基于MODIS-NDVI的区域冬小麦遥感估产――以山东省济宁市为例
- 格式：pdf
- 大小：956.25 KB
- 文档页数：5
文档推荐
-
山东省邹城市辖区概况页数:24
下载文档原格式
合集下载
基于种植制度利用MODIS数据提取冬小麦种植面积
基于种植制度利用MODIS数据提取冬小麦种植面积隋学艳;朱振林;李少昆;明博;张晓冬;孙肖青【期刊名称】《农业工程学报》【年(卷),期】2010()S1【摘要】为了及早获取冬小麦种植面积,为国家制定相关政策提供科学依据,该文基于山东省种植制度,将山东省冬小麦划分为"机播冬小麦—玉米"和"人工撒播冬小麦—水稻"两种类型,利用MODIS影像数据,分析冬小麦播种后、越冬期前冬小麦、大蒜、温室蔬菜的归一化差值植被指数(NDVI)值特征,结合9月中旬前茬作物NDVI 特征建立当年机播冬小麦提取条件;鉴于稻茬麦播种后、越冬前的光谱特征与温室蔬菜光谱特征极为相似,则在水稻种植区利用拔节期冬小麦生物量迅速增长的特点提取上一年稻茬麦种植面积,由于"人工撒播冬小麦—水稻"这种耕作模式在山东特定地区较为固定,因此将上一年稻茬麦面积作为当年稻茬麦种植面积;合并两种类型冬小麦面积,用284组定位点数据对提取结果进行检验,精度达到了94.01%,结果表明:于越冬期前提取冬小麦种植面积是可行的,提取时间较利用拔节期NDVI值方法提前4个月。
【总页数】5页(P225-229)【关键词】遥感;农作物;分类;山东省;冬小麦;稻茬麦;面积【作者】隋学艳;朱振林;李少昆;明博;张晓冬;孙肖青【作者单位】山东省农业科学院;中国农业科学院作物科学研究所,农业部作物生理生态与栽培重点开放实验室;新疆兵团绿洲生态农业重点开放实验室,新疆作物高产研究中心【正文语种】中文【中图分类】S512.11;S127【相关文献】1.基于MODIS多时相数据的冬小麦种植面积提取方法研究 [J], 宋博文;赫晓慧2.基于MODIS数据提取华北典型区冬小麦种植面积 [J], 张佳华;胡小夏;刘学锋;何贞铭;3.基于MODIS数据提取华北典型区冬小麦种植面积 [J], 张佳华;胡小夏;刘学锋;何贞铭4.基于MODIS EVI时序数据的冬小麦种植面积提取 [J], 芦杰;娄玉钦;姚丽5.基于MODIS数据的冬小麦种植面积快速提取与长势监测 [J], 黄青;李丹丹;陈仲新;刘佳;王利民因版权原因，仅展示原文概要，查看原文内容请购买。
基于Landsat 8影像的济宁市春季主要作物种植面积变化监测
基于Landsat 8影像的济宁市春季主要作物种植面积变化监测巫明焱;董光;税丽;胡大川;程武学;范曙峰【摘要】Accurately and quickly obtaining the planting area of spring crops, spatial distribution and change infor-mation, which could provide the basis for the agricultural sector in the development of production plan. Based on Landsat 8 images, the spectral characteristics, texture and NDVI values of different crops were used to establish the spring crop ex-traction model, and the planting information of wheat and garlic in Jining was obtained. Then, the changes of crops in time and space were analyzed. The results showed that the planting of garlic and wheat in Jining had obvious regionality. The spatial distribution of wheat was broad and stable, and the moving distance of planting core area was small. The changeless land area for wheat cultivation was about 3.2×105hm2in every year. From 2014 to 2017, the planting area of wheat was increased first and then decreased. Garlic was mainly concentrated in Jinxiang and Yutai. Under the influence of the weather and the market, the planting area of garlic was decreased first and then increased, the changes of spatial distribution were