本文關(guān)鍵詞：HJ星和GF1號(hào)數(shù)據(jù)在水稻種植面積提取中的應(yīng)用

  更多相關(guān)文章： 多源遙感 數(shù)據(jù)融合 植被指數(shù) 水稻面積監(jiān)測(cè)

【摘要】：利用中高空間分辨率遙感技術(shù)監(jiān)測(cè)農(nóng)作物生長(zhǎng)已成為當(dāng)今農(nóng)業(yè)遙感研究的熱點(diǎn)問(wèn)題。本研究選用國(guó)產(chǎn)中空間分辨率衛(wèi)星HJ星和高空間分辨率衛(wèi)星GF1號(hào)遙感影像數(shù)據(jù),在分別對(duì)其進(jìn)行大氣校正、幾何校正等預(yù)處理的基礎(chǔ)上,選用PCA、Brovey、HPF和Wavelet 4種融合方法對(duì)HJ星和GF1號(hào)遙感數(shù)據(jù)進(jìn)行融合,并對(duì)其融合效果進(jìn)行定性和定量評(píng)價(jià)。通過(guò)計(jì)算融合影像的RVI和NDVI,比較其光譜特征的差異性,并對(duì)篩選出的最適融合影像進(jìn)行水稻種植面積的提取與精度驗(yàn)證。結(jié)果表明,在4種遙感融合方法中,HPF融合效果最佳,其標(biāo)準(zhǔn)差和信息熵分別為10.984 3和1.468 6,信息量豐富,與原始影像的交叉熵和相關(guān)系數(shù)分別為1.848 5和0.370 2,保真度較好,HPF融合影像RVI和NDVI分別為6.508 1和0.713 6,與實(shí)測(cè)值最為接近,近似率分別為87.71%和98.63%,利用水稻種植面積提取樣方驗(yàn)證的精度為98.08%。說(shuō)明,對(duì)HJ星和GF1號(hào)遙感影像進(jìn)行HPF融合,可以增強(qiáng)融合影像的信息量和光譜特征,有利于縣域級(jí)水稻種植面積準(zhǔn)確提取。
【作者單位】： 南京信息工程大學(xué)應(yīng)用氣象學(xué)院;江蘇省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)與信息研究所;
【關(guān)鍵詞】： 多源遙感 數(shù)據(jù)融合 植被指數(shù) 水稻面積監(jiān)測(cè)
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(41171336)
【分類(lèi)號(hào)】：S511;S127
【正文快照】： 水稻作為江蘇省的主要農(nóng)作物之一,準(zhǔn)確獲取其種植面積及其分布狀況有助于給政府部門(mén)提供科學(xué)的輔助決策信息。近年來(lái),衛(wèi)星遙感監(jiān)測(cè)技術(shù)因其具有宏觀、快速、準(zhǔn)確、動(dòng)態(tài)等優(yōu)點(diǎn)在農(nóng)業(yè)上得到較多應(yīng)用,主要用于作物的長(zhǎng)勢(shì)監(jiān)測(cè)、產(chǎn)量估算、病蟲(chóng)害監(jiān)測(cè)預(yù)報(bào)等方面[1-4]。如趙麗花等[5

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 熊育久,林輝,孫華,莫登奎,劉秀英;多源遙感數(shù)據(jù)融合及其對(duì)植被識(shí)別的影響[J];林業(yè)資源管理;2005年05期

2 葛廣秀;李衛(wèi)國(guó);景元書(shū);;基于NDVI密度分割的冬小麥種植面積提取[J];麥類(lèi)作物學(xué)報(bào);2014年07期

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 趙子忠;廖永峰;;遙感技術(shù)在退耕還林工程中的應(yīng)用現(xiàn)狀[J];甘肅林業(yè)高職教育(綜合版);2011年02期

2 胥兵;方臣;;ZY-1 02C星圖像與ETM~+圖像融合方法及效果評(píng)價(jià)[J];國(guó)土資源遙感;2014年03期

3 管玉娟;張利權(quán);;影像融合技術(shù)在灘涂濕地植被分類(lèi)中的應(yīng)用[J];海洋環(huán)境科學(xué);2008年06期

