郝震+趙紅莉+蔣云鐘

摘要：基于高分辨率遙感影像提取的種植結(jié)構(gòu)信息，能夠比傳統(tǒng)的統(tǒng)計(jì)數(shù)據(jù)更加直觀地表達(dá)農(nóng)作物的空間分布特征，這些數(shù)據(jù)信息是水資源管理部門(mén)進(jìn)行水資源管理的重要數(shù)據(jù)參考。為解決GF-1 WFV傳感器影像中混合像元對(duì)小麥信息提取結(jié)果的影響，引入高分辨率GF-1 PMS傳感器影像，在兩種影像相同位置建立樣本研究區(qū)，利用PMS影像的分辨率優(yōu)勢(shì)為WFV影像中小麥混合像元訓(xùn)練樣本提供真實(shí)小麥面積權(quán)重，得到WFV影像小麥混合像元NDVI與小麥面積權(quán)重的比例關(guān)系，再運(yùn)用區(qū)間歸一化的方法解決同一NDVI值對(duì)應(yīng)不同小麥面積權(quán)重的問(wèn)題，進(jìn)而得到混合像元中小麥的真實(shí)面積信息，最終提取了冀州市的冬小麥信息。經(jīng)驗(yàn)證，該方法能夠在實(shí)地樣本不足的條件下，較準(zhǔn)確地提取冬小麥面積信息。

關(guān)鍵詞：NDVI；高分一號(hào)；冬小麥面積；遙感；歸一化；密度分割

中圖分類(lèi)號(hào)：S127；TP79 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-1683（2017）03-0067-06

Abstract：The planting structure information extracted by high-resolution remote sensing imaging can be more intuitive than traditional statistical data to present the spatial distribution and area information of crops.These data can provide important reference for water resources management.In order to eliminate the influence of mixed pixels in GF-1 WFV sensor images on wheat information extraction，we introduced the high-resolution GF-1 PMS sensor images，and established samples in the two images.We used the superior resolution of PMS images to provide real wheat area weight to the training samples of wheat mixed pixels in the WFV image，and obtained the relationship between wheat NDVI and wheat area weight.Then we used the interval normalization method to solve the problem in which one NDVI value corresponded to different wheat area weights，and thus obtained the true area information of wheat in mixed pixels，and extracted the winter wheat information of Jizhou City.It was verified that the method can accurately extract information of winter wheat area under the condition of insufficient samples.

Key words：NDVI；GF-1；winter wheat area；remote sensing；normalization；density slicing

農(nóng)作物的種植面積與空間分布數(shù)據(jù)是農(nóng)業(yè)用水科學(xué)管理的重要基礎(chǔ)。獲取農(nóng)作物種植結(jié)構(gòu)信息的傳統(tǒng)方式主要是通過(guò)實(shí)地調(diào)查與統(tǒng)計(jì)，逐級(jí)上報(bào)匯總，這種方式不但耗費(fèi)大量的物力、人力，而且最終的統(tǒng)計(jì)匯報(bào)結(jié)果因存在統(tǒng)計(jì)誤差也并不能表達(dá)農(nóng)作物的種植空間分布信息。利用遙感技術(shù)進(jìn)行農(nóng)作物調(diào)查，不僅使農(nóng)作物種植結(jié)構(gòu)信息提取方式變的省時(shí)省力，還讓種植結(jié)構(gòu)信息提取結(jié)果更有時(shí)效性。