significant, and the moving distance of planting core area was very large. The main crop planting information was extracted based on object-oriented method in this study, the results were helpful to master the planting in-formation of spring crops for agricultural sector and could provide technical support for establishing agriculture policy.%准确快速获取小春作物的播种面积、空间分布及年际时空变化信息,可为农业部门制定政策、合理安排生产提供依据.利用多期Landsat 8影像,综合不同作物的光谱特征、纹理、NDVI值等信息,分别建立多时相小春作物提取模型,获取济宁市小麦和大蒜的种植信息,分析其时空动态变化.研究结果表明,济宁市大蒜和小麦的种植具有明显的区域性.小麦在农业生产上占据主导地位,空间分布广泛且较为稳定,种植重心偏移量较小且呈逐年下降趋势,其固定种植区的面积每年均稳定在3.2×105hm2左右,2014-2017年,种植面积先增加后减少,但波动幅度较小;大蒜种植区主要集中在金乡县和鱼台县,受气象状况和市场影响,其种植面积呈现先减少后增加的趋势,波动幅度较大,空间分布变化也较为明显,种植重心偏移现象突出.本研究采用面向对象分类方法提取济宁市春季主要作物种植信息,可为农业部门掌握小春作物种植情况,制定农业政策提供一定的技术支持.【期刊名称】《江苏农业学报》【年(卷),期】2018(034)003【总页数】11页(P559-569)【关键词】冬小麦;大蒜;多光谱遥感;农作物种植面积提取监测【作者】巫明焱;董光;税丽;胡大川;程武学;范曙峰【作者单位】四川师范大学地理与资源科学学院中心实验室,四川成都 610101;四川师范大学西南土地资源评价与监测教育部重点实验室,四川成都 610068;四川师范大学地理与资源科学学院中心实验室,四川成都 610101;四川师范大学西南土地资源评价与监测教育部重点实验室,四川成都 610068;四川师范大学地理与资源科学学院中心实验室,四川成都 610101;四川师范大学西南土地资源评价与监测教育部重点实验室,四川成都 610068;四川师范大学地理与资源科学学院中心实验室,四川成都 610101;四川师范大学西南土地资源评价与监测教育部重点实验室,四川成都 610068;四川师范大学地理与资源科学学院中心实验室,四川成都 610101;四川师范大学西南土地资源评价与监测教育部重点实验室,四川成都 610068;江苏省常州市武进区林业工作站,江苏常州 213159【正文语种】中文【中图分类】S127小春作物是头年播种次年初夏收获的作物的统称，济宁市小春作物主要为冬小麦和大蒜，其产量占小春作物产量的90%以上，占全年农作物产量的40%左右，在全年农业生产中具有举足轻重的地位。
遥感植被指数和CASA模型估算山东省冬小麦单产
Vol. 41,No. 1,pp257-264January , 2021第41卷，第1期2 0 2 1年1月光谱学与光谱分析SpectroscopyandSpectralAnalysis遥感植被指数和CASA 模型估算山东省冬小麦单产张 莎1!，白 雲，刘 琦2,童德明2,徐振田2,赵 娜2,王兆雪2,王霄鹏2,李咏沙12!张佳华3 41. 青岛大学自动化学院，山东青岛2660712. 青岛大学计算机科学技术学院遥感信息与数字地球研究中心，山东青岛2660713. 中国科学院大学地球与行星科学学院，北京1000494.中国科学院空天信息创新研究院，北京100094摘要准确估算区域尺度冬小麦单产对明确区域农业生产现状与保证国家粮食安全有重要意义°光能利用率模型是作物单产估算的常用模型之一，模型中最大光能利用率^^^)是准确估算作物单产的关键参数,作物的E max 是否随时间发生变化需要深入探讨"首先使用Savit z ky-Golay(S-G)对中分辨率成像光谱仪(MO DIS ) 时序植被指数数据进行滤波,采用差分法结合光谱突变法提取了山东省2000年一2015年冬小麦种植面积，并使用市级尺度年鉴统计面积对提取面积进行验证，然后使用固定E max 和变化E max 分别驱动光能利用率模型(CASA ),结合作物收获指数与冬小麦种植面积获取山东省2000年一2016年冬小麦单产时空分布特征，探讨最大光能利用率对作物单产模拟的影响。
