農(nóng)作物的播種面積、產(chǎn)量等信息是國(guó)家制定糧食政策和經(jīng)濟(jì)計(jì)劃的重要依據(jù)。作物種植面積信息體現(xiàn)了空間范圍內(nèi)農(nóng)業(yè)生產(chǎn)資源的利用情況,掌握農(nóng)作物種值比例、分布情況對(duì)農(nóng)業(yè)結(jié)構(gòu)調(diào)整提供可靠性依據(jù)。提前獲取作物播種面積、長(zhǎng)勢(shì)和產(chǎn)量信息,對(duì)加強(qiáng)農(nóng)業(yè)生產(chǎn)管理,發(fā)揮農(nóng)業(yè)生產(chǎn)力,為政府及相關(guān)部門(mén)制定科學(xué)合理的政策具有重要意義。目前產(chǎn)量預(yù)算的方法主要是通過(guò)調(diào)查統(tǒng)計(jì),依據(jù)層層上報(bào)統(tǒng)計(jì)匯總,最終獲取的產(chǎn)量值更新速率慢、人為因素影響較大、信息的準(zhǔn)確性難以保證。利用遙感手段監(jiān)測(cè)農(nóng)作物種植信息,可以及時(shí)、準(zhǔn)確地獲取農(nóng)作物播種信息,對(duì)預(yù)測(cè)農(nóng)作物產(chǎn)量、推進(jìn)耕地輪作休耕制度試點(diǎn)、合理設(shè)定補(bǔ)助標(biāo)準(zhǔn)、優(yōu)化耕地利用率等具有重要意義。由于衛(wèi)星遙感技術(shù)具有獲取速度快、覆蓋范圍廣、資料豐富、現(xiàn)勢(shì)性強(qiáng)、費(fèi)用低等特點(diǎn),已在農(nóng)業(yè)生產(chǎn)的各個(gè)環(huán)節(jié)中廣泛應(yīng)用,如農(nóng)業(yè)土地利用、農(nóng)業(yè)資源調(diào)查、農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)、農(nóng)業(yè)災(zāi)害監(jiān)測(cè)及農(nóng)作物估產(chǎn)等領(lǐng)域。要實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè),需要提前獲取農(nóng)作物的生長(zhǎng)狀況,利用遙感技術(shù)的優(yōu)勢(shì),可實(shí)現(xiàn)農(nóng)作物信息的快速獲取。目前,大量遙感衛(wèi)星為農(nóng)業(yè)應(yīng)用提供了持續(xù)可靠的數(shù)據(jù)來(lái)源,從高時(shí)間分辨率的MODIS到高空間分辨率的Landsat、環(huán)境星和高分影像,在農(nóng)作物信息的獲取方面提供了理想的衛(wèi)星數(shù)據(jù)。本文將利用遙感手段,對(duì)典型黑土區(qū)(海倫市、望奎縣、蘭西縣)農(nóng)作物種植面積進(jìn)行快速精準(zhǔn)的計(jì)算�；贓NVI、ArcGIS軟件平臺(tái),應(yīng)用多源遙感影像在耕地范圍上,首先,以海倫市為實(shí)驗(yàn)區(qū),繪制不同農(nóng)作物NDVI時(shí)間序列曲線確定農(nóng)作物分類(lèi)所需關(guān)鍵時(shí)期影像,同時(shí)對(duì)比多種分類(lèi)方法確定農(nóng)作物分類(lèi)的最優(yōu)方法,進(jìn)而獲取海倫市、望奎縣、蘭西縣三縣關(guān)鍵時(shí)期影像利用最優(yōu)分類(lèi)方法對(duì)三縣2000年、2009年、2016年農(nóng)作物進(jìn)行監(jiān)測(cè)。預(yù)驗(yàn)證方法的準(zhǔn)確性,本研究采用農(nóng)業(yè)保險(xiǎn)公司的投保地塊對(duì)農(nóng)作物分類(lèi)結(jié)果進(jìn)行精度驗(yàn)證。