基于衛(wèi)星遙感影像提取的農(nóng)作物種植結(jié)構(gòu)信息，包括農(nóng)作物的種類(lèi)、分布、面積等內(nèi)容，在現(xiàn)有的種植結(jié)構(gòu)信息提取研究中，多是針對(duì)大范圍地區(qū)，以滿(mǎn)足時(shí)間分辨率的遙感影像為數(shù)據(jù)基礎(chǔ)，通過(guò)分析農(nóng)作物的生長(zhǎng)規(guī)律，結(jié)合歸一化植被指數(shù)變化特點(diǎn)，提取農(nóng)作物種植結(jié)構(gòu)信息。歸一化植被指數(shù)是應(yīng)用遙感技術(shù)提取作物信息的一個(gè)最常用指標(biāo)，被廣泛應(yīng)用于作物分類(lèi)和生長(zhǎng)情況評(píng)價(jià)[1-2]。黃青通過(guò)分析作物時(shí)序光譜特征，建立MODIS NDVI數(shù)據(jù)的提取模型，獲取東北地區(qū)主要作物種植結(jié)構(gòu)信息[3]；郝衛(wèi)平利用MODIS NDVI 16D影像、Landsat ETM+影像和大量地面調(diào)查數(shù)據(jù)，提取了主要作物分布的空間信息[4]；楊閆君通過(guò)分析樣地的NDVI時(shí)序曲線(xiàn)，捕捉作物特有的生長(zhǎng)特性，基于GF-1/WFV NDVI時(shí)間序列對(duì)研究區(qū)作物進(jìn)行了分類(lèi)[5]；賀鵬利用GF-1號(hào)WFV傳感器影像分析了黑龍江農(nóng)墾趙光農(nóng)場(chǎng)的主要作物反射光譜和植被指數(shù)時(shí)序變化特征，構(gòu)建分層決策樹(shù)模型，提取了農(nóng)場(chǎng)的空間種植信息[6]。以多時(shí)相的NDVI為數(shù)據(jù)源，提取農(nóng)作物面積與類(lèi)型的研究方法已經(jīng)比較成熟[7-12]，這些方法基本是通過(guò)設(shè)定不同時(shí)間范圍不同作物特有的NDVI閾值屬性，區(qū)分農(nóng)作物植被類(lèi)型，但未做農(nóng)作物混合混合像元的處理。除利用多時(shí)相NDVI數(shù)據(jù)提取區(qū)域農(nóng)作物種植結(jié)構(gòu)外，一些學(xué)者也以單時(shí)相NDVI數(shù)據(jù)對(duì)單一作物面積的提取進(jìn)行了研究[13-14]。葛廣秀基于密度分割的方法對(duì)含有不同面積比例的小麥混合像元進(jìn)行了處理，來(lái)提高小麥面積的提取精度[15]。但該方法假設(shè)混合像元中小麥面積權(quán)重與NDVI在一定NDVI取值區(qū)間上是線(xiàn)性關(guān)系。為獲得面積權(quán)重與NDVI關(guān)系，往往需要大量的地面取樣，是利用NDVI密度分割法確定混合像元中小麥面積權(quán)重的困難所在。

除NDVI閾值方法外，王利民以多尺度分割后的對(duì)象為基本分類(lèi)單元，采用分層決策樹(shù)分類(lèi)的方法對(duì)冬小麥面積進(jìn)行提取[16]。Jiao等利用 RADARSAT-2數(shù)據(jù)對(duì)加拿大多倫多省東南部小麥、燕麥、大豆、油菜和飼料等 5 種作物進(jìn)行了分類(lèi)，面向?qū)ο蠓诸?lèi)的方法單景的分類(lèi)精確率可達(dá)95%[17]；面向?qū)ο蠓诸?lèi)方法與分層決策樹(shù)方法對(duì)計(jì)算機(jī)的硬件軟件與專(zhuān)家經(jīng)驗(yàn)需求較高，區(qū)域分析使用有一定難度，因此不具備普遍適用性[18-20]。

