小麦种植区的遥感提取-毕业论文.doc

1、 南阳师范学院 20XX 届毕业生 毕业论文（设计） 题 目： 河南省小麦种植区的遥感提取 完 成 人： 班 级： 学 制： 专 业： 地理信息 系统 指导教师： 完成日期： 目 录 摘要 (1) 0 引言 (1) 1 研究方法 (1) 1.1基础资料 (2) 1.2 数据的重构 (2) 1.3提取研究区 (2) 1.4冬小麦的目视解译和判读 (3) 2 研究区内冬小麦的提取 (4) 3 研究结果 (5) 3.1冬小麦的面积提取结果 (5) 3.2河南省内各县冬小麦的统计结果 (10) 3.2.1 冬小麦面积监测方法 (10) 3.2.2 本例中统计结果的处理研究 (11) 3.3精度评估 (

2、16) 4 讨论 (16) 4.1数据的优势和劣势 (16) 4.2研究方法的优势和不足 (17) 4.3对本例中研究结果简单评估 (17) 4.4对精度评价模型的稳健性和可靠性做说明 (19) 4.5与前人研究的比较 (22) 4.6前景和展望 (22) 5 结论 (23) 参考文献 (23) Abstract (24) 第 1 页（共 25 页） 河南省小麦 种植区的遥感 提取 摘要： 该文选用 2002-2010 年间覆盖河南省 MODIS NDVI 16d 最大合成影像（共计 184 幅）， 基于作物植被时间序列变化曲线和 Parallelipipied 监督分类算法 ，提取了冬小麦

3、空间 分布 信息 。 对 河南省的冬小麦面积进行了计算，并 利 用河南省各县行政区划矢量数据 做 为 掩膜 ， 提取了 各 县的数据信息，与同 时 期的 实际 统计数据组成配对样本进行对比验证。结果表明， 遥感 提取信息 与统计数据 的吻合较好，较好的反映了河南省冬小麦种植的空间分布状况及年际 变化趋势，可为区域农业生产布局以及政府农业决策规划提供借鉴。 关键词： MODIS， NDVI，河南省，时间序列 0 引 言 河南省是粮食生产大省，冬小麦的种植面积是预测农业资源综合生产能力与人口承载能力的重要数据源， 准确掌握冬小麦种植面积对确保我省粮食安全具有重要 意义。传统的获取农作物种植面积主要

4、是通过逐层统计上报和实施大面积调研测量的方法， 吴炳方等以 GVG 农情采样系统和样条采样框架为基础，提出了全国作物种植结构和种植方式快速调查技术方法。根据 GVG采样记录描述的道路一侧 100m 内农作物的种植情况，通过判读每 一条记录的作物分类成数，以采样线为基本单元，可以汇总得到每条采样线的农作物分类成数；然后将每个县境内调查得到的各类作物分类成数进行汇总统计，每个省的农业种植结构由县的成数按照耕地面积加权平均得到 1。 目前，对于大尺度的作物面积与空间分布研究国际上通常采用遥感和地面抽样调查技术相结合的方法，而我国基于多时相遥感影像对大尺度农作物分布信息提取 的 研究相对还比较少。 。

5、 本研究以河南省为例，利用 2002-2010年间覆盖河南省 MODIS NDVI 16d 最大合成影像，提取冬小麦空间分布信息，为区域农业生产布局和 政府农业决策规划提供依据。 1 研究方法 第 2 页（共 25 页） 1.1 基础资料 所选用的卫星遥感资料主要 为 2002-2010年间覆盖河南省 MODIS NDVI 16d 最大合成影像（共计 184 幅）， 资料 位置 编码为 H27V05。利用 MRT资料预处理程序，对 TERRA上午卫星的 MODIS 资料进行预处理，将 L3 级 MODIS卫星资料 PDF 文件解包，地理定位，投影，生成局地投影文件。 EOS-HDF 产品的空间

