distinct characteristics of key phenology phases: a case study of winter wheat area estimation in area[J]. Journal of Remote Sensing, 2011,15(3):578-594. ]

[8]
苗翠翠,江南,彭世揆,等.基于NDVI时序数据的水稻种植面积遥感监测分析——以江苏省为例[J].地球信息科学学报,2011,13(2):273-280.MODIS植被指数时间序列产品能够连续反映植被的覆盖情况,是农作物遥感测量的重要数据源。本文选取江苏省为研究区,利用2008年23个时相的MODIS NDVI数据,采用S-G滤波法进行时间序列的重构,提高NDVI时间序列信息的真实性。另结合农作物物候历、种植结构、地面调查样本等辅助资料,将水稻植被指数时间序列曲线参量化为水稻物候生长期的关键值——生长周期的起始时间、生长幅度、生长长度以及生长过程的NDVI最大值。最后,利用这些关键值确定分类规则,采取决策树分类器,建立区域水稻种植面积提取模型,总体提取精度为87.5%,其表明MODIS植被指数时序数据及本文研究方法在农作物信息提取中的有效性。

DOI

[ Miao C C, Jiang N, Peng S K, et al.Extraction of paddy land area based on NDVI time-series data: taking Jiangsu province as an example[J]. Journal of Geo-Information Science, 2011,13(2):273-280. ]

[9]
程乾,王人潮.数字高程模型和多时相MODIS数据复合的水稻种植面积遥感估算方法研究[J].农业工程学报,2005,21(5):89-92.随着搭载在TERRA卫星上的中分辨率成像光谱仪(MODIS)的出现,它以数据丰富、时间分辨率高和覆盖范围广等特点，为水稻遥感估产提供了较好的数据源。该文利用水稻种植易受坡度影响的特性，从数字高程模型(Digital Elevation Models简称DEM)中提取坡度信息，考虑到MODIS能提供多时相及丰富的数据，采用DEM产生的坡度和两个时相MODIS影像数据及植被指数复合提取水稻种植面积，经过比较试验证明，在南方丘陵山区的复杂地形区域,多源信息复合相对于单纯利用单景影像数据可以明显提高水稻种植面积估算的精度。

[ Cheng Q, Wang R C.Estimation of the rice planting area using digital elevation model and multitemporal moderate resolution imaging spectroradiometer[J]. Transactions of the Chinese Society of Agricultural Engineering, 2005,21(5):89-92. ]

[10]
梁益同,万君.基于HJ-1A/B-CCD影像的湖北省冬小麦和油菜分布信息的提取方法[J].中国农业气象,2012,33(4):573-578.利用不同时期HJ-1A/B-CCD影像提取湖北省冬小麦和油菜分布信息。计算冬小麦、油菜不同生长期的NDVI曲线，通过野外调查和测量，获取冬小麦、油菜和其它典型地物的光谱特征。确定CCD影像提取冬小麦和油菜信息的最佳时相及不同地物在CCD影像上的色彩特征。采取最大似然分类法，对CCD影像进行分类，提取冬小麦、油菜分布信息。结果表明，HJ-1A/B-CCD影像提取精度达95.48%，可以用于提取冬小麦、油菜分布信息；对于湖北省而言，3月中、下旬（冬小麦拔节、油菜开花）是HJ卫星提取冬小麦、油菜信息的最佳时相；在最佳时相内，冬小麦和油菜具有不同的光谱特征和CCD影像色彩特点，且样本分布服从近似正态分布，可以用最大似然方法提取其信息。

DOI

[ Liang Y T, Wan J.Application of HJ-1A/B-CCD images in extracting the distribution of winter wheat and rape in Hubei Province[J]. Chinese Journal of Agrometeorology, 2012,33(4):573-578. ]

[11]
Lennington R k, Sorensen C T, Heydorn R P. A mixture model approach for estimating crop areas from Landsat data[J]. Remote Sensing of Environment, 1984,14(1-3):197-206.A method for estimating crop areas based on first decomposing the mixture distribution for all pixels in a scene into component distributions and then labeling these component distributions, is defined. The theoretical advantages of this approach over usual classification-based inventories are discussed. Results of applying the mixture model approach to measurements derived from Landsat data for 18 sample segments in the northern U.S. Great Plains are presented. Mixture model estimates of the proportion of spring small grains in the sample segments are compared to similar estimates obtained from a classification-based approach.