高空間分辨率影像具有較高精度，受混合像元影響較小，但由于重訪(fǎng)周期長(zhǎng)、單景覆蓋面積小，難以在短時(shí)間內(nèi)完成大范圍的全覆蓋，對(duì)于時(shí)效性要求較高的種植結(jié)構(gòu)提取，不能滿(mǎn)足要求。中低分辨率衛(wèi)星在重訪(fǎng)周期和影像單景幅寬上具有優(yōu)勢(shì)，但在提取中混合像元大量存在，影響閾值的選取和混合像元內(nèi)面積的統(tǒng)計(jì)。為探討提高農(nóng)作物種植結(jié)構(gòu)信息的遙感信息提取精度，本文以河北省冀州市為試驗(yàn)區(qū)，以高分一號(hào)WFV數(shù)據(jù)為主，以高分一號(hào)高分辨率PMS數(shù)據(jù)補(bǔ)充地面實(shí)測(cè)樣方，通過(guò)分析高分一號(hào)WFV影像中小麥混合像元NDVI值與小麥面積比例關(guān)系，提出一種參考鄰近區(qū)域NDVI值確定混合像元中小麥面積比例的方法。因該方法可考慮作物長(zhǎng)勢(shì)對(duì)NDVI于混合像元中作物面積比例的影響，對(duì)混合像元中作物面積的判定具有較高精度。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)范圍是河北省衡水地區(qū)冀州市，經(jīng)緯度范圍115°10′-115°42′，37°19′-37°44′，該市地處河北平原。冀州市屬大陸性季風(fēng)氣候，春季干燥多風(fēng)，夏季暖熱多雨，6月至9月間降雨量較多，3月至5月降雨量較少，種植的主要農(nóng)作物有小麥、玉米、棉花等。

1.2 農(nóng)作物生長(zhǎng)規(guī)律與NDVI變化特征

根據(jù)2015年實(shí)地調(diào)研結(jié)果，將實(shí)地收集的農(nóng)作物耕種地塊在遙感影像上進(jìn)行標(biāo)注，并結(jié)合多時(shí)相的影像數(shù)據(jù)對(duì)實(shí)地收集的農(nóng)作物地塊進(jìn)行全年NDVI數(shù)值統(tǒng)計(jì)，得到圖2。NDVI的變化規(guī)律符合對(duì)應(yīng)農(nóng)作物的生長(zhǎng)特性。適宜提取冬小麥的影像時(shí)間不唯一，利用12月與次年4月影像的冬小麥NDVI特征突出的特點(diǎn)提取冬小麥。

1.3 實(shí)驗(yàn)數(shù)據(jù)

研究選取的影像數(shù)據(jù)是中國(guó)衛(wèi)星資源應(yīng)用中心提供的高分一號(hào)WFV（16 m空間分辨率多光譜影像）傳感器2014年12月24日、2015年4月23日影像與PMS（2 m空間分辨率全色影像與8 m空間分辨率多光譜影像）傳感器2015年4月27日影像。PMS傳感器影像經(jīng)過(guò)預(yù)處理得到2 m空間分辨率的多光譜影像。兩種傳感器影像的預(yù)處理都在ENVI5. 2軟件環(huán)境下進(jìn)行，大氣校正運(yùn)用FLAASH大氣校正模式，正射校正采用GF-1號(hào)衛(wèi)星自帶的RPC參數(shù)進(jìn)行無(wú)控制點(diǎn)有理多項(xiàng)式模型區(qū)域網(wǎng)平差幾何校正。

2015年4月對(duì)研究區(qū)進(jìn)行了實(shí)地調(diào)研，選取了5個(gè)樣方，分布見(jiàn)圖1。為輔助分析和檢驗(yàn)，本文利用高分一號(hào)PMS影像提取結(jié)果增加WFV影像進(jìn)行作物提取的樣方，共選取23個(gè)PMS影像樣方。兩類(lèi)樣方中的18個(gè)作為訓(xùn)練樣方，其余10個(gè)為驗(yàn)證樣方來(lái)進(jìn)行研究分析和檢驗(yàn)。為驗(yàn)證研究區(qū)種植結(jié)構(gòu)信息提取的準(zhǔn)確性，還收集了研究區(qū)農(nóng)業(yè)局2015年的種植結(jié)構(gòu)統(tǒng)計(jì)信息來(lái)提供參考。

