·栏目名称·.docVIP

·栏目名称· 基于中分辨TM数据的水稻提取方法对比研究 空1行 李□□1,刘□□2, 吴□□1, 谭□□1, 杨 □1,* （1. 中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室，北京 100081； 2. 中山大学地理科学与规划学院，广州，510275） 空1行 摘 要 水稻种植面积监测是当前农业土地变化科学的热点问题，但运用遥感技术对水稻种植面积精确实施监测一直是难点。中分辨率遥感影像能够满足我国大面积水稻作物监测，成为业务化运行的主要数据源。为此,本研究尝试以中分辨率TM影像为数据源,结合神经网络和面向对象（SVM）两种算法对对黑龙江省富锦市2010年两期不同时相影像分别进行水稻分类提取，并对分类结果进行滤波处理及混淆矩阵精度评定。结果表明：（1）在高纬度单季稻生长区，面向对象分类算法的精度显著高于神经网络的分类精度，水稻用户精度和生产者精度在6月份分别高0.55%、1.37%，在8月份分别高0.62%、2.34%；（2）对神经网络分类的结果进行Majority滤波处理，在一定程度上可以改善水稻分类的精度，水稻用户精度和生产者精度在6月份分别提高0.14%、0.5%， 在8月份分别提高1.56%、1.43%；（3）选取关键水稻物候期的遥感影像获取水稻种植面积的精度更高，返青期水稻提取精度要高于乳熟期，其中神经网络算法的水稻用户精度及生产者精度分别提高2.67%、3.45%；面向对象算法的水稻用户精度及生产者精度分别提高2.6%、2.48%。未来需要重点考虑建立全国水稻物候历信息、面向对象算法中自动化最优尺度分割方法来提高水稻分类的精度。 关键词 水稻 神经网络 面向对象 TM影像 空2行 水稻在我国粮食生产中占有重要的地位，是我国重要的粮食作物之一，占全国粮食总播种面积的27%，而其产量则达到粮食总产量的35%[1]。与此同时,水稻面积遥感动态监测正成为农作物空间监测[2]和土地变化科学[3]的热点问题。精确的水稻种植面积信息，可为农业生产、水稻产量的预报和评估、粮食价格预测和国家粮食生产布局及规划等提供科学依据[4]。 中分辨率遥感影像由于具备较高的空间分辨率，能够满足我国大面积水稻作物监测，成为业务化运行的主要数据源。中高空间分辨率影像包括Landsat TM/ETM+、SPOT、CBERS-1/2 CCD、HJ-1A/1B CCD等（表1），其分辨率主要在100m以内，是当前最常用的水稻遥感监测数据源，其特征是卫星类型多、覆盖范围广、时间分辨率较高且时间序列较长，可实现大范围、多时期水稻种植的长期监测。Peng等[5]利用1986年和2002年两期Landsat TM影像对丽江县包括水稻在内表1 中分辨率水稻遥感监测常用数据源 卫星 传感器 发射时间/y 波段 最大空间分辨率/m 时间分辨率/d Landsat-5 TM 1984 1~5,7,6 30,30,120 16 SPOT-4 HRV,HRVIR 1998 1~4,全色 20,10 26 CBERS-02 CCD相机 2003 1~5 19.5 26 Landsat-7 ETM+ 1999 1~5,7,6,全色 30,30,60,15 16 SPOT-5 HRG 2002 1~4,全色 20,10,5,2.5 26 HJ-1A/B CCD相机 2008 1~4 30 4 Landsat-8 OLI 2013 1~7,9,8 30,30,15 16 1 研究区与数据 1.1 研究区域 本文选择研究区， 图1 □□□□□□研究区 参考文献 [1] 陈晓华，张玉香，张合成. 中国农业统计资料2011. 北京: 中国农业出版社, 2012. [2] Kuenzer C, Knauer K. Remote sensing of rice crop areas. International Journal of Remote Sensing. 2013, 34 6 : 2101-2139. [3] Aspinall R. Editorial. Journal of Land Use Science. 2006, 1 1 : 1-4. [4] 覃志豪，唐华俊，李文娟 等. 气候变化对农业和粮食生产影响的研究进展与发展方向. 中国农业资源与区划. 2013, 34 5 : 1-7. [5] Peng J, Wu J, Yin H et al. Rural land use change during 1986--2002 in Lijiang, China, based on remote sensing and GIS data. Sensors. 2008, 8 12 : 8201-8223. [6] 朱晓禧，方修琦，