同時(shí)對(duì)17年間典型黑土區(qū)農(nóng)作物時(shí)空分布格局變化及成因進(jìn)行分析,得出如下結(jié)論:(1)通過(guò)研究區(qū)農(nóng)作物主要發(fā)育時(shí)期與不同作物MODIS-NDVI時(shí)間序列曲線確定6月、8月、9月為提取農(nóng)作物主要關(guān)鍵時(shí)期,同時(shí)根據(jù)研究區(qū)農(nóng)作物主要發(fā)育時(shí)期及不同作物反射光譜特性不同,發(fā)現(xiàn)6月水稻需要灌溉大量水,土壤含水量差異而導(dǎo)致光譜特性有所區(qū)別,土壤濕度較大的田塊在假彩色顯示時(shí)為深藍(lán)色,此期間為提取水稻的關(guān)鍵時(shí)期;8月中下旬NDVI時(shí)間序列曲線可以看出大豆NDVI最高、水稻NDVI最低,此時(shí)大豆田塊為亮紅色,此期間為提取大豆的關(guān)鍵時(shí)期;9月中旬大豆已成熟、9月中旬或下旬是水稻的成熟期、玉米在9月下旬進(jìn)入成熟期,此時(shí)大豆NDVI明顯低于其他作物,玉米NDVI最高,此時(shí)玉米田塊為暗紅色,水稻田塊為粉色,此時(shí)為區(qū)分玉米、水稻的關(guān)鍵時(shí)期。(2)以海倫市為實(shí)驗(yàn)區(qū),對(duì)比監(jiān)督分類(lèi)中最大似然法、非監(jiān)督分類(lèi)中ISODATA算法、監(jiān)督分類(lèi)與非監(jiān)督分類(lèi)結(jié)合法,利用覆蓋海倫市的1628個(gè)投保地塊(玉米454個(gè)、大豆900個(gè)、水稻191個(gè)、其他作物83個(gè))對(duì)2016年三種分類(lèi)結(jié)果進(jìn)行精度評(píng)價(jià),發(fā)現(xiàn)三種方法總體精度分別92.69%、86.40%、94.67%,最終確定最大似然法與ISODATA算法結(jié)合為最優(yōu)分類(lèi)方法。(3)利用最大似然法與ISODATA算法結(jié)合的分類(lèi)方法對(duì)2000年、2009年、2016年海倫市、望奎縣、蘭西縣三縣進(jìn)行農(nóng)作物分類(lèi),其中分類(lèi)結(jié)果包括的主要農(nóng)作物為玉米、水稻、大豆、小麥和其他作物。利用農(nóng)業(yè)保險(xiǎn)公司提供的2016年投保數(shù)據(jù)2972個(gè)驗(yàn)證地塊對(duì)農(nóng)作物分類(lèi)結(jié)果進(jìn)行精度驗(yàn)證,2016年總體分類(lèi)精度為95.09%、Kappa系數(shù)為0.90,其中玉米精度為97.63%、大豆精度為93.25%、水稻精度為95.65%;(4)研究區(qū)在2000年、2009年、2016年三年中從時(shí)間上大豆種植面積先減少后增加,玉米先增加后減少,這主要受政策及農(nóng)業(yè)生產(chǎn)成本及糧食收益的影響,水稻直到2016年略有增加,這主要受氣候影響;從空間上大豆、玉米、水稻的分布主要受地形影響,其次受土壤因素影響;小麥及其他作物分布逐漸減少主要受氣候影響;并結(jié)合研究區(qū)特點(diǎn)提出作物種植結(jié)構(gòu)調(diào)整建議。(5)統(tǒng)計(jì)數(shù)據(jù)與遙感監(jiān)測(cè)相比存在差異,通過(guò)匯總整理各行政單位層層上報(bào)的作物統(tǒng)計(jì)信息,會(huì)浪費(fèi)較大的人力并耗費(fèi)時(shí)間。行政統(tǒng)計(jì)法暫時(shí)只能體現(xiàn)每個(gè)區(qū)域的時(shí)間差異,無(wú)法體現(xiàn)其空間差異,因此難以直接應(yīng)用于作物空間分布的時(shí)空動(dòng)態(tài)分析;遙感信息可以準(zhǔn)確、快速、及時(shí)獲取作物時(shí)空分布,與傳統(tǒng)的方法比較有著明顯的優(yōu)勢(shì),為優(yōu)化耕地利用率、推進(jìn)耕地輪作休耕制度試點(diǎn)、合理設(shè)定補(bǔ)助標(biāo)準(zhǔn)、保障國(guó)家糧食安全等具有重要的意義。
【學(xué)位單位】：東北農(nóng)業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：S127;F326.1
【部分圖文】：

