文献类型：期刊文章

作　　者：王碧晴[1] 韩文泉[1,2] 许驰[1,3]

WANG Biqing;HAN Wenquan;XU Chi(Nanjing Surveying and Mapping Research Institute Co., Ltd., Nanjing 210019, China;School of Transportation, Southeast University, Nanjing 210096, China;College of Earth Sciences and Engineering, Hohai University, Nanjing 211100, China)

机构地区：[1]南京市测绘勘察研究院股份有限公司,南京210019 [2]东南大学交通学院,南京210096 [3]河海大学地球科学与工程学院,南京211100

出　　处：《国土资源遥感》

基　　金：南京市测绘勘察研究院股份有限公司科研项目“遥感影像在农作物与生态环境监测及变化检测中应用研究”(编号:2018RD04)资助。

年　　份：2020

卷　　号：32

期　　号：2

起止页码：219-225

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD2019_2020、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：为自动获取大面积冬小麦种植区域,通常利用中等空间分辨率遥感影像中的物候信息,基于时间序列曲线进行识别与提取。但在实际工程项目中,只使用物候信息提取精度偏低。因此提出了一种基于时间序列曲线数据分类模型与图像分割相结合的冬小麦识别方法。首先,构建多源数据的归一化植被指数(normalized difference vegetation index,NDVI)时间序列曲线,采用时间序列谐波分析方法(harmonic analysis of time series,HANTS)对NDVI时间序列数据进行平滑和去噪;然后,对NDVI时间序列进行坐标转换,获取波段均值、标准差和均方根3个参数,构建新的分类模型,提升冬小麦与其他作物的差异值;最后,通过与高空间分辨率数据的分割结果相结合,利用图像的空间结构信息,提高地物边界的准确性。以南京市江宁区为例,利用2017年12月—2018年6月间高分一号、Landsat8和Sentinel-2A 3种类型的共21景多源数据进行实验,最终提取精度达到98.74%,比其他方法有所提高,为农业管理部门提供了准确的冬小麦种植区域和分布的地理信息数据。

关 键 词：NDVI时间序列曲线  图像分割 遥感分类模型  冬小麦提取  

分 类 号：TP79]