1.4 研究方法

以WFV傳感器與PMS傳感器影像及少量實(shí)測(cè)樣點(diǎn)為數(shù)據(jù)基礎(chǔ)，在節(jié)省實(shí)地采樣耗費(fèi)的人力、物力的條件下，運(yùn)用NDVI密度分割方法提取冀州市小麥的面積信息。PMS傳感器影像具有空間分辨率高，但重返周期長(zhǎng)的特點(diǎn)；WFV傳感器具有空間分辨率一般，覆蓋范圍廣，時(shí)間分辨率高的特點(diǎn)。借助PMS傳感器影像的空間分辨率優(yōu)勢(shì)，建立小麥種植樣本區(qū)，高分辨率影像樣本區(qū)有兩個(gè)功能，一是可以輔助中分辨率影像劃分小麥純凈像元與含小麥混合像元的NDVI區(qū)間，得到含小麥混合像元中小麥面積的權(quán)重系數(shù)；二是可以為中分辨率影像提供樣本區(qū)小麥面積真值參考，作為小麥提取精度驗(yàn)證的依據(jù)。WFV傳感器影像從樣本區(qū)選取含小麥混合像元訓(xùn)練樣本，運(yùn)用混合像元中小麥面積權(quán)重系數(shù)與分割區(qū)間像元個(gè)數(shù)，最終得到小麥面積信息。

1.4.1 基于PMS影像補(bǔ)充混合像元樣本

本文利用少量實(shí)測(cè)樣本點(diǎn)解譯高分辨率影像中的小麥種植區(qū)，研究高分辨率影像中小麥種植區(qū)的NDVI特性，對(duì)高分辨率遙感影像覆蓋范圍內(nèi)的小麥種植區(qū)進(jìn)行提取，得到小麥種植的空間分布信息。在小麥種植區(qū)域相同位置上，分別在兩種傳感器影像中建立28個(gè)樣方，PMS傳感器影像是高分辨率遙感影像，混合像元對(duì)小麥面積影響較小，在小麥種植區(qū)范圍內(nèi)，均勻選取樣本點(diǎn)，得到樣本點(diǎn)中純凈小麥像元的面積。疊加WFV傳感器影像的18個(gè)樣方，建立200個(gè)混合像元的訓(xùn)練樣本，以PMS傳感器中相同位置純凈小麥面積為參考真值，輔助WFV影像中純凈小麥像元NDVI區(qū)間的劃分與混合像元中小麥面積權(quán)重的確定。

1.4.2 建立像元NDVI與小麥面積比例關(guān)系

通過(guò)比較WFV影像混合像元中對(duì)應(yīng)PMS影像提取的小麥面積，得到WFV混合像元中小麥面積比例系數(shù)，繪制WFV影像像元NDVI與像元中小麥面積比例的關(guān)系圖。首先分析WFV傳感器影像中小麥純凈像元與含小麥混合像元的NDVI值區(qū)間。經(jīng)多次兩種分辨率影像對(duì)比實(shí)地樣本實(shí)驗(yàn)得到冀州市PMS傳感器影像中純凈小麥NDVI區(qū)間范圍為0.62≤NDVI≤0.85，WFV傳感器純凈小麥像元NDVI范圍為0.71≤NDVI≤0.84，包含小麥混合像元的NDVI范圍為0.46≤NDVI<0.71。

基于PMS影像樣本和實(shí)地樣本，統(tǒng)計(jì)WFV傳感器影像混合像元訓(xùn)練樣本中小麥混合像元NDVI和對(duì)應(yīng)面積比例，得到圖3。由圖3發(fā)現(xiàn)，NDVI與面積權(quán)重關(guān)系并非一一對(duì)應(yīng)，造成這種情況的原因是小麥播種時(shí)間差異或供水條件差異導(dǎo)致的小麥長(zhǎng)勢(shì)不同，在圖中表現(xiàn)為同一個(gè)面積比例對(duì)應(yīng)的NDVI值不唯一；同樣，一個(gè)NDVI值對(duì)應(yīng)的像元中小麥面積比例也不唯一。因此單一的、不加處理的NDVI不能作為確定混合像元中小麥面積比例的指標(biāo)。