结果表明，滤波后的时序植被指数数据能够反映冬小麦生长的光谱特征，差分法与光谱突变法结合提取冬小麦面积具有较好的普适性，提取的多年冬小麦种植面积与年鉴统计冬小麦播种面积之间的决定系数(R 2)达0.71；变化E mJ 情景下模拟的多年冬小麦单产与统计单 产之间的决定系数更高，说明冬小麦E max 是随时间变化的，可能与冬小麦品种更替有关"基于统计与模拟的 结果均显示山东省冬小麦单产在2000年一2016年间呈现增加趋势,两者表现出来的增加速率分别为93. 12和149.79 kg ・hm 2・a X 在空间上,山东省冬小麦单产呈现西部高于东部的分布特征°关键词 时序遥感植被指数数据；最大光能利用率；冬小麦种植面积提取；冬小麦单产估算；山东省中图分类号：S123 文献标识码：A DOI ： 10. 3964". issn. 1000-0593(2021)01-0257-08引言冬小麦是世界三大粮食作物之一，准确模拟冬小麦单产及其空间分布对保证国家粮食安全和挖掘区域可利用的农业资源具有重要意义*1+°山东省是以农业生产为主的省份之一, 冬小麦是山东省主要的粮食作物之一, 研究山东省冬小麦单产的时空分布特征对明确区域农业生产现状及其发展变 化十分重要°光能利用率模型是估算植被生产力23+和作物单产弘5+的常用模型之一，如光能利用率(the Carnegie-Ames-Stanfordapproach , CASA )模型等°该类模型具有一定的机理性,且所需输入数据较少，在区域尺度进行植被生产力或作物单 产模拟时易于使用"但是，目前的研究对模型中的关键参数之一，最大光能利用率E mx 仍然存在较大的争议和不确定性257+°在使用光能利用率模型模拟作物单产时,不同学者对作物最大光能利用率的大小也存在争议° Lobell ［4］根据实验数据，测量了 1993年一1994年和1999年一2000年小麦、玉米和大豆的实际光能利用率在2. 1〜2. 6 g - MJ 1 PAR 之 间。
《2024年基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》范文
《基于遥感数据和气象预报数据的DSSAT模型冬小麦产量和品质预报》篇一一、引言随着科技的进步和全球气候变化的影响，农作物产量的预测变得越来越重要。
作为重要的粮食作物之一，冬小麦的产量和品质预测对于农业生产、市场供应以及政策制定都具有重要意义。
近年来，随着遥感技术和气象预报技术的不断发展，基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测中得到了广泛应用。
本文旨在探讨基于遥感数据和气象预报数据的DSSAT模型在冬小麦产量和品质预测中的应用。
二、方法1. 数据来源本研究使用的数据包括遥感数据、气象预报数据以及农田管理数据。
其中，遥感数据主要用于获取冬小麦的生长信息和空间分布情况；气象预报数据包括温度、降水、光照等关键气象因子；农田管理数据包括种植品种、施肥量、灌溉情况等。
2. DSSAT模型简介DSSAT（Decision Support System for Agrotechnology Transfer）模型是一种基于作物生长过程的农业决策支持系统，可对农作物的生长、发育和产量进行模拟和预测。
该模型包括多个子模型，可针对不同的农作物和地域条件进行定制化。
3. 模型构建与实现基于遥感数据和气象预报数据，本研究构建了DSSAT模型用于冬小麦产量和品质的预测。
首先，通过遥感数据获取冬小麦的空间分布和生长信息；其次，结合气象预报数据，将关键气象因子输入DSSAT模型中；最后，结合农田管理数据，对冬小麦的生长过程进行模拟和预测。
三、结果与分析1. 产量预测通过DSSAT模型对冬小麦的产量进行预测，结果表明该模型可以较为准确地预测冬小麦的产量。
通过对历史数据的拟合和分析，发现模型对不同地区、不同年份的冬小麦产量都有较好的预测效果。
此外，通过对比实际产量与预测产量，可以发现模型的预测精度较高，为农业生产提供了重要的参考依据。
2. 品质预测除了产量预测外，DSSAT模型还可以对冬小麦的品质进行预测。
利用MODIS遥感数据监测冬小麦种植面积
利用MODIS遥感数据监测冬小麦种植面积许文波;张国平;范锦龙;钱永兰【期刊名称】《农业工程学报》【年(卷),期】2007(23)12【摘要】冬小麦是中国最主要的粮食作物之一,利用遥感技术进行冬小麦种植面积监测是粮食安全的核心内容之一.美国1999年发射的TERRA卫星上携带的中分辨率成像光谱仪(MODIS)具有独特的光谱、时相和空间分辨率,为大范围的冬小麦种植面积监测提供了可靠的数据源.但中国耕地破碎,即使是250 m分辨率的MODIS 数据,采用传统的信息提取方法依然无法取得高的精度.因此结合多源遥感数据和GIS数据,建立了基于TERRA/MODIS数据的冬小麦种植面积遥感监测体系结构.首先利用IKONOS米级高分辨率遥感影像提取试验样区的地块图,用以指导野外采样工作;其次,在采样工作基础上,利用LANDSAT进行区域冬小麦种植面积提取;最后利用2002年TERRA/MODIS时间序列数据的混合像元线性分解模型进行河南省冬小麦种植面积的遥感监测,监测结果与国家统计数据相比,相对误差为5.25%,精度能满足农情监测的需要.研究结果为中国冬小麦种植面积遥感监测提供了一种业务化工作方法.【总页数】7页(P144-149,插一)【作者】许文波;张国平;范锦龙;钱永兰【作者单位】电子科技大学地表空间信息技术研究所,成都,610054;中国气象局国家气象中心,北京,100081;中国气象局国家卫星气象中心,北京,100081;中国气象局国家气象中心,北京,100081【正文语种】中文【中图分类】S127;S165+.27【相关文献】1.