魏瑞琪 李林峰 仙巍 邵懷勇 汪盾

摘要：以新疆石河子市2014年的MOD13Q1為數據源，利用遙感技術處理獲得NDVI時間序列數據集，運用TIMESAT軟件集成的擬合方法[非對稱高斯函數（A-G）擬合、雙Logistic曲線（D-L）擬合和Savitzky-Golay（S-G）濾波法]對石河子市棉花像元的時間序列數據集進行棉花生長曲線擬合對比，最終選取效果較理想的D-L濾波法對石河子市NDVI時間序列集處理，獲取石河子棉花生長曲線，分析棉花生長曲線的特點，提取棉花生長的NDVI閾值，進而提取石河子市的棉花種植區(qū)域。結果表明，利用TIMESAT軟件和時間序列衛(wèi)星資料提取棉花種植區(qū)域效果好、精度高。MODIS數據分辨率適中，成像面積大，利用時間序列衛(wèi)星資料獲取生長曲線進行棉花信息提取，對大范圍的棉花種植監(jiān)測和農業(yè)經濟指導具有重要意義。

關鍵詞：遙感；TIMESAT；時間序列；NDVI；生長曲線

中圖分類號：P23 文獻標識碼：A 文章編號：0439-8114（2018）04-0105-08

DOI：10.14088/j.cnki.issn0439-8114.2018.04.028

Extracting Cotton Cultivation Regions of Xinjiang Shihezi Utilizing the TIMESAT and Satellite Time-Series Images

WEI Rui-qi1，LI Lin-feng1，XIAN Wei2，SHAO Huai-yong1，WANG Dun1

（1.Key Lab of Information Technology & Application of Land and Resources，Chengdu University of Technology，Chengdu 610059，China；

2.College of Resources and Environment，Chengdu University of Information Technology，Chengdu 610225，China）

Abstract： Applying remote sensing techniques，this paper chose MOD13Q1 in 2014 covering Shihezi City，Xinjiang Uygur Autonomous Region，and uses TIMESAT as well as satellite time-series data to discuss the abstract of vegetations area based on its growth curve. To select the ideal D-L filtering method on dealing with Shihezi NDVI time-series set，to obtains the growth curve of Shihezi cotton and then to analyzes the characteristics of cotton growth curve，to extract NDVI thresholds in the growth of cotton，further to extract the cotton cultivation regions in Shihezi we downloaded & processed MODIS data to obtain NDVI time-series data， adopted TIMESAT integration method[asymmetric Gaussian function（A-G） fitting， double logistic curve （D-L） fitting and Savitzky-Golay（S-G） filtering] on fitting and comparison between Shihezi cotton pixel time-series data and the cotton growth curve. As the results show，utilizing the TIMESAT and satellite time-series data is the most effective and accurate method to extract cotton cultivation regions. MODIS has a medium data resolution with large imaging area，which obtains the growth curve of cotton to be used for the extraction of cotton information utilizing satellite time-series data，is significant on supervising cotton cultivation on a big scale along with directing agricultural economy.