DOI

[12]
李卫国,李花,王纪华,等.基于Landsat/TM遥感的冬小麦长势分级监测研究[J].麦类作物学报,2010,30(1):92-95.为给遥感技术在冬小麦长势分级监测预报中的应用提供依据，以江苏省兴化市为例，利用TM卫星遥感影像，提取冬小麦的种植面积并分析了长势情况。在利用GPS实地取样调查和建立解译标志的基础上，进行TM影像校正、非监督分类和人机交互式判读解译等操作，并将GPS样点数据校验贯穿到整个分类过程中，信息解译精度在95%以上。结合NDVI指数反演的叶面积指数数据进行小麦长势分级分类，并制作了兴化市冬小麦长势分级监测图。

DOI

[ Li W G, Li H, Wang J H, et al.A study on classification and monitoring of winter wheat growth status by Landsat/TM image[J]. Journal of Triticeae Crops, 2010,30(1):92-95. ]

[13]
魏新彩,王新生,刘海,等.HJ图像水稻种植面积的识别分析[J].地球信息科学学报,2012,14(3):382-388.HJ-1A/1B卫星具有较高时空分辨率,是提取水稻等农作物种植面积的潜力数据源。本文以江汉平原腹地的监利县及周边相邻区域为研究区,根据水稻物候历,选取样区水稻生长关键期的多时相HJ-1A/1B卫星数据,利用水稻移栽期的水分信息和生长期的归一化植被指数(NDVI)变化信息,结合陆表水系数(LSWI)、短波红外波段的反射率(<em>R</em><sub>IRS-B2</sub>)、差归一化植被指数(DNDVI),构建了HJ卫星数据的水稻种植面积识别方法,提取了研究区2009-2011年水稻种植面积,得到面积精度和样本点精度均不小于90%,Kappa值不小于0.80的结果。

DOI

[ Wei X C, Wang X S, Liu H, et al.Extraction of paddy rice coverage based on the HJ satellite data[J]. Journal of Geo-Information Science, 2012,14(3):382-388. ]

[14]
耿月明,周枝乾,杨光军,等.江汉平原油菜生产状况及发展潜力分析[J].种子世界,2008,11(5):56-59.湖北省油菜常年种植面积113万hm2以上,约占全国总面积的1/6;产量超过220万t,平均单产高出全国平均水平5.53%以上;面积、总产、单产连 续12年位居全国第一.江汉平原地处湖北腹地,平均降雨量1 200mm左右,年均气温侣℃.丰富的温、光、水资源,是湖北乃至全国著名的粮棉油生产基地,其独特的区位优势也成为世界级冬油莱种植黄金地 段.2004～2006年,受多种因素影响,江汉平原油莱生产出现了连续3年大幅下滑;2007～2008年油菜籽市场价格回升,油菜生产出现了恢复性增 长.其中,2007年湖北省油莱面积达到122万hm2,其增幅主要来源于江汉平原及其周边地区.

DOI

[ Geng Y M, Zhou Z Q, Yang G J, et al.Status of rapeseed production and growth potentials in Jianghan plains[J]. Seed World, 2008,11(5):56-59. ]

[15]
赵虎,裴志远,马尚杰,等.利用HJ-1-A/BCCD2数据反演冬小麦叶面积指数[J].农业工程学报,2012,28(10):172-176.叶面积指数是十分重要的作物生理生态参数，为提高利用国产环境减灾小卫星CCD数据反演冬小麦叶面积指数的精度，该文以5种常用的植被指数（归一化差值植被指数（normalized difference vegetation index，NDVI），增强植被指数（enhanced vegetation index，EVI），双波段增强植被指数（2-bands enhanced vegetation index，EVI2），比值植被指数（ratio vegetation index，RVI），土壤调节植被指数（soil-adjusted vegetation index，SAVI）为基础，结合3种常用的回归模型，按生长阶段比较分析了不同植被指数和回归模型反演叶面积指数的精度。结果表明，除生殖生长阶段外，叶面积指数和5种植被指数之间均有较强的相关关系；指数模型和一元线性模型分别为全生育期和营养生长阶段的最佳拟合模型；EVI在全生育期拟合时的表现好于其他4个指数（R2=0.9348），SAVI则是营养生长阶段表现最佳的指数（R2=0.9404）。该研究为进一步利用植被指数反演叶面积指数提供了参考。

