中國大宗農(nóng)作物時(shí)序遙感制圖

目錄
前言
第1章 緒論 1
1.1 農(nóng)作物遙感監(jiān)測的研究意義 1
1.2 時(shí)序遙感分析技術(shù)研究進(jìn)展 1
1.2.1 長時(shí)序遙感數(shù)據(jù)帶來新契機(jī) 1
1.2.2 時(shí)序遙感分析技術(shù)方法 2
1.3 農(nóng)作物遙感監(jiān)測面臨的挑戰(zhàn) 3
1.4 本書內(nèi)容與章 節(jié)安排 4
1.5 本書的相關(guān)數(shù)據(jù)說明 7
第2章 基于連續(xù)小波變換的時(shí)序遙感數(shù)據(jù)平滑方法評估 9
2.1 研究背景 9
2.2 基于連續(xù)小波變換的時(shí)序遙感數(shù)據(jù)平滑步驟 10
2.3 平滑方法評估指標(biāo)的設(shè)計(jì) 11
2.3.1 時(shí)序曲線平滑效果方面的評估指標(biāo) 11
2.3.2 植被物候參數(shù)估計(jì)方面的評估指標(biāo) 12
2.4 研究區(qū)概況與數(shù)據(jù)來源 13
2.4.1 研究區(qū)概況 13
2.4.2 數(shù)據(jù)來源 14
2.5 基于時(shí)序曲線數(shù)據(jù)平滑效果方面的方法評估 14
2.5.1 基于視覺效果的方法評估 14
2.5.2 基于保真度和平滑度的方法性能評估 16
2.6 基于植被物候參數(shù)估計(jì)方面的應(yīng)用效果評估 17
2.7 討論與結(jié)論 22
第3章 基于自適應(yīng)時(shí)頻域的植被遙感監(jiān)測方法 23
3.1 方法概述 23
3.2 特征提取和相似度計(jì)算 24
3.2.1 連續(xù)小波變換 24
3.2.2 時(shí)間維/尺度維小波方差曲線 24
3.2.3 分離度區(qū)間選取及相似度計(jì)算 26
3.3 植被遙感分類流程 26
3.4 黑河流域植被遙感監(jiān)測 28
3.4.1 研究區(qū)概況與數(shù)據(jù)來源 28
3.4.2 地物標(biāo)準(zhǔn)小波方差曲線 28
3.4.3 植被空間分布圖 30
3.4.4 精度評價(jià) 30
3.5 結(jié)論 31
第4章 基于時(shí)序離散度的植被遙感制圖方法 32
4.1 研究背景 32
4.2 方法概述 33
4.2.1 植被指數(shù)時(shí)序曲線 33
4.2.2 時(shí)序指標(biāo)設(shè)計(jì) 34
4.2.3 植被遙感分類流程 35
4.3 研究區(qū)概況與數(shù)據(jù)來源 37
4.4 我國中東部13個(gè)省（直轄市）植被空間分布圖 38
4.5 精度評估驗(yàn)證 38
4.6 啟示與意義 42
第5章 基于小波譜頂點(diǎn)的耕地復(fù)種指數(shù)遙感監(jiān)測方法 43
5.1 研究背景 44
5.2 方法概述 45
5.2.1 小波系數(shù)譜 45
5.2.2 基于小波系數(shù)譜的特征提取 46
5.2.3 不同熟制的特征圖譜分析 49
5.2.4 耕地復(fù)種指數(shù)判別流程 49
5.3 全國耕地復(fù)種指數(shù)遙感監(jiān)測 51
5.3.1 研究區(qū)概況與數(shù)據(jù)來源 51
5.3.2 1980年以來4個(gè)年份全國耕地復(fù)種指數(shù)空間分布格局 52
5.3.3 方法精度評估 60
5.4 近40年中國耕地復(fù)種指數(shù)逐年變化態(tài)勢評估 61
5.4.1 全國耕地復(fù)種指數(shù)逐年變化態(tài)勢評估 61
5.4.2 重點(diǎn)農(nóng)業(yè)區(qū)耕地復(fù)種指數(shù)逐年變化態(tài)勢評估 63
5.5 基于時(shí)序分析方法的我國耕地復(fù)種指數(shù)演變趨勢分析 67
5.5.1 時(shí)間序列趨勢分析與突變點(diǎn)檢測方法 67
5.5.2 20世紀(jì)末全國耕地復(fù)種指數(shù)演變趨勢分析 68
5.5.3 21世紀(jì)初全國耕地復(fù)種指數(shù)演變趨勢分析 70
5.5.4 21世紀(jì)初全國耕地復(fù)種指數(shù)變化模式分析 72
5.6 全國耕地復(fù)種指數(shù)演變驅(qū)動機(jī)制分析 74