基于MODIS的河南省冬小麦种植面积遥感估算最佳时相选择研究 [J], 郭其乐;陈怀亮;邹春辉;刘忠阳;李军玲2.MODIS与TM冬小麦种植面积遥感测量一致性研究——小区域实验研究 [J], 顾晓鹤;潘耀忠;朱秀芳;张锦水;韩立建;王双3.利用MODIS数据监测河北省冬小麦种植信息 [J], 王云秀; 张文宗; 姚树然; 康锡言4.基于种植制度利用MODIS数据提取冬小麦种植面积 [J], 隋学艳;朱振林;李少昆;明博;张晓冬;孙肖青5.在GIS支持下利用MODIS数据监测多种作物和果树种植面积 [J], 康凌艳;雷玉平;郑力;舒云巧;张群;孙世卫因版权原因，仅展示原文概要，查看原文内容请购买。
基于MODIS EVI的冬小麦产量遥感预测研究
基于MODIS EVI的冬小麦产量遥感预测研究王长耀;林文鹏【期刊名称】《农业工程学报》【年(卷),期】2005(21)10【摘要】Terra-MODIS数据集同时具有归一化植被指数(NDVI)和增强型植被指数(EVI)两种植被指数.为了对比这两种植被指数在农作物估产中的应用效果,该文利用MODIS-NDVI和MODIS-EVI作为遥感特征参量,以对美国冬小麦的长势监测与产量预测为例进行了研究:运用区域作物特定生育期内多年的NDVI和EVI值与作物产量进行相关分析,采用一次线性拟合方法分别建立回归方程,估算当年的农作物产量.结果表明,EVI明显地比NDVI更好地与产量建立回归方程,用EVI建立的回归方程,各州相关系数大多在0.7以上;而用NDVI建立的回归方程,相关性不稳定.因此利用EVI建立的模型对2004年美国冬小麦进行估产,并将预测结果与美国国家统计署6月1号公布的预测结果进行对比,结果发现,美国国家统计署预测单产误差为3.05%,总产误差为-2.56%,而该研究预测结果单产误差为2.62%,总产误差为-1.77%且预测时间比美国国家统计署预测时间提前约半个月.可见EVI可以更有效地进行作物监测及估产,提高预测的准确性.【总页数】5页(P90-94)【作者】王长耀;林文鹏【作者单位】中国科学院遥感应用研究所遥感科学国家重点实验室,北京,100101;中国科学院遥感应用研究所遥感科学国家重点实验室,北京,100101【正文语种】中文【中图分类】S127【相关文献】1.基于多生育期MODIS-NDVI的区域冬小麦遥感估产研究 [J], 李冰;黎世民;周磊;黄灿辉;王来刚2.基于MODIS数据的河南省冬小麦产量遥感估算模型 [J], 李军玲;郭其乐;彭记永3.MODIS EVI时间序列数据和光谱角聚类的冬小麦遥感估产分区方法研究 [J], 朱再春;陈联裙;张锦水;潘耀忠;朱文泉;胡潭高4.基于时间序列MODIS NDVI的冬小麦产量预测方法 [J], 黄健熙;罗倩;刘晓暄;张洁5.基于MODISEVI的江汉平原油菜和冬小麦种植信息提取研究 [J], 杨欢;邓帆;张佳华;王雪婷;马庆晓;许诺因版权原因，仅展示原文概要，查看原文内容请购买。
基于时间序列MODIS-NDVI的冬小麦遥感识别
基于时间序列MODIS-NDVI的冬小麦遥感识别刘剑锋;贾玉秋;张喜旺【期刊名称】《湖北农业科学》【年(卷),期】2017(56)8【摘要】In this paper, TM image covering the study area is used to update land use data, from which we can identify where winter wheat may be planted. Then a mask is created, which can reduce interference of other vegetation. Based on the selected samples of winter wheat, NDVI time series of the pure winter wheat pixels are extracted from NDVI products. Then an winter wheat identification model is constructed according to the NDVI curve features. Within the limited range, winter wheat will be identified based on the recognition model, and then the two-scale data are processed in a comprehensive way. Statistical yearbook data and random sampling are used to analyze the accuracy. The results show that the winter wheat acreage is 268.65×103 hm2 in the study area, Acreage accuracy is 91.56% and location accuracy is 87.46%. Compared with field surveys and artificial interpretation, it greatly improves the work efficiency and reduces the workload. Due to the low spatial resolution of MODIS, this method is suitable for crop type identification at regional scale in a large area.