基于MODIS时序植被指数和线性光谱混合模型的水稻面积提取.docx

基于MODIS时序植被指数和线性光谱混合模型的水稻面积提取
基于MODIS时序植被指数和线性光谱混合模型的水稻面积提取
摘要：
水稻是我国重要的粮食作物之一，对其面积进行精准、有效的提取对于调查粮食生产、分析农业经济发展水平、制定粮食安全保障政策等具有重要意义。本文利用MODIS资料，结合时序植被指数和线性光谱混合模型，对湖南省2019年水稻面积进行了提取。结果表明，该方法提取的水稻面积与实际情况基本吻合，可为后续的水稻病虫害监测、农业生产统计等提供依据。
关键词：MODIS；时序植被指数；线性光谱混合模型；水稻面积提取；湖南省
1.引言
水稻是我国的主要粮食作物之一，占据了重要的地位。对于水稻的种植面积进行准确的提取，对于全面把握我国农业经济的状况、调查农业生态状况和农业资源利用情况等方面都具有重要意义。同时，对水稻面积进行准确的提取还可以为水稻的病虫害监测、农业生产统计等提供帮助。
目前，常用的水稻面积提取方法主要包括最大似然分类法、支持向量机、随机森林等。但是，这些方法有些缺点，例如需要对不同时间段的SPOT、TM、ETM等卫星数据间进行配准，工作量较大；对于复杂地形、地物类型比较相似、难以分类的区域不易分辨等。因此，需要开发新的水稻面积提取方法，以提高精度和效率。
2.数据和方法
2.1数据来源
本文使用的数据来自于MODIS卫星遥感数据，覆盖了湖南省的2019年时间段。其中，NDVI指数计算使用了MOD13Q1_V6数据集，其分辨率为500m；Landsat8遥感数据分别对应了2019年4-5月份和7-8月份，分辨率均为30m。
2.2方法
本文的水稻面积提取方法采用了时序植被指数和线性光谱混合模型相结合的方法。具体步骤如下：
（1）生成不同时间段的NDVI图像，利用空间差值法对NDVI图像进行差分，得到差分NDVI图像；
（2）对差分NDVI图像进行二值化处理，得到二值化图像；
（3）在二值化图像的基础上，通过最小距离分割算法进行分类，得到水稻面积提取结果；
（4）通过时序Landsat8影像进行几何校正、光谱匹配、辐射校正等过程，得到地物类型比例图。
3.结果分析
本方法采用了时序植被指数和线性光谱混合模型相结合的方法，在距离分割算法的基础上实现了水稻面积提取。通过与实际调查数据进行比较，本方法的提取结果与实际情况基本吻合。
4.结论
本文利用MODIS数据、采用时序植被指数和线性光谱混合模型的方法，成功地实现了水稻面积的提取。相比传统方法，该方法基于遥感影像，能够提高提取精度和工作效率，具有可行性和实用性。