1.4.3 參考臨近區(qū)域加權(quán)的面積比例計(jì)算方法

對(duì)于16 m分辨率的WFV影像而言，混合像元的結(jié)構(gòu)和相對(duì)位置見(jiàn)圖4（a）、圖4（b），一般為純凈小麥像元向純凈非小麥像元的過(guò)渡，或夾有地壟小路、兩側(cè)比鄰純凈像元的混合像元。以混合像元為中心，構(gòu)造3×3的像元組合，混合像元的左右或上下兩個(gè)方向中有一個(gè)方向的鄰近像元會(huì)是純凈像元，見(jiàn)圖4（c）、圖4（d），橙色表示非小麥像元，黃色表示小麥混合像元，綠色表示純小麥像元。相鄰純凈像元中小麥的長(zhǎng)勢(shì)可認(rèn)為與混合像元中小麥的長(zhǎng)勢(shì)一致。因此可利用鄰近純凈像元的NDVI值來(lái)表征混合像元中小麥的長(zhǎng)勢(shì)，鄰近純凈像元NDVI值越高，則長(zhǎng)勢(shì)越好。相同長(zhǎng)勢(shì)的小麥，混合像元的NDVI越高，則面積權(quán)重越大；對(duì)于相同NDVI的混合像元而言，鄰近純凈像元的NDVI越高，則該混合像元的小麥面積權(quán)重越低。

根據(jù)上述原理，以像元X22為中心建立3×3像元的網(wǎng)格，構(gòu)造像元X22的相對(duì)長(zhǎng)勢(shì)參數(shù)P如下：

式中：max（X11：X33）表示X11至X33像元網(wǎng)格內(nèi)最大的NDVI像元值；X22表示需要評(píng)價(jià)像元的NDVI值。WFVndvi為混合像元的上限與下限的差，X22像元對(duì)應(yīng)的小麥面積權(quán)重方程如下：

wu表示X22像元NDVI值所處NDVI區(qū)間對(duì)應(yīng)的小麥面積比例區(qū)間的上限，wd表示X22像元NDVI值所處NDVI區(qū)間對(duì)應(yīng)的小麥面積權(quán)重區(qū)間的下限。

利用參數(shù)P評(píng)價(jià)NDVI像元值對(duì)應(yīng)的小麥面積權(quán)重，該像元小麥面積權(quán)重與像元面積的乘積就是其真實(shí)的小麥面積。

2 結(jié)果與精度驗(yàn)證

對(duì)冀州市WFV傳感器NDVI圖像進(jìn)行密度分割，得到密度分割結(jié)果，見(jiàn)圖5。從圖中不難發(fā)現(xiàn)，植被較密集的區(qū)域在冀州市北部地區(qū)，中部及南部地區(qū)植被較少。為了解冀州市冬小麥的空間分布位置信息，需要對(duì)冬小麥的提取結(jié)果進(jìn)行制圖，制圖的像元總面積為1.66萬(wàn)hm2，與NDVI密度分割提取的小麥面積1.72萬(wàn)hm2相對(duì)誤差3.5%，該范圍內(nèi)的像元總面積與提取的冬小麥面積接近，選用面積權(quán)重在49.8%以上的區(qū)間范圍近似表示冬小麥面積，得到圖6，圖中綠色區(qū)域即為冬小麥種植區(qū)域。

2.1 面積精度校驗(yàn)

利用NDVI密度分割的方法對(duì)冀州市的小麥面積信息進(jìn)行提取，提取結(jié)果見(jiàn)表1，冀州市總面積為21.87萬(wàn)hm2，其中含小麥混合像元與純凈小麥像元面積為2.71萬(wàn)hm2，冀州市農(nóng)業(yè)局小麥面積2015年統(tǒng)計(jì)數(shù)據(jù)為1.83萬(wàn)hm2，混合像元對(duì)面積提取結(jié)果有較大影響，混合像元約占含小麥像元面積的三分之一。對(duì)混合像元的NDVI進(jìn)行密度分割，將NDVI區(qū)間劃分成10份，每一劃分區(qū)間對(duì)應(yīng)的小麥面積比例，按上文中描述的參考臨近區(qū)域加權(quán)的面積比例計(jì)算方法計(jì)算得到，每層小麥面積比例與每層像元面積的乘積即混合像元中小麥的面積。

依據(jù)參考臨近區(qū)域加權(quán)NDVI密度分割方法提取的冀州市小麥面積為1.72萬(wàn)hm2，結(jié)合冀州市農(nóng)業(yè)局統(tǒng)計(jì)面積1.83萬(wàn)hm2，計(jì)算得小麥面積提取精度為93.9%，研究要求小麥提取精度在90%以上，該提取結(jié)果滿(mǎn)足研究要求。