5.7 全國MODIS時(shí)序影像數(shù)據(jù)云覆蓋情況評估 77
5.8 結(jié)論 80
第6章 基于極差比指數(shù)的水稻制圖方法 82
6.1 研究背景 82
6.2 方法思路與指標(biāo)設(shè)計(jì) 83
6.3 CCVS水稻制圖方法 86
6.3.1 雙季稻指標(biāo)的改進(jìn) 86
6.3.2 水稻判別規(guī)則 87
6.421 世紀(jì)初我國東南九省一市水稻遙感制圖 87
6.4.1 研究區(qū)概況與數(shù)據(jù)來源 87
6.4.2 2001～2013年水稻空間分布圖 88
6.4.3 CCVS水稻制圖方法精度評估與驗(yàn)證 90
6.5 21世紀(jì)初我國東南九省一市水稻分布格局時(shí)空演變分析 91
6.5.1 2001～2013年我國東南九省一市水稻種植面積變化特征 91
6.5.2 不同海拔區(qū)間水稻縮減面積變化特征 93
6.5.3 水稻空間分布重心演變軌跡分析 93
6.5.4 水稻縮減或擴(kuò)展變化模式分析 94
6.6 水稻種植密度與種植強(qiáng)度的演變分析 95
6.6.1 逐年水稻種植密度與累計(jì)種植密度的計(jì)算 95
6.6.2 水稻種植密度的演變分析 96
6.6.3 水稻種植強(qiáng)度的演變分析 98
6.6.4 不同海拔區(qū)間水稻種植密度與種植強(qiáng)度演變規(guī)律 98
6.7 結(jié)論 100
第7章 基于數(shù)據(jù)可獲得性的自適應(yīng)水稻制圖方法 101
7.1 研究背景 101
7.2 研究區(qū)概況及數(shù)據(jù)來源 102
7.2.1 研究區(qū)概況 102
7.2.2 數(shù)據(jù)來源與數(shù)據(jù)預(yù)處理 103
7.3 ARMM方法 104
7.3.1 CCVS水稻制圖方法適用性和不確定性評估 105
7.3.2 自適應(yīng)影像特征選取 106
7.3.3 分區(qū)策略和遙感影像對象特征提取 107
7.3.4 水稻分類流程 108
7.3.5 方法精度評估 109
7.4 結(jié)果分析 110
7.4.1 依據(jù)數(shù)據(jù)可獲得性進(jìn)行分區(qū) 110
7.4.2 遙感影像特征提取 110
7.4.3 水稻空間分布圖 111
7.4.4 方法精度評估結(jié)果 112
7.5 討論與結(jié)論 115
7.5.1 ARMM方法的意義和啟示 115
7.5.2 時(shí)序遙感分類方法面臨的挑戰(zhàn)與應(yīng)對策略 116
第8章 基于生長期植被指數(shù)變化量的冬小麥制圖方法 117
8.1 常用冬小麥遙感監(jiān)測方法 117
8.1.1 相似性度量法 117
8.1.2 冬季生長峰判別法 118
8.2 農(nóng)作物植被指數(shù)時(shí)序曲線分析 118
8.2.1 冬小麥類內(nèi)異質(zhì)性分析 118
8.2.2 冬小麥與其他植被的相似性和差異性分析 119
8.3 冬小麥制圖技術(shù)流程 120
8.3.1 冬小麥關(guān)鍵物候期趨勢面模型 120
8.3.2 生長期植被指數(shù)變化量指標(biāo) 122
8.3.3 冬小麥判別標(biāo)準(zhǔn) 123
8.4 研究區(qū)概況與數(shù)據(jù)來源 124
8.4.1 研究區(qū)概況 124
8.4.2 數(shù)據(jù)來源 125
8.5 2012～2013年華北十?。ㄖ陛犑校┒←溈臻g分布圖 127
8.6 方法精度評估驗(yàn)證 128
8.6.1 基于統(tǒng)計(jì)數(shù)據(jù)的精度驗(yàn)證 128
8.6.2 基于農(nóng)作物調(diào)研點(diǎn)位的精度驗(yàn)證 129
8.6.3 基于Landsat影像解譯結(jié)果的精度驗(yàn)證 130
8.6.4 與其他方法對比評估 130
8.7 冬小麥制圖方法的跨年代推廣應(yīng)用 131
8.7.1 2001年以來華北十?。ㄖ陛犑校┒←溸b感制圖 131
8.7.2 方法精度評估驗(yàn)證 132
8.8 結(jié)論 135
第9章 基于生長盛期NMDI增減比值指數(shù)的玉米制圖方法 136
9.1 研究背景 136
9.2 研究區(qū)概況與數(shù)據(jù)來源 137