6、分辨率和时间分辨率分别为 250m和 16 天，地图投影格式为 Sinusoidal（正弦曲线投影）。研究 所用矢量 数据 主要为 河南省 各 县的行政 边界 （ Shapefile格式） 。 1.2 数据的重构 利用已有的 MODIS NDVI 数据，分别做出 2002-2010 年间不同年份的小麦的时间序列图。以 2002 年的 NDVI 数据为例：在 ENVI 的Available List 中加载 2002年的 23 幅 NDVI 数据，把它们保存在一个文件夹中，并按照时间的顺序进行排序（ Reorder Files） ,即 2002年的第 1 天（ 1 月 1 日）的 NDVI 图为

7、第一波段， 2002 年的 17 天 (1月 17 日 )的 NDVI图为第二波段，依次类推， 2002年的第 353 天的 NDVI图为第 23 波段。 存放完毕后打开主窗口（ image）的 Tools工具条，做出 Z Profile(spectrum)图，即为 NDVI 数据在 2002 年一年间的时间序列图， 23 个波段为序列图的横轴， NDVI值为序列图的纵轴。 1.3 提取研究区 本文中的研究区域为河南省，可以用河南省的行政区划图作参考。 图 1 河南省行政区图 第 3 页（共 25 页） 由于所获得的 一 幅 MODIS 数据 范围比较大 ，并不 都是 用户需要的研究区，需要对

8、已有的数据进行裁剪，建立合适的空间子集，满足本文的要求。建立空间子集的优点有两点： 严格划分研究区的范围，减少冗余信息； 减少处理的工作量，提高运算的效率。 利用空间子集建立研究区的过程实际上是掩膜的过程，用户可以通过 build mask 直接建立掩膜区，也可以通过把矢量数据导出到 ROI Tool 中间接建立掩膜，掩膜文件是一个二值化文件，掩膜区的像元值为 1，而非掩膜区的像元值为 0，通过这样的操作保留了研究区的数据而去除了非研究区的数值，达到确定研究范围的目的。 1.4 冬小麦的目视解译和判读 河南省以轮种冬小麦 -秋粮为主， 冬小麦的生长期为每年的 10 月至第二年的 6 月，秋粮的

9、生长期为每年的 6 月至 10 月。由于这些区域每年分两次在不同的 时段进行了不同植被类型的种植，因此在叶绿素含量的变化上也呈现出 2个阶段的变化曲线。每年的 10 月为冬小麦的播种期，此时卫星收到的这些区域的信息主要为土壤信息，叶绿素含量低。随着冬小麦的生长，冬小麦的信息占卫星接收信息的比重逐渐增加，叶绿素含量也逐渐增高。 12 月以后小麦进入越冬期，冬小麦长势缓慢，叶绿素含量升高的趋势也随之变缓。进入春季以后，小麦进入返青期，叶绿素含量开始增加。 5 月以后，小麦进入开花成熟期，叶绿素含量开始减少， NDVI 达到最大值并开始下降， NDVI 曲线在此时出现一个峰值。 6月冬小麦开始收割，

10、导致 这些区域的植被迅速减少， NDVI值下降到最低，相应的 NDVI 区现在此时出现一个谷值。冬小麦月以后，这些区域开始播种秋粮，随着秋粮作物的不断增长，叶绿素含量逐渐增加， NDVI 值也随之上升。秋粮作物的生命期相对较短，在 8 月达到最大的叶绿素含量值，此时 NDVI曲线出现第二个峰值。随后秋粮相继成熟收割，叶绿素含量开始下降知道下降到第二个极低值，相应的 NDVI 曲线在此时出现第二个谷值。因此，河南省的小麦的 NDVI曲线表现为双峰双谷的波形（图 2）。波峰数量的多少应取决于当地的种植条件和耕作制度 ， 而不能只是按照熟制来确定 。 受 河南省自南向北不同地域所处的纬度 和 不同海

11、拔高度的影响，小麦的收割日期并不固定，大致在 5月中下旬到 6 月中上旬。所以，确定小麦的收割日期对于识别小麦是很重要的。 NDVI 图中其他的植被比如森林，在中温带地区多为落叶阔叶林，春季树木发芽， NDVI第 4 页（共 25 页） 值逐渐增加，到夏季 NDVI 值最高，而秋季随着树木落叶 NDVI值下降，到冬季达到低谷， NDVI 值最低，它和小麦的波谱有明显的差异。此研究区域的小麦品种差异不大，排除不同品种小麦的光谱差异影响。水体，城镇，荒滩等常年非麦像元很容易剔除。 由于 MOD13 16 天植被指数 的 合成是在像元水平上，根据输入数据的质量，按照 BRDF 合成 、 有限视角内的