%利用TM影像更新研究区的土地利用数据,提取冬小麦可能出现的区域作为掩膜限定识别范围,从而可以减少其他植被类型信息的干扰;通过选取冬小麦样点,在时间序列NDVI数据中提取纯冬小麦的时序曲线,根据曲线特征构建时相识别模型;在限定的范围内根据识别模型提取冬小麦,进而将两个尺度数据进行综合处理和面积统计,冬小麦面积为268.65×103 hm2;利用统计年鉴数据和随机抽样两种方法进行精度分析,结果显示面积精度为91.56%,位置精度为87.46%.与实地调查和人工解译相比,大大提供了工作效率,减少了工作量,适用于大面积区域尺度的冬小麦监测.【总页数】4页(P1560-1563)【作者】刘剑锋;贾玉秋;张喜旺【作者单位】黄河水利职业技术学院,河南开封 475004;黄河中下游数字地理技术教育部重点实验室,河南开封 475004;黄河中下游数字地理技术教育部重点实验室,河南开封 475004【正文语种】中文【中图分类】TP79【相关文献】1.基于MODIS-NDVI的安徽省2009年冬小麦及一季稻面积遥感提取及长势监测[J], 黄青;邹金秋;邓辉;李丹丹;张莉2.基于多生育期MODIS-NDVI的区域冬小麦遥感估产研究 [J], 李冰;黎世民;周磊;黄灿辉;王来刚3.基于MODIS-NDVI时间序列的河南省冬小麦种植信息提取与分析 [J], 李艳;张红利4.基于时间序列LAI和ET同化的冬小麦遥感估产方法比较 [J], 黄健熙;马鸿元;田丽燕;王鹏新;刘峻明5.基于MODIS-NDVI的区域冬小麦遥感估产——以山东省济宁市为例 [J], 任建强;陈仲新;唐华俊因版权原因，仅展示原文概要，查看原文内容请购买。
基于MODIS_NDVI的区域冬小麦遥感估产_以山东省济宁市为例
考虑到 NDV I的局限性 [7, 20 ] ,研究主要选取 012～018范 围内的 NDV I,建立 NDV I与冬小麦产量的关系. 同时 ,本研 究主要是估算区域内冬小麦的产量和平均单产 ,且冬小麦的 产量数据是以县为基本单位的统计数据. 因此 ,先求取各县 内 012～018 间的 NDV I之和 ,然后建立与县域内冬小麦产 量的关系. 由于研究区内的水热条件 、冬小麦物候期和耕作 制度的原因 ,该研究区内与冬小麦进行间作或套种的作物很 少 ,而且 MOD IS的分辨率较高 (250 m ) ,因此 ,可以单纯研究 冬小麦的 NDV I. 采用的方法是将 MOD IS2NDV I图与耕地图 叠加 ,得到耕地上的 NDV I,然后求取县域内 012 ～018 范围 的 冬小麦 NDV I之和 ,再建立与冬小麦产量的关系 . 最后通
关键词 遥感 估产 冬小麦 MOD IS NDV I Savitzky2Golay滤波平滑 文章编号 1001 - 9332 (2006) 12 - 2371 - 05 中图分类号 TP79 文献标识码 A
Reg iona l sca le rem ote sen sing2ba sed y ield estima tion of w in ter whea t by using M OD IS2ND V I da ta : A ca se study of J in ing C ity in Shandong Prov ince. REN J ianqiang1, 2, 3 , CHEN Zhongxin2, 3 , TANG Huajun2, 3 (1 College of R esou rces and Environm en t, Ch ina A g ricu ltu ra l U n iversity, B eijing 100094, Ch ina; 2 Key L abora tory of R esou rces R em ote2S ensing & D ig ita l A g ricu ltu re of A g ricu ltu re M in istry, B eijing 100081, Ch ina; 3 Institu te of A g ricu ltu ra l R esou rces & R eg iona l P lann ing, Ch inese A cadem y of A g ricu ltu ra l S ciences, B eijing 100081, Ch ina) . 