NDVI密度分割提取小麥面積信息的方法不改變小麥提取的空間位置信息，小麥提取結(jié)果包括含小麥的混合像元，但該方法的使用，能夠從中分辨率影像中得到更加準(zhǔn)確的面積信息，為相關(guān)部門(mén)提供準(zhǔn)確的數(shù)據(jù)支撐。若不使用NDVI密度分割方法而直接利用閾值對(duì)小麥信息進(jìn)行提取，需要提高NDVI閾值以減少混合像元對(duì)小麥信息提取的影響。不過(guò)，通過(guò)提高閾值的方法雖然可以減少混合像元對(duì)小麥面積信息的影響，但是提取閾值越接近純凈小麥像元NDVI值，真實(shí)地面小麥面積信息被剔除的就越多?；诿芏确指罘椒ㄌ崛⌒←溍娣e信息的NDVI閾值下限為0.46；僅利用NDVI閾值的方法，為保證較多的小麥信息被保留以及較為準(zhǔn)確的面積信息，NDVI閾值下限選定為0.53，此時(shí)小麥面積為2.06萬(wàn)hm2，提取誤差11.2%。

2.2 冀州市樣方精度校驗(yàn)

利用獨(dú)立于分析實(shí)驗(yàn)的10個(gè)樣方進(jìn)行方法精度校驗(yàn)，首先利用單一NDVI閾值分割的方法提取PMS傳感器影像樣方中的小麥面積信息，再運(yùn)用本文所述參考臨近區(qū)域加權(quán)的面積比例計(jì)算方法提取WFV傳感器影像樣方中的小麥面積信息。兩類(lèi)結(jié)果對(duì)比見(jiàn)圖7。PMS高分辨率影像樣方提取小麥面積結(jié)果與WFV中分辨率影像樣方提取小麥面積結(jié)果相關(guān)性達(dá)0.97，說(shuō)明利用參考臨近區(qū)域加權(quán)的NDVI密度分割方法可以使WFV影像的提取結(jié)果精度與PMS影像結(jié)果精度基本相當(dāng)。

3 結(jié)論

本文利用GF-1號(hào)WFV傳感器影像與PMS傳感器影像提取了2015年河北省冀州市的小麥農(nóng)作物信息，并利用高分辨率遙感影像小麥提取結(jié)果作為真值參考并建立樣本區(qū)，輔助劃分WFV傳感器影像中小麥與含小麥混合像元的NDVI區(qū)間，結(jié)合NDVI密度分割方法提取了WFV傳感器影像的小麥農(nóng)作物面積信息，提取的面積結(jié)果符合精度要求。在農(nóng)業(yè)灌溉用水預(yù)估計(jì)算時(shí)，農(nóng)作物面積的準(zhǔn)確性，直接影響灌溉水量預(yù)估的結(jié)果。研究表明，在進(jìn)行小麥農(nóng)作物的種植信息提取時(shí)，NDVI密度分割的方法能夠在保證小麥空間信息完整的情況下，得到較為準(zhǔn)確的小麥面積信息，小麥面積的提取精度基本控制在10%以?xún)?nèi)，精度滿(mǎn)足農(nóng)作物灌溉用水預(yù)估的精度要求。

文中的方法在小范圍地區(qū)得到了較好的小麥提取結(jié)果，并沒(méi)有對(duì)較大范圍的地區(qū)就行提取研究。在今后的研究中，還需要在大范圍尺度上驗(yàn)證。

參考文獻(xiàn)（References）：

[1] Treitz P，Rogan J.Remote sensing for mapping and monitoring land-cover and land-use change：An introduction[J].Progress in Planning，2004，61：269-279.

[2] Liang S L.Quantitative Remote Sensing of Land Surfaces.[S.L.]：Wiley-IEEE，2003.