12、最大值合成（ CV-MVC） 、 最大值合成（ MVC）的先后顺序决定采用合成 的 方法。这种合成方法在一定程度上减少了传感器 、 大气本身的多变性 、 观测角度及残云等噪声影响的机率，同时也存在一些缺陷。对于生长季， NDVI 曲线变化反应物候变化，但是由于云 、 大气干扰， NDVI 数值会突然降低，不符合植被生长规律，这样的点需要进行处理 2。可以用一些波谱平滑方法进行减噪，如用 HANTS 算法 ,条件时间内差平滑法 3，最小二乘法和谐函数分解方法 4， Savitzky-Golay滤波技术 5对数据进行平滑处理，即重构无云时间序列图像 6-7。 图 2 河南省冬小麦的 NDVI 时间

13、序列曲线 图 2 中的横坐标代表一年中的天数，纵坐标代表在一年中不同的天数小麦的 NDVI值的大小， 曲线的形状特征和物候信息比 NDVI 值本身更要有作用， 作物生长过程线的变化特征和趋势，往往比曲线本身更能反映作物生长状态的变化。时序 NDVI 曲线的波形特征更具有生物物理意义 8。 2 研究区内冬小麦的提取 很多学者倾向于用人工 神经网络 或决策树的方法 9-10来提取研究第 5 页（共 25 页） 区内的冬小麦，本例中所用的方法为平行管道法，即平行六面体法。平行六面体将用一条简单的判定规则对多光谱数据进行分类。判定边界在影像数据空间中是否形成了一 个 N 维的平行六面体。平行六面体的尺

14、度是由标准差阈值所确定的，而该标准差阈值则是根据每种所选类的均值求出的。 平行六面体分类法不是提高分类精度的最好的方法，但就本例来讲，在针对长时序、大数据量的大研究区域的类别提取时却是有效的方法。 用 ENVI 加载要分类的图像，按照 1,4,11 波段进行 R,G,B假彩色合成 。通过像元的波谱曲线来判定此像元是否反映了冬小麦的波谱特征， 如果是，则选定它为样区，如果不是则继续寻找，直到满足条件为止。在研究区域内大范围的查找以后发现假彩色合成图的黄色，绿色和黄绿色部分为冬小麦种植区，其中受云的干扰作用区域的颜色根据实际情况而定，可能为灰色，淡蓝色，这样的区域需要一一排查认定。通过人机交互和目

15、视解译选定足够的样区，要保证样区的选择尽可能为纯证样区选择的质量。 净的像元，即端元，如果部分地区的混合像元过于集中，则需要使用混合像元分解技术以保 证 提取的质量。 表 3 本例中 平行管道法提取系数参考表 年份 2002 2003 2004 2005 2006 2007 2008 2009 2010 提取 系数 2.92 2.58 2.57 2.47 2.55 2.53 2.57 3.01 2.51 采用此种方法提取出所有年份的冬小麦数据。 3 研究结果 3.1 冬小麦的面积提取结果 第 6 页（共 25 页） 图 3a 2002 年河南省 地表 NDVI 假彩色合成图 (左 )和遥感提取的冬小麦种植区 （右） 图 3b 2003年河南省 地表 NDVI假彩色合成图 (左 )和遥感提取的冬小麦种植区 （右） 第 7 页（共 25 页） 图 3c 2004 年河南省 地表 NDVI 假彩色合成图 (左 )和遥感提取的冬小麦种植区 （右） 图 3d 2005 年河南省 地表 NDVI 假彩色合成图 (左 )和遥感提取的冬小麦种植区 （右） 第 8 页（共 25 页） 图 3e 2006 年河南省 地表 NDVI 假彩色合成图 (左 )和遥感提取的冬小麦种植区 （右） 图 3f 2007 年河南省 地表 NDVI 假彩色合成图 (左 )和遥感提取的冬小麦种植区 （右）