[ Zhao H, Pei Z Y, Ma S J, et al.Retrieving leaf area index of winter wheat using HJ-1-A/B CCD2 data[J]. Transactions of the Chinese Society of Agricultural Engineering, 2012,28(10):172-176. ]

[16]
赵丽花,李卫国,杜培军.基于多时相HJ卫星的冬小麦面积提取[J].遥感信息,2011(2):41-45.我国环境与灾害监测预报小卫星HJ-1A/B具有较高的时间和空间分辨率,在作物种植面积提取和长势监测等方面具有较大优势.本文以江苏省姜堰市为研究区,根据冬小麦的物候规律和季相节律的差异性,选取返青期和拔节期两个生育期的HJ卫星影像,借鉴分层信息提取法原理,综合利用监督分类和非监督分类法,结合人机交互目视解译和实地定位调查等资料提取了姜堰市的冬小麦种植面积,总体面积提取精度达到90.22%,样点空间匹配精度为81.25%,实验基地空间匹配精度为80.34%.结果表明:HJ卫星能够用于提取南方地区冬小麦种植面积和长势监测,满足农情监测的需要,且利用多时相遥感影像能有效地增加信息量,实现信息互补,有助于提高监测精度.

[ Zhao L H, Li W G, Du P J.The area extraction of winter wheat based on multi-temporal HJ remote sensing satellite images[J]. Remote Sensing Information, 2011,2:41-45. ]

[17]
熊勤学,黄敬峰.利用NDVI指数时序特征监测秋收作物种植面积[J].农业工程学报,2009, 25(1):144-148.通过对湖北省江陵县各种地物MODIS数据NDVI时序特征的分析，选取夏秋作物轮作期（5月下旬）和NDVI均值为标准，采用分层方法区分秋收作物（中稻、晚稻、棉花）区与其它区，然后利用BP神经网络法对三种作物进行监督分类，得出了三种作物种植的空间分布。并将结果与ETM数据的神经网络监督分类值作为标准值进行了误差分析，得出其平均误差率为13.6%，能准确反映江陵县秋收作物分布状况，该分层模式加BP神经网络监督分类方法适用于多种作物种植区的作物分类。

[ Xiong Q X, Huang J F.Estimation of autumn harvest crop planting area based on NDVI sequential characteristics[J]. Transactions of the Chinese Society of Agricultural Engineering, 2009,25(1):144-148. ]

[18]
郑盛,赵祥,张颢,等.HJ-1卫星CCD数据的大气校正及其效果分析[J].遥感学报,2011,15(4):709-721.利用MODTRAN 4模型对地表-大气-遥感器之间的辐射传输过程进行模拟，模拟出对应大气参数下的表观辐亮度；利用模拟生成的大气校正查找表，逐像元对HJ-1卫星CCD数据进行大气校正；并从光谱曲线、与MODIS地表反射率产品比较、归一化植被指数(NDVI)三个方面，探讨了HJ-1卫星CCD数据大气校正效果。结果表明：(1) HJ-1卫星CCD数据的大气校正明显消除了大气在可见光波段的“增加”效应；(2) 大气校正后的HJ-1卫星CCD地表反射率数据与MODIS地表反射率产品在植被和居民地的地表反射率上具有很好的一致性，而且大气校正后的HJ-1卫星CCD数据4个波段在这两种地物上的误差大部分不超过20%；(3) 大气校正增大了植被NDVI和其他地物NDVI的差值，突出了植被信息。

DOI

[ Zheng S, Zhao X, Zhang H, et al.Atmospheric correction on CCD data of HJ-1 satellite and analysis of its effect[J]. Journal of Remote Sensing, 2011,15(4):709-721. ]

Options
Outlines

/

〈 〉