论文部分内容阅读
水稻是亚洲粮食安全中最重要的作物之一,是人类重要的生存必需品。发展快速、准确地水稻种植信息提取技术对于东南亚地区水稻种植监测、产量评估、生产管理等具有重要意义。中南半岛又称印度支那半岛,大部分地区属热带亚热带季风气候,全年平均温度较高,降雨量较大,适宜水稻种植,是世界上重要的水稻生产和出口地区之一,在保证灌溉条件下,很多区域可种植多季稻。该区域水稻种植模式灵活,单景影像所含信息量有限,难以获取复杂的种植模式。本文基于多源时间序列遥感数据,构建基于时序特征融合的水稻种植信息提取方法,分别提取泰国湄南河流域小区域及柬埔寨全境水稻种植模式,为多云多雨、种植制度灵活的热带地区水稻种植信息提取提供一种新的思路。本文主要研究内容及结论如下:以泰国湄南河流域中部平原水稻种植区为例,基于Sentinel-1 SAR时间序列数据,提出一种融合时序统计参数与时序曲线相似性特征的水稻信息提取方法,以提高热带多云多雨地区复杂种植模式下的水稻信息提取精度。首先利用年内所有可获取的Sentinel-1 SAR时间序列数据,构建逐像元(或对象)地物后向散射系数的时间序列曲线,并提取时序统计参数;其次,利用动态时间规整(DTW)算法,计算逐像元(或对象)时序曲线与地物标准后向散射系数曲线间的隶属度;将时序统计参数、时序曲线隶属度相结合,利用随机森林模型进行监督分类,实现研究区水稻种植信息的高精度提取。结果显示,基于Sentinel-1数据时序特征融合方法不仅可以较好的提高区域水稻分类精度,同时还能获得水稻一年多熟的种植模式。其中,以对象为单元的分类方法单季稻用户精度为81.46%,生产者精度为82.0%;多季稻用户精度为88.0%,生产者精度为84.08%,均优于基于像元的分类方法。以柬埔寨为例,从自然因素、社会经济因素分析水稻种植模式的变化,基于MODIS影像集分别构建全年NDVI时间序列,利用DTW算法,计算时序曲线与地物标准曲线间的隶属度;将时序统计参数、时序曲线隶属度相结合,利用随机森林模型进行监督分类,计算研究区不同年间的水稻种植面积,根据时序曲线峰值出现的时间获得水稻种植模式。通过MODIS时序数据提取该地区洪水发生日期,持续时间及最大淹没面积,进一步分析洪水影响下的水稻时空分布信息。研究表明,基于NDVI时间序列同样能较好地获取水稻种植模式,水稻种植的时空分布会随着洪水的规模的不同而产生相应的变化。