基于GF-1遥感数据决策树与混合像元分解模型的冬小麦种植面积早期估算

作     者：王凯 赵军 朱国锋 张佩云 刘江涛 陈栋栋 Wang Kai1 , Zhao Jun1 , Zhu Guofeng1,2, Zhang Peiyun3, Liu Jiangtao4 , Cheng Dongdong1

作者机构：西北师范大学地理与环境科学学院甘肃兰州730070 中国科学院寒区旱区环境与工程研究所冰冻圈科学国家重点实验室甘肃兰州730000 西北大学城市与环境学院陕西西安710127 甘肃省临夏回族自治州农牧局农业资源区划办公室甘肃临夏731100 

出 版 物：《遥感技术与应用》 (Remote Sensing Technology and Application)

年 卷 期：2018年第33卷第1期

页      面：158-167页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金项目(41661084 41661005) 农业部遥感应用中心农业遥感技术创新课题(2016MARSAC10) 中国博士后科学基金(2016T90961 2015M570864) 国家重大科学研究计划项目(2013CBA01808)资助 

主　　题：冬小麦 种植面积 早期估算 遥感 决策树 混合像元分解 

摘      要：我国西北地区耕地细碎,冬小麦种植面积提取时混合像元较多,所以将决策树和混合像元分解相结合可大大提高解译精度。以高时间分辨率及较高空间分辨率的GF-1卫星遥感数据为研究数据源。根据冬小麦和其他各类地物在不同时相数据上NDVI值的变化特性及特征值差异,建立决策树模型,快速高效地提取冬小麦像元。运用线性光谱混合模型,降低混合像元的影响,进一步精确提取冬小麦的种植面积。最后与实测样方的冬小麦种植面积数据进行比较,验证提取精度。结果表明:研究区内冬小麦种植面积提取精度达90%以上,Kappa系数接近0.8,可较为准确地反映出区域内冬小麦的分布情况。利用较高分辨率的遥感影像并结合决策树分类和混合像元分解可以较准确地提取耕地破碎地区作物种植面积,对开展早期农作物面积遥感监测有较大帮助。