2Ch in. J. A ppl. Ecol. , 2006, 17 (12) : 2371～2375. Taking J ining City of Shandong Province, one of the most important w inter wheat p roduction regions in Huanghua2 ihai Plain as an examp le, the w inter wheat yield was estimated by using the 250 m MOD IS2NDV I data smoothed by Savitzky2Golay filter. The NDV I values between 0120 and 0180 were selected, and the sum of NDV I value for each county was calculated to build its relation with w inter wheat yield. By using stepw ise regression method, the
关键词 遥感 估产 冬小麦 MOD IS NDV I Savitzky2Golay滤波平滑 文章编号 1001 - 9332 (2006) 12 - 2371 - 05 中图分类号 TP79 文献标识码 A
Reg iona l sca le rem ote sen sing2ba sed y ield estima tion of w in ter whea t by using M OD IS2ND V I da ta : A ca se study of J in ing C ity in Shandong Prov ince. REN J ianqiang1, 2, 3 , CHEN Zhongxin2, 3 , TANG Huajun2, 3 (1 College of R esou rces and Environm en t, Ch ina A g ricu ltu ra l U n iversity, B eijing 100094, Ch ina; 2 Key L abora tory of R esou rces R em ote2S ensing & D ig ita l A g ricu ltu re of A g ricu ltu re M in istry, B eijing 100081, Ch ina; 3 Institu te of A g ricu ltu ra l R esou rces & R eg iona l P lann ing, Ch inese A cadem y of A g ricu ltu ra l S ciences, B eijing 100081, Ch ina) . 2Ch in. J. A ppl. Ecol. , 2006, 17 (12) : 2371～2375. Taking J ining City of Shandong Province, one of the most important w inter wheat p roduction regions in Huanghua2 ihai Plain as an examp le, the w inter wheat yield was estimated by using the 250 m MOD IS2NDV I data smoothed by Savitzky2Golay filter. The NDV I values between 0120 and 0180 were selected, and the sum of NDV I value for each county was calculated to build its relation with w inter wheat yield. By using stepw ise regression method, the
基于MODISNDVI的水稻遥感估产——以重庆三峡库区为例
的影像特征，利用变化通道组合增强的方法突出特 征，选中符合ＭＯＤＩＳ要求的２１个ＧＣＰ。几何校正 时，采用多项式变换模型，像元重采样采用双线内插 法，采样后的ＭＯＤＩＳ图像空间分辨率为２５０ １＂１１，配 准误差控制在０．５个像元内。
选取２００５、２００６年６月下旬至８月下旬的旬 ＮＤＶＩ数据和研究区域内各区县的产量统计数据用 于建立预估模型，２００７年６月下旬至８月下旬的 ＩＮＤＶＩ用来预测２００７年重庆市三峡库区的水稻产 量，统计局的区县水稻产量数据用于检验预测精 度。考虑到７月上旬研究区域受云雾影响严重，信 息量小，故舍弃７月上旬ＮＤＶＩ的监测。由于重庆 市主城九区水稻种植面积少且田块破碎，为考虑精 度故本文在计算时从库区２２个区县中排除主城九 区。
云阳
１７ ｌｃｒ７
１３８ ２６０ ０００
１４５ ３３５ ９６７
５．１２
万州
２５ ４０３
２３６ １６８ ０００
２１６ ３２８ ５９８
—８．４
长寿
３４ ８５３
２０３ ７０１ ０００
２９７ １９６ ５２８
—４．６９
丰都
１６ ９５８
１３５ ４１０ ０００
１４４ ０６０ ９０７
６．３９
忠县
２３ ３８１
２１１ ８６３ ０００