[3] 黃青，唐華俊，周清波，等.東北地區(qū)主要作物種植結(jié)構(gòu)遙感提取及長(zhǎng)勢(shì)監(jiān)測(cè)[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（9）：218-223.（HUANG Qing，TANG Hua-jun，ZHOU Qing-bo，et al.Remote-sensing based monitoring of planting structure and growth condition of major crops in Northeast China[J].Transactions of the CSAE，2010，26（9）：218-223.（in Chinese）） DOI：10.3969/j.issn.1002-6819.2010.09.037

[4] 郝衛(wèi)平，梅旭榮，蔡學(xué)良，等.基于多時(shí)相遙感影像的東北三省作物分布信息提取[J].農(nóng)業(yè)工程學(xué)報(bào)，2011，27（1）：201-207.（HAO Wei-ping，MEI Xu-rong，CAI Xue-liang，et al.Crop planting extraction based on multi-temporal remote sensing data in Northeast China[J].Transactions of the CSAE，2011，27（1）：201-207.（in Chinese）） DOI：10.3969/j.issn.1002-6819.2011.01.033

[5] 楊閆君，占玉林，田慶久，等.基于 GF-1/WFV NDVI 時(shí)間序列數(shù)據(jù)的作物分類(lèi)[J].農(nóng)業(yè)工程學(xué)報(bào)，2015，31（24）：155-161.（YANG Yan-jun，ZHAN Yu-lin，TIAN Qing-jiu，et al.Crop classification based on GF-1/WFV NDVI time series[J].Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE），2015，31（24）：155-161.（in Chinese）） DOI：10.11975/j.issn.1002-6819.2015.24.024

[6] 賀鵬，徐新剛，張寶雷，等.基于多時(shí)相GF-1遙感影像的作物分類(lèi)提取[J].河南農(nóng)業(yè)科學(xué)，2016，01：152-159.（HE Peng，XU Xin-gang，ZHANG Bao-lei，et al.Crop classification extraction based on multi-temporal GF-1 remote sensing image[J].Journal of Henan Agricultural Sciences，2016，01：152-159.（in Chinese）） DOI：10.15933/j.cnki.1004-3268.2016.01.034

[7] 蔡學(xué)良，崔遠(yuǎn)來(lái).基于異源多時(shí)相遙感數(shù)據(jù)提取灌區(qū)作物種植結(jié)構(gòu)[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25（8）：124-130.（CAI Xue-liang，CUI Yuan-lai.Crop planting structure extraction in irrigated areas from multi-sensor and multi-temporal remote sensing data[J].Transactions ofthe CSAE，2009，25（8）：124-130.（in Chinese）） DOI：10.3969/j.issn.1002-6819.2009.08.023

[8] 楊小喚，張香平，江東.基于 MODIS 時(shí)序NDVI 特征值提取多作物播種面積的方法[J].資源科學(xué)，2004，26（6）：17-22.（YANG Xiao-huan，ZHANG Xiang-ping，JIANG Dong.Extraction of multi-crop planting areas from MODIS data[J].Resources Science，2004，26（6）：17-22.（in Chinese）） DOI：10.3321/j.issn：1007-7588.2004.06.003

[9] 張健康，程彥培，張發(fā)旺，等.基于多時(shí)相遙感影像的作物種植信息提取[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（2）：134-141.（ZHANG Jian-kang，CHENG Yan-pei，ZHANG Fa-wang，et al.Crops planting information extraction based on multi-temporal remote sensing images[J].Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE），2012，28（2）：134-141.（in Chinese） ）DOI：10.3969/j.issn.1002-6819.2012.02.024

[10] 裴志遠(yuǎn)，楊邦杰.多時(shí)相歸一化植被指數(shù)NDVI 的時(shí)空特征提取與作物長(zhǎng)勢(shì)模型設(shè)計(jì)[J].農(nóng)業(yè)工程學(xué)報(bào)，2000，16（5）：20-22.（PEI Zhi-yuan，YANG Bang-jie.Analysis of multi temporal and multi spatial character of NDVI and crop condition models development[J].Transactions of the CSAE，2000，16（5）：20-22.（in Chinese）） DOI：10.3321/j.issn：1002-6819.2000.05.005

[11] Goodwin N R，Collett L J.Development of an automated method for mapping fire history captured in Landsat TM and ETM plus time series across Queensland，Australia[J].Remote Sens Environ，2014，148：206-221.DOI：10.1016/j.rse.2014.03.021

