基于像元物候曲线匹配的生长季内河北省冬小麦空间分布识别

摘要：

及时、准确的农作物空间分布信息是进行作物长势监测、灾害评估与产量估计的基础.传统方法一般在作物收获期前后进行作物的识别,时间上滞后,难以满足农业生产的应用,时空泛化能力差,模型复用程度低.该研究以历史知识为支撑,提出冬小麦像元匹配模型(Pixel-Matched Model,PMM)进行冬小麦空间分布提取,旨在生长季内实现冬小麦空间分布的快速提取.研究结果表明,PMM能充分利用作物物候特征变化,排除冬小麦种植物候空间异质性的影响,能够在播种后2个月内实现冬小麦的准确提取,总体精度达到了95.49％,F1分数为0.83,且不随物候曲线的延伸而大幅提高精度.与传统参考曲线模型(Reference Curve Model,RCM)相比,PMM在消除区域内冬小麦生长物候差异方面具有优势,可在年际间实现冬小麦的准确识别,具有较强的时间泛化能力,能够实现冬小麦的自动化识别.

关键词：模型、物候、时间序列、时间泛化、像元相似度、先验知识、冬小麦

所属期刊栏目：36

分类号：TP79(遥感技术)

资助基金：国家重点研发计划"粮食丰产增效科技创新专项"子课题;高分辨率对地观测系统重大专项民用部分

在线出版日期：2021-03-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：193-200