按照ＭＯＤＩＳ—ＮＤＶＩ的计算原理，选取ＭＯＤＩＳ的 １、２通道，即植物吸收的（红光波段ＲＥＤ，波长为 ６２０—６７０ ｒｉｍ）和植物发射的近红外波段（ＮＩＲ，波长 为８４１—８７６ ａｍ），公式如下：
ＮＤＶＩ＝（ｐ ｎｉ，一ｐ，耐）／（Ｐ。ｉｒ＋ｐｒｅｄ） 式中：．ｐ血——近红外波段反射率；ｐ捌——红光波段 反射率。 １．３研究方法
ＭＯＤＩＳ．ＮＤＶＩ能够有效的进行水稻监测和估产。
基于时间序列MODIS—NDVI的冬小麦遥感识别
基于时间序列MODIS—NDVI的冬小麦遥感识别作者：刘剑锋贾玉秋张喜旺来源：《湖北农业科学》2017年第08期摘要：利用TM影像更新研究区的土地利用数据，提取冬小麦可能出现的区域作为掩膜限定识别范围，从而可以减少其他植被类型信息的干扰；通过选取冬小麦样点，在时间序列NDVI数据中提取纯冬小麦的时序曲线，根据曲线特征构建时相识别模型；在限定的范围内根据识别模型提取冬小麦，进而将两个尺度数据进行综合处理和面积统计，冬小麦面积为268.65×103 hm2；利用统计年鉴数据和随机抽样两种方法进行精度分析，结果显示面积精度为91.56%，位置精度为87.46%。
与实地调查和人工解译相比，大大提供了工作效率，减少了工作量，适用于大面积区域尺度的冬小麦监测。
关键词：多时相；NDVI；土地利用类型；冬小麦识别中图分类号：TP79 文献标识码：A 文章编号：0439-8114（2017）08-1560-04DOI：10.14088/ki.issn0439-8114.2017.08.040Winter Wheat Remote Sensing Identification Based on Time Series MOIDS-NDVILIU Jian-feng1， JIA Yu-qiu2， ZHANG Xi-wang2（1.Yellow River Conservancy Technical Institute， Kaifeng 475004， Henan， China；2.Key Laboratory of Geospatial Technology for Middle and Lower Yellow River Regions， Ministry of Education， Kaifeng 475004， Henan， China）Abstract： In this paper， TM image covering the study area is used to update land use data，from which we can identify where winter wheat may be planted. Then a mask is created， which can reduce interference of other vegetation. Based on the selected samples of winter wheat， NDVI time series of the pure winter wheat pixels are extracted from NDVI products. Then an winter wheat identification model is constructed according to the NDVI curve features. Within the limited range，winter wheat will be identified based on the recognition model， and then the two-scale data are processed in a comprehensive way. Statistical yearbook data and random sampling are used to analyze the accuracy. The results show that the winter wheat acreage is 268.65×103 hm2 in the study area，Acreage accuracy is 91.56% and location accuracy is 87.46%. Compared with field surveys and artificial interpretation， it greatly improves the work efficiency and reduces the workload. Due to the low spatial resolution of MODIS， this method is suitable for crop type identification at regional scale in a large area.Key words： multi-temporal； NDVI； land use type； winter wheat identification遥感技术在实现大面积作物长势监测、遥感估产、病虫害防治等农业生产过程中发挥了很大作用，是促进农业信息化发展的手段之一。