技術(shù)路線

東北農(nóng)業(yè)大學(xué)管理學(xué)碩士學(xué)位論文物分類(lèi)理論基礎(chǔ)與原理論基礎(chǔ)遙感理論于 20 世紀(jì) 60 年代開(kāi)始逐漸發(fā)展起來(lái)的一項(xiàng)技術(shù)，主要由電磁波和地球表面物基礎(chǔ)，監(jiān)測(cè)、分析其與地球資源環(huán)境間關(guān)系，展現(xiàn)地球表面每個(gè)要素其空間分演變秩序的一門(mén)科學(xué)技術(shù)。遙感是根據(jù)傳感器獲取研究對(duì)象的數(shù)據(jù)，且對(duì)其剖目標(biāo)、區(qū)域、現(xiàn)象的相關(guān)消息，圖 2-1 是遙感獲取數(shù)據(jù)的流程圖[19]。經(jīng)歷了 遙感技術(shù)已經(jīng)在地理、測(cè)繪、海洋、地質(zhì)、氣象、水電、交通、軍事、農(nóng)業(yè)、業(yè)均有涉足，如今在資源偵查、災(zāi)害監(jiān)測(cè)、海洋、農(nóng)林牧漁、礦產(chǎn)等行業(yè)獲得

數(shù)地物具有較強(qiáng)的透射能力，像水的透射能力就比綠波段，通常水的透射度為 10~20 m，少量不澄清的到 100 m。其中那些無(wú)法透過(guò)可見(jiàn)光的地物只能透射的反射率，這與地物自身有關(guān)，還與入射電磁波波率能判別大部分地物[74]。反射率隨波長(zhǎng)的變化規(guī)律。每種地物其不同波段的現(xiàn)的不同了，通過(guò)傳感器每個(gè)波段收到的輻射值進(jìn)呈現(xiàn)的樣式。光譜曲線在空間呈現(xiàn)出反射光譜連續(xù)中呈點(diǎn)群分布。如果想探討地物光譜其空間分布情率，分別選取各個(gè)波段當(dāng)作坐標(biāo)軸，繪制二維光譜數(shù)據(jù)由空間曲線到特征空間的轉(zhuǎn)換。每個(gè)物體自身物體的基本特征[75]。通常不同物體有其各自的反射的，然而每種地物其構(gòu)成存在差異，導(dǎo)致其電磁波曲線[19]。并非同種地物反射光譜曲線必然相同，由反射波譜曲線也會(huì)隨之表現(xiàn)出差異。地物反射率隨據(jù)在遙感中的應(yīng)用提供了基礎(chǔ)。因此，能實(shí)現(xiàn)利用迥異區(qū)分各種類(lèi)。這是遙感的基本原理，需要通過(guò)到地物分類(lèi)及反演中。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊閆君;黃彥;田慶久;王磊;耿君;楊冉冉;;基于高分一號(hào)衛(wèi)星WFV影像的水稻信息提取模式（英文）[J];光譜學(xué)與光譜分析;2015年11期

2 胡瓊;吳文斌;宋茜;余強(qiáng)毅;楊鵬;唐華俊;;農(nóng)作物種植結(jié)構(gòu)遙感提取研究進(jìn)展[J];中國(guó)農(nóng)業(yè)科學(xué);2015年10期

3 張煥雪;曹新;李強(qiáng)子;張淼;鄭新奇;;基于多時(shí)相環(huán)境星NDVI時(shí)間序列的農(nóng)作物分類(lèi)研究[J];遙感技術(shù)與應(yīng)用;2015年02期

4 宋茜;周清波;吳文斌;胡瓊;余強(qiáng)毅;唐華俊;;農(nóng)作物遙感識(shí)別中的多源數(shù)據(jù)融合研究進(jìn)展[J];中國(guó)農(nóng)業(yè)科學(xué);2015年06期

5 劉佳;王利民;楊福剛;楊玲波;王小龍;;基于HJ時(shí)間序列數(shù)據(jù)的農(nóng)作物種植面積估算[J];農(nóng)業(yè)工程學(xué)報(bào);2015年03期

6 鄭峰;;耕地地力建設(shè)與土壤改良利用對(duì)策及建議[J];吉林農(nóng)業(yè);2014年24期

7 玉蘇普江·艾麥提;買(mǎi)合皮熱提·吾拉木;玉蘇甫·買(mǎi)買(mǎi)提;阿里木江·卡斯木;;基于多時(shí)相HJ衛(wèi)星的渭干河-庫(kù)車(chē)河綠洲主要農(nóng)作物種植信息提取[J];中國(guó)農(nóng)業(yè)資源與區(qū)劃;2014年05期

8 虞連玉;蔡煥杰;姚付啟;鄭珍;王健;李志軍;;植被指數(shù)反演冬小麥植被覆蓋度的適用性研究[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2015年01期

9 胡孌運(yùn);YanLei CHEN;徐s

本文編號(hào)：2831828