[12] 吳炳方，張峰，劉成林，等.農(nóng)作物長(zhǎng)勢(shì)綜合遙感監(jiān)測(cè)方法[J].遙感學(xué)報(bào)，2004，8（6）：498-514.（WU Bing-fang，ZHANG Feng，LIU Cheng-lin，et al.An integrated method for crop condition monitoring[J].Journal of Remote Sensing，2004，8（6）：498-514.（in Chinese）） DOI：10.11834/jrs.20040602

[13] 鄒金秋，陳佑啟，Satoshi Uchida，等.利用Terra MODIS數(shù)據(jù)提取冬小麥面積及精度分析[J].農(nóng)業(yè)工程學(xué)報(bào)，2007，23（11）：195-200.（ZOU Jin-qiu，CHEN You-qi，Satoshi Uchida，et al.Method for extracting winter wheat area using Terra MODIS data and its accuracy analysis[J].Transactions of the CSAE，2007，23（11）：195-200.（in Chinese）） DOI：10.3321/j.issn：1002-6819.2007.11.035

[14] 徐超，朱秀芹，潘耀忠，等.基于NDII 及NDVI 提取水稻信息的對(duì)比研究[J].地理與地理信息科學(xué)，2008，24（5）：44-46.（XU Chao，ZHU Xiu-qin，PAN Yao-zhong，et al.Comparison study on applications of NDII and NDVI in information extraction of rice[J].Geography and Geo-Information Science，2008，24（5）：44-46.（in Chinese））

[15] 葛廣秀，李衛(wèi)國(guó)，景元書(shū).基于NDVI密度分割的冬小麥種植面積提取[J].麥類(lèi)作物學(xué)報(bào)，2014，34（7）：9007-1002.（GE Guang-xiu，LI Wei-guo，JING Yuan-shu.Area of winter wheat extracted on NDVI density slicing[J].Journal of Triticeae Crops，2014，34（7）：9007-1002.（in Chinese）） DOI：10.7606/j.issn.1009-1041.2014.07.21

[16] 王利民，劉 佳，楊福剛，等.基于GF-1 衛(wèi)星遙感的冬小麥面積早期識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào)，2015，31（11）：194-201.（WANG Li-min，LIU Jia，YANG Fu-gang，et al.Early recognition of winter wheat area based on GF-1 satellite[J].Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE），2015，31（11）：194-201.（in Chinese））

[17] Jiao X F，Kovacs J M，Shang J L，et al.Object-oriented crop mapping and monitoring using multi-temporal polarimetric RADARSAT-2 data[J].Isprs J Photogramm，2014，96：38-46.DOI：10.1016/j.isprsjprs.2014.06.014

[18] 孫丹峰，楊冀紅，劉順.高分辨率遙感衛(wèi)星影像在土地利用分類(lèi)及其變化監(jiān)測(cè)的應(yīng)用研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2002，18（2）：160-164.（SUN Dang-feng，YANG Yi-hong，LIU Sun.Application of highspatial iknos remote sensing images in land use classification and change monitoring[J].Transactions of the Chinese Society of Agricultural Engineering，2002，18 （2）：160-164.（in Chinese）） DOI：10.3321/j.issn：1002-6819.2002.02.040

[19] 覃先林，李增元，易浩若.高空間分辨率衛(wèi)星遙感影像樹(shù)冠信息提取方法研究[J].遙感技術(shù)與應(yīng)用，2005（2）：228-232.（QIN Xian-lin，LI Zeng-yuan，YI Hao-ruo.Extraction method of tree crown using high-resolution satellite image[J].Remote Sensing Technology and Application，2005，20（2）：228-232.（in Chinese） DOI：10.11873/j.issn.1004-0323.2005.2.228

[20] 黃振國(guó)，楊君.高分一號(hào)衛(wèi)星影像監(jiān)測(cè)水稻種植面積研究綜述[J].湖南農(nóng)業(yè)科學(xué)，2014（13）：76-78.（HUANG Zhen-guo，YANG Jun.Review of High-1 Satellite image monitoring rice planting area[J].Hunan Agricultural Science，2014（13）：76-78.（in Chinese） ）DOI：10.3969/j.issn.1006-060X.2014.13.025