文献类型：期刊文章

作　　者：周珂[1,3] 柳乐[1,3] 张俨娜[2] 苗茹[1,3] 杨阳[1,3]

ZHOU Ke;LIU Le;ZHANG YanNa;MIAO Ru;YANG Yang(School of Computer and Information Engineering,Henan University,Kaifeng 475004,Henan;Department of Laboratory and Equipment Management,Henan University,Kaifeng 475004,Henan;Henan Key Laboratory of Big Data Analysis and Processing/Henan University,Kaifeng 475004,Henan)

机构地区：[1]河南大学计算机与信息工程学院,河南开封475004 [2]河南大学实验室与设备管理处,河南开封475004 [3]河南省大数据分析与处理重点实验室/河南大学,河南开封475004

出　　处：《中国农业科学》

基　　金：河南省科技攻关项目(202102210381)、开封市重大科技专项项目(18ZD007)。

年　　份：2021

卷　　号：54

期　　号：11

起止页码：2302-2318

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、EAPJ2020、GEOBASE、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：【目的】使用遥感技术对2017—2020年河南省冬小麦的空间分布信息进行高精度的提取,然后对2020年冬小麦的长势进行高频度的监测并结合气象条件进行分析。【方法】本文基于谷歌地球引擎(Google Earth Engine,GEE)云平台,对选取的Landsat 8影像数据根据NDVI最大值进行合成,然后进行特征构建,添加地形特征、纹理特征、NDVI以及一个新特征NDVI增幅,使用随机森林分类方法对样本数据按照构建的特征进行训练提取河南省2017—2020年冬小麦的播种面积信息;经过精度验证后对提取的河南省2020年的冬小麦种植区域生成掩膜,对掩膜区域(冬小麦种植区域)结合MODIS高时间分辨率影像数据,使用NDVI同期差值法对2020年2—4月份的冬小麦进行高频度的长势监测。【结果】使用GEE云平台能够对河南省冬小麦种植区域的空间分布信息进行快速制图;使用随机森林方法加入地形特征、纹理特征、NDVI后再加入新特征NDVI增幅,能够有效提高冬小麦的提取精度以及降低与统计数据的相对误差,基于混淆矩阵计算的平均总体分类精度为95.2%、平均kappa系数为0.909、冬小麦的平均分类精度为95.3%,与河南省统计年鉴数据相比,本文方法提取的2017—2019年河南省冬小麦播种面积相对误差均低于3%,河南省冬小麦主要种植区域的冬小麦播种面积的平均相对误差低于6%;使用MODIS影像数据结合NDVI差值模型能够对河南省2020年的冬小麦进行高频度的长势监测,河南省冬小麦在返青初期长势较往年及2019年好,到生育后期大部分区域长势与往年及2019年持平,总体上2020年冬小麦的长势较往年及2019年好。【结论】本文提出的方法能够对河南省冬小麦进行高精度的提取以及高频度的长势监测,且能够为地方政府或者一些农业部门在安排指导农事活动上提供科学依据。

关 键 词：冬小麦 长势监测 谷歌地球引擎  随机森林  归一化植被指数 Landsat  MODIS  

分 类 号：S512.11] S127