文献类型：期刊文章

作　　者：张锦水[1,3,4] 赵光政[2] 洪友堂[2] 孙智虎[2] 段雅鸣[1,3,4]

Zhang Jinshui;Zhao Guangzheng;Hong Youtang;Sun Zhihu;Duan Yaming(State Key Laboratory of Remote Sensing Science,Beijing Normal University,Beijing 100875,China;School of Land Science and Technology,China University of Geosciences,Beijing 100083,China;Beijing Engineering Research Center for Global Land Remote Sensing Products,Faculty of Geographical Science,Beijing Normal University,Beijing 100875,China;Institute of Remote Sensing Science and Engineering,Faculty of Geographical Science,Beijing Normal University,Beijing 100875,China)

机构地区：[1]北京师范大学遥感科学国家重点实验室,北京100875 [2]中国地质大学(北京)土地科学技术学院,北京100083 [3]北京师范大学地理科学学部北京市陆表遥感数据产品工程技术研究中心,北京100875 [4]北京师范大学地理科学学部遥感科学与工程研究院,北京100875

出　　处：《农业工程学报》

基　　金：国家重点研发计划“粮食丰产增效科技创新专项”子课题(2017YFD0300402-6);高分辨率对地观测系统重大专项(民用部分)(09-Y20A05-9001-17/18,11-Y20A16-9001-17/18)。

年　　份：2020

卷　　号：36

期　　号：23

起止页码：193-200

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：及时、准确的农作物空间分布信息是进行作物长势监测、灾害评估与产量估计的基础。传统方法一般在作物收获期前后进行作物的识别,时间上滞后,难以满足农业生产的应用,时空泛化能力差,模型复用程度低。该研究以历史知识为支撑,提出冬小麦像元匹配模型(Pixel-Matched Model,PMM)进行冬小麦空间分布提取,旨在生长季内实现冬小麦空间分布的快速提取。研究结果表明,PMM能充分利用作物物候特征变化,排除冬小麦种植物候空间异质性的影响,能够在播种后2个月内实现冬小麦的准确提取,总体精度达到了95.49%,F1分数为0.83,且不随物候曲线的延伸而大幅提高精度。与传统参考曲线模型(Reference Curve Model,RCM)相比,PMM在消除区域内冬小麦生长物候差异方面具有优势,可在年际间实现冬小麦的准确识别,具有较强的时间泛化能力,能够实现冬小麦的自动化识别。

关 键 词：模型  物候 时间序列 时间泛化  像元相似度  先验知识 冬小麦

分 类 号：TP79]