4 趙子忠;蘆維忠;;基于遙感技術(shù)的退耕還林監(jiān)測(cè)研究——以甘肅省清水縣為例[J];林業(yè)資源管理;2010年04期

5 趙子忠;桑娟萍;廖永峰;;退耕還林工程中遙感技術(shù)應(yīng)用研究現(xiàn)狀[J];西北林學(xué)院學(xué)報(bào);2012年04期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 林子晶;李衛(wèi)國(guó);申雙和;;利用中高分辨率遙感影像提取水稻種植面積[A];第32屆中國(guó)氣象學(xué)會(huì)年會(huì)S15 提升氣象為農(nóng)服務(wù)能力，，保障農(nóng)業(yè)提質(zhì)增效[C];2015年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 王瓊?cè)A;多分辨率遙感圖像復(fù)合分類(lèi)方法研究[D];清華大學(xué);2011年

2 唐晏;基于無(wú)人機(jī)采集圖像的植被識(shí)別方法研究[D];成都理工大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前5條

1 李新芝;基于多源遙感數(shù)據(jù)的礦區(qū)植被信息監(jiān)測(cè)方法研究[D];山東科技大學(xué);2010年

2 翁強(qiáng);紅樹(shù)植物光譜特征和紅樹(shù)植物的遙感圖像分類(lèi)研究[D];廈門(mén)大學(xué);2006年

3 張瑜琴;基于SuperMap Objects的果樹(shù)病蟲(chóng)害地理信息管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];新疆師范大學(xué);2009年

4 商珍珍;基于多源遙感毛竹林信息提取及地上部分碳儲(chǔ)量估算研究[D];浙江農(nóng)林大學(xué);2012年

5 王力彥;多源光學(xué)遙感影像融合方法研究[D];中國(guó)地質(zhì)大學(xué)（北京）;2014年

【二級(jí)參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張炳智,張繼賢,張麗;土地利用動(dòng)態(tài)遙感監(jiān)測(cè)中多源遙感影像融合方法比較研究[J];測(cè)繪科學(xué);2000年03期

2 賈永紅,孫家柄;遙感多光譜影像數(shù)據(jù)與航片數(shù)字化影像融合方法的研究[J];測(cè)繪通報(bào);1997年05期

3 朱長(zhǎng)青,王倩,楊曉梅;基于多進(jìn)制小波的SPOT全色影像和多光譜遙感影像融合[J];測(cè)繪學(xué)報(bào);2000年02期

4 董毓敏;基于小波疊加的主成分變換遙感數(shù)據(jù)融合方法的研究[J];東北測(cè)繪;2002年03期

5 王煈;田慶久;黃彥;魏宏偉;;基于HJ星CCD遙感數(shù)據(jù)的落葉闊葉林NDVI差值速率識(shí)別模型[J];光譜學(xué)與光譜分析;2013年04期

6 陳思錦,秦其明,王文君;利用小波分析改進(jìn)Brovey遙感影像融合方法[J];測(cè)繪學(xué)院學(xué)報(bào);2004年02期

7 李衛(wèi)國(guó);王紀(jì)華;李存軍;黃文江;王永華;;冬小麥花期生理形態(tài)指標(biāo)與衛(wèi)星遙感光譜特征的相關(guān)性分析[J];麥類(lèi)作物學(xué)報(bào);2009年01期

8 李衛(wèi)國(guó);李花;王紀(jì)華;黃文江;;基于Landsat/TM遙感的冬小麥長(zhǎng)勢(shì)分級(jí)監(jiān)測(cè)研究[J];麥類(lèi)作物學(xué)報(bào);2010年01期

9 李衛(wèi)國(guó);李正金;;基于CBERS衛(wèi)星遙感的冬小麥產(chǎn)量估測(cè)研究[J];麥類(lèi)作物學(xué)報(bào);2010年05期

10 李衛(wèi)國(guó);李正金;李花;;基于組件式GIS的冬小麥遙感估產(chǎn)系統(tǒng)的開(kāi)發(fā)研究[J];麥類(lèi)作物學(xué)報(bào);2011年02期

本文編號(hào)：1081149