农作物种植面积遥感估算的影响因素研究

张焕雪, 李强子, 文宁, 杜鑫, 陶青山, 田亦陈. 农作物种植面积遥感估算的影响因素研究[J]. 自然资源遥感, 2015, (4): 54-61. doi: 10.6046/gtzyyg.2015.04.09
引用本文: 张焕雪, 李强子, 文宁, 杜鑫, 陶青山, 田亦陈. 农作物种植面积遥感估算的影响因素研究[J]. 自然资源遥感, 2015, (4): 54-61. doi: 10.6046/gtzyyg.2015.04.09
ZHANG Huanxue, LI Qiangzi, WEN Ning, Du Xin, TAO Qingshan, TIAN Yichen. Important factors affecting crop acreage estimation based on remote sensing image classification technique[J]. Remote Sensing for Natural Resources, 2015, (4): 54-61. doi: 10.6046/gtzyyg.2015.04.09
Citation: ZHANG Huanxue, LI Qiangzi, WEN Ning, Du Xin, TAO Qingshan, TIAN Yichen. Important factors affecting crop acreage estimation based on remote sensing image classification technique[J]. Remote Sensing for Natural Resources, 2015, (4): 54-61. doi: 10.6046/gtzyyg.2015.04.09

农作物种植面积遥感估算的影响因素研究

  • 基金项目:

    国家自然科学基金项目“作物种植面积遥感估算不确定性研究”

    湖南省国土资源厅基础测绘项目

    中国科学院遥感与数字地球研究所所长青年基金

    “十二五”国家科技支撑计划项目“大麻遥感监测技术与毒性诊断仪研制”

详细信息
  • 中图分类号: TP751.1 P237

Important factors affecting crop acreage estimation based on remote sensing image classification technique

  • 针对不同的农作物种植结构区,研究影响遥感影像分类各因素与农作物种植面积估算精度的定性和定量关系是十分必要的。以RapidEye影像提取的早稻种植信息为研究对象,从农作物的种植成数、种植破碎度和地块形状指数3个角度进行了不同空间分辨率下各因素对农作物面积监测的影响研究。结果表明:随着农作物种植成数的降低,种植结构越来越破碎,种植地块趋于狭长分布,各分辨率下农作物面积估算精度均呈递减趋势;要达到85%以上的面积估算精度,当作物种植成数在50%以上时,可选取高于150 m分辨率的遥感数据;当作物种植较为破碎时,需要在提高影像空间分辨率的同时融入其他技术手段;当作物种植地块为狭长分布时,提高影像的空间分辨率并不能保证面积估算精度,必须通过其他技术手段达到精度要求;并最终得到了4种影响因素对面积估算精度的定量评估模型。研究结果为解决不同农作物种植结构区遥感数据的选择、面积估算精度的提高,以及在特定研究区和数据源条件下可达到的面积估算水平等问题提供了理论基础。
  • 加载中
    Created with Highcharts 5.0.7访问量Chart context menu近一年内文章摘要浏览量、PDF下载量统计信息摘要浏览量PDF下载量2024-052024-062024-072024-082024-092024-102024-112024-122025-012025-022025-032025-0400.511.522.5Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问类别分布DOWNLOAD: 3.3 %DOWNLOAD: 3.3 %摘要: 96.7 %摘要: 96.7 %DOWNLOAD摘要Highcharts.com
    Created with Highcharts 5.0.7Chart context menu访问地区分布其他: 13.6 %其他: 13.6 %其他: 0.2 %其他: 0.2 %Aliso Viejo: 0.5 %Aliso Viejo: 0.5 %Aurora: 1.2 %Aurora: 1.2 %Bengaluru: 0.7 %Bengaluru: 0.7 %China: 0.5 %China: 0.5 %Delhi: 0.7 %Delhi: 0.7 %Ghaziabad: 0.2 %Ghaziabad: 0.2 %Haidian: 2.2 %Haidian: 2.2 %Kunming: 0.5 %Kunming: 0.5 %Mountain View: 2.4 %Mountain View: 2.4 %Russian Federation: 0.2 %Russian Federation: 0.2 %Seattle: 0.7 %Seattle: 0.7 %[]: 1.2 %[]: 1.2 %东京: 0.7 %东京: 0.7 %北京: 0.7 %北京: 0.7 %十堰: 2.2 %十堰: 2.2 %南通: 0.2 %南通: 0.2 %台州: 0.7 %台州: 0.7 %呼和浩特: 0.5 %呼和浩特: 0.5 %哥伦布: 0.2 %哥伦布: 0.2 %唐山: 0.2 %唐山: 0.2 %嘉兴: 1.7 %嘉兴: 1.7 %天津: 4.8 %天津: 4.8 %宜春: 0.2 %宜春: 0.2 %宣城: 0.5 %宣城: 0.5 %常州: 0.2 %常州: 0.2 %广州: 1.7 %广州: 1.7 %张家口: 3.9 %张家口: 3.9 %扬州: 2.4 %扬州: 2.4 %昆明: 0.5 %昆明: 0.5 %杭州: 2.7 %杭州: 2.7 %武汉: 0.2 %武汉: 0.2 %沈阳: 0.2 %沈阳: 0.2 %洛阳: 0.2 %洛阳: 0.2 %济南: 3.1 %济南: 3.1 %温州: 1.7 %温州: 1.7 %漯河: 8.7 %漯河: 8.7 %盐城: 0.2 %盐城: 0.2 %石家庄: 0.5 %石家庄: 0.5 %芒廷维尤: 15.7 %芒廷维尤: 15.7 %芝加哥: 4.6 %芝加哥: 4.6 %莫斯科: 1.2 %莫斯科: 1.2 %西宁: 10.9 %西宁: 10.9 %辽阳: 0.2 %辽阳: 0.2 %邯郸: 0.2 %邯郸: 0.2 %郑州: 0.7 %郑州: 0.7 %长沙: 1.2 %长沙: 1.2 %随州: 0.2 %随州: 0.2 %青岛: 0.7 %青岛: 0.7 %其他其他Aliso ViejoAuroraBengaluruChinaDelhiGhaziabadHaidianKunmingMountain ViewRussian FederationSeattle[]东京北京十堰南通台州呼和浩特哥伦布唐山嘉兴天津宜春宣城常州广州张家口扬州昆明杭州武汉沈阳洛阳济南温州漯河盐城石家庄芒廷维尤芝加哥莫斯科西宁辽阳邯郸郑州长沙随州青岛Highcharts.com
计量
  • 文章访问数:  753
  • PDF下载数:  146
  • 施引文献:  0
出版历程
刊出日期:  2015-12-15

目录