9.2.1 研究區(qū)概況 137
9.2.2 數(shù)據(jù)來源 137
9.3 玉米制圖方法 139
9.3.1 農(nóng)作物生長盛期NMDI時(shí)序曲線變化特征 139
9.3.2 生長盛期NMDI增減比值指數(shù) 141
9.3.3 玉米判別標(biāo)準(zhǔn) 142
9.4 全國玉米空間分布圖 142
9.5 方法精度評價(jià) 145
9.5.1 基于農(nóng)業(yè)統(tǒng)計(jì)年鑒數(shù)據(jù)的精度評估 145
9.5.2 基于農(nóng)作物分布調(diào)研點(diǎn)位數(shù)據(jù)的精度驗(yàn)證 146
9.5.3 基于Landsat影像解譯結(jié)果的精度驗(yàn)證 147
9.6 2005～2015年全國玉米種植面積擴(kuò)展態(tài)勢分析 149
9.6.1 2005～2015年全國玉米種植面積劇增 149
9.6.2 2005～2015年全國玉米擴(kuò)張導(dǎo)致農(nóng)業(yè)結(jié)構(gòu)失衡 150
9.7 2015～2018年全國玉米空間分布格局演變分析 152
9.7.1 全國玉米分布呈現(xiàn)東減西增、總體縮減態(tài)勢 152
9.7.2 東部改種其他旱作農(nóng)作物縮減玉米面積而中西部提高復(fù)種實(shí)現(xiàn)玉米擴(kuò)展 153
9.7.3 “鐮刀彎”政策效果評估 156
9.8 結(jié)論 158
第10章 基于哨兵2號色素指數(shù)的大尺度花生自動制圖 160
10.1 研究背景 160
10.2 研究區(qū)概況與數(shù)據(jù)來源 161
10.2.1 研究區(qū)概況 161
10.2.2 數(shù)據(jù)來源 162
10.3 花生制圖方法 165
10.3.1 光譜指數(shù)計(jì)算 165
10.3.2 基于色素指數(shù)的花生制圖算法 167
10.3.3 閾值敏感性分析 169
10.3.4 精度評估 169
10.4 東北地區(qū)20m花生空間分布圖 171
10.5 方法精度評價(jià) 173
10.5.1 基于農(nóng)業(yè)統(tǒng)計(jì)年鑒數(shù)據(jù)的精度評估 173
10.5.2 基于農(nóng)作物分布調(diào)研點(diǎn)位數(shù)據(jù)的精度驗(yàn)證 174
10.5.3 指標(biāo)有效性與閾值敏感性評估 175
10.6 討論與結(jié)論 177
第11章 棄耕開墾與復(fù)種變化信息提取方法 181
11.1 研究背景 181
11.2 研究區(qū)概況與數(shù)據(jù)來源 182
11.2.1 研究區(qū)概況 182
11.2.2 數(shù)據(jù)來源 183
11.3 研究方法 184
11.3.1 數(shù)據(jù)預(yù)處理 184
11.3.2 時(shí)序指標(biāo)設(shè)計(jì) 184
11.3.3 植被變化檢測算法 186
11.3.4 算法精度驗(yàn)證 191
11.4 結(jié)果分析 192
11.4.1 研究區(qū)時(shí)序指標(biāo)與植被變化分布圖 192
11.4.2 方法精度評價(jià) 194
11.4.3 研究區(qū)植被類型變化分析 194
11.5 討論與結(jié)論 201
11.5.1 AMMC算法的意義 201
11.5.2 AMMC算法的不確定性分析 202
11.5.3 中國中東部地區(qū)植樹造林、耕地開墾和復(fù)種變化 204
第12章 研究總結(jié)與展望 206
12.1 引言 206
12.2 創(chuàng)新農(nóng)作物種植制度遙感制圖研究框架 207
12.2.1 常規(guī)研究框架 207
12.2.2 新型研究框架 208
12.3 拓展農(nóng)作物遙感監(jiān)測的數(shù)據(jù)基礎(chǔ) 210
12.3.1 融合多源數(shù)據(jù) 210
12.3.2 拓展農(nóng)作物時(shí)序遙感特征參數(shù) 211
12.4 集成領(lǐng)域知識與深度學(xué)習(xí)方法優(yōu)勢 214
12.5 發(fā)展時(shí)序遙感變化檢測技術(shù) 216
參考文獻(xiàn) 219
附表 241
附圖 251