基于多源衛(wèi)星遙感的越南水稻種植面積時(shí)空動態(tài)監(jiān)測.pdf

1、糧食是人們維持生存的必需品,糧食的基礎(chǔ)性和特殊性使得糧食安全有更特殊的意義。糧食安全不但關(guān)系到人的生存需要是否滿足,也是全世界許多國家共同面臨的重大問題。
　　東南亞國家大部分是農(nóng)業(yè)國家,農(nóng)業(yè)是東南亞的傳統(tǒng)產(chǎn)業(yè),除了新加坡和文萊之外,其它東南亞國家有60％以上的人口依賴它而生活,加之氣候適宜,農(nóng)業(yè)灌溉方便,東南亞地區(qū)成為世界稻谷的重要產(chǎn)區(qū)。中國與東南亞國家共處于一個(gè)發(fā)展區(qū)域內(nèi),資源互補(bǔ)性強(qiáng)。準(zhǔn)確把握東南亞地區(qū)水稻種植面積動態(tài),及時(shí)

2、了解糧食生產(chǎn)潛力變化,對于我國的糧食安全及國家安全具有重要的戰(zhàn)略意義。
　　目前,遙感技術(shù)以其低成本、高效率的優(yōu)勢已廣泛應(yīng)用于土地覆被分類及動態(tài)監(jiān)測,MODIS數(shù)據(jù)更以其高光譜、高時(shí)間分辨率以及容易獲取的優(yōu)勢被廣泛應(yīng)用于探測植被物候及變化信息提取等方面。然而,東南亞熱帶季風(fēng)地區(qū)受雨季多雨多云的天氣影響、水稻一年多熟的種植制度以及水稻種植時(shí)間的靈活性,使得傳統(tǒng)的遙感分類方法受到很大限制。
　　本文以東南亞地區(qū)越南為例,探索了基

3、于時(shí)序MODIS影像的大面積水稻田分布遙感提取方法,以及將MODIS時(shí)序影像信息與TM影像信息相結(jié)合對破碎稻田區(qū)域高精度提取研究。并對越南十年來(2000-2010)水稻種植格局變化進(jìn)行了分析。
　　本文首先針對研究區(qū)遙感影像云覆蓋嚴(yán)重的問題,提出一種濾波和替換相結(jié)合的方法,對MODIS NDVI時(shí)序進(jìn)行去噪。其中,探索了在特定的參數(shù)設(shè)置下S-G濾波算法能夠有效重構(gòu)NDVI的最大無效像元間隙長度。
　　基于重構(gòu)的MODIS

4、NDVI時(shí)序數(shù)據(jù),本文提出了一種基于動態(tài)時(shí)間彎曲DTW(dynamic time warping)的相似性度量結(jié)合模糊分類的方法,實(shí)現(xiàn)對水稻種植的高精度提取。由于研究區(qū)水熱條件適宜,在雨季(5-10月)每月都可以有水稻的移植和收獲發(fā)生,同時(shí)水稻一年多熟的種植方式也很普遍,使得傳統(tǒng)的遙感分類方法受到很大限制。本研究利用時(shí)序相似性對植被覆蓋進(jìn)行分類的方法可以充分利用MODIS數(shù)據(jù)高時(shí)間分辨率的特點(diǎn)。以作物生長年歷曲線為對象,有效地解決了單一

5、時(shí)序遙感影像分類方法造成的誤差。而模糊分類技術(shù)能夠減少由單一閾值分類造成的過分類或誤分類。利用MOD09A1 NDVI時(shí)間序列數(shù)據(jù)對越南地區(qū)2000年以及2010年水稻種植面積提取結(jié)果進(jìn)行驗(yàn)證,分類精度達(dá)到83%。針對水稻種植分散的地區(qū),利用面向?qū)ο蟮姆椒?融合MODIS NDVI時(shí)序相似性及中分辨率TM遙感影像和DEM影像,有效地解決了MODIS數(shù)據(jù)低空間分辨率造成的水稻分類誤差。通過對水稻種植較為破碎的越南中北部沿海地區(qū)2000、2

6、010年的水稻進(jìn)行了提取及驗(yàn)證,其提取精度驗(yàn)證達(dá)到89%,此方法較大提高了MODIS NDVI時(shí)序分類的精度。
　　本研究表明,利用替換法結(jié)合濾波能夠較好的重建MOD09A1NDVI時(shí)間序列,可以為多云多雨或云覆蓋嚴(yán)重地區(qū)的時(shí)序MODIS遙感分析提供有力的數(shù)據(jù)支撐。
　　本文提出的利用時(shí)序相似性結(jié)合模糊分類的方法可以充分利用MODIS數(shù)據(jù)高時(shí)間分辨率的特點(diǎn),通過對作物生長年歷的變化分析,提高水稻種植提取精度。此外,通過將低空