Key words： remote sensing； TIMESAT； time-series； NDVI； growth curve

中國農作物種植區(qū)域數據主要是通過各級統(tǒng)計部門逐級上報進行匯總，人為因素干擾大。建立符合中國國情的農業(yè)空間統(tǒng)計調查體系，是中國農業(yè)作物監(jiān)測與統(tǒng)計待解決的問題[1]。及時獲取大區(qū)域、大尺度農作物空間分布信息也是農情遙感監(jiān)測的核心問題之一[2]。農作物的生長狀況與產量，同樣是中國各級管理部門一直非常關注的問題。提取農作物種植區(qū)域是遙感估產的基礎工作之一，對農作物種植區(qū)域及產量動態(tài)變化的監(jiān)測是農業(yè)生產領域永恒探索和研究的課題。遙感地理信息系統(tǒng)關鍵技術——遙感圖像分類，是大面積農作物遙感估產的重要技術研究課題，在農作物種植區(qū)域估測中占有非常重要的地位。農作物種植面積的遙感估產也是作物產量預估的基礎和主要思路，快速、高精度的遙感圖像分類技術是實現作物生長狀態(tài)動態(tài)監(jiān)測及評估的關鍵。實現棉花種植區(qū)域的提取，需要采用科學的高精度算法以提高種植區(qū)域提取的準確度。種植區(qū)域提取和遙感估產的精度與數據源和分類方法有著直接的關系。同物異譜、異物同譜、混合像元等現象影響遙感影像分類方法的發(fā)展。因類別、品種復雜多樣以及耕作制度的差異，農作物與自然植被相比，更具有強烈的季節(jié)性，明顯的地域性和年際變化的特性。因此，利用農作物的生長特性對其進行種植區(qū)域提取將成為一種科學有效的方法，比僅靠傳統(tǒng)與手工作業(yè)方法，逐級上報，時間長、精度低，難以快速獲取精確數據更優(yōu)，滿足農業(yè)宏觀經濟計劃的需要。中低分辨率遙感影像時間分辨率高，成像面積大，成本較低，不受地理條件的限制，適于大范圍作物種植區(qū)域的遙感提取[3]。傳統(tǒng)的產量調查以手工作業(yè)為主，耗費大量的人力財力僅得到離散的產量數據。中等分辨率衛(wèi)星影像已廣泛用于植被類型識別、植被制圖等研究，MODIS遙感數據是區(qū)域和全球植被研究的重要數據[4，5]。遙感數據以其實時連續(xù)大規(guī)模動態(tài)監(jiān)測的優(yōu)勢，可廣泛應用于大規(guī)模作物區(qū)域研究與估產中。

棉花是中國的重要經濟作物之一，棉花喜溫、喜光，需要的光照度比一般作物都高，新疆作為中國最大的產棉區(qū)和商品棉基地，棉產量占全國的30%，占全球的8%。新疆棉花產業(yè)的發(fā)展對于新疆的農業(yè)、經濟發(fā)展具有十分重要的戰(zhàn)略地位。對棉花進行及時的高精度估產，可以為各級管理部門制定相關農業(yè)經濟發(fā)展政策提供重要的參考依據。

石河子市屬于新疆北部地區(qū)，石河子墾區(qū)位于天山北麓中段部分，準噶爾盆地南緣。該地區(qū)水資源極為豐富，每年河流灌溉年度總徑流量為25.06億m3，光熱、水土等自然資源極為豐富。石河子市作為新疆典型棉花種植縣，當地因具有適合棉花種植的各種自然條件，因此當地農戶將棉花是作為重要的經濟來源。隨著農作物的不斷生長，NDVI逐步增大，同時在一定生育期達到最大值后又開始下降。對于集中種植棉花的地區(qū)，棉花面積的監(jiān)測很重要，因此基于生長曲線的棉花遙感提取方法使大范圍的棉花面積監(jiān)測成為可能，同時對農民的棉花種植和農業(yè)部門的決策具有重大而深遠的意義?，F有的研究基于植被生長曲線下的大范圍下作物空間分布種植信息提取，業(yè)務化運營研究成果甚少，鮮有將其與擬合方法結合應用在實際的作物監(jiān)測中。

本研究結合NDVI時間序列衛(wèi)星影像與TIMESAT下的作物生長曲線擬合，以新疆石河子市為例進行研究，利用2014年新疆石河子市的MOD13Q1（MODIS陸地植被指數數據）數據為數據源，構造時間序列資料，利用TIMESAT軟件提取棉花種植區(qū)域。利用MODIS大范圍監(jiān)測的優(yōu)勢，提取MODIS13Q1陸地標準產品中的NDVI數據。將新疆石河子市的棉花生長周期內的NDVI資料進行時間序列構建，以此獲得季節(jié)性植被發(fā)展的信息。將時間序列數據進行轉換，導出ASCII文件。利用TIMESAT進行曲線擬合，提取隨生長期變化的NDVI生長曲線，擬合后的NDVI曲線較準確地反映了不同生長期棉花作物的NDVI變化信息。通過對其進行分析提取，將信息整合后，進行棉花NDVI閾值選取。利用閾值分類提取棉花像元NDVI時間序列值，從而進行棉花信息的提取，確定新疆石河子市的棉花種植區(qū)域。

1 試驗數據

本研究數據源選擇EOS/Terra衛(wèi)星的MODIS產品之一MOD13Q1（全稱為MODIS/Terra Vegetation Indices 16-Day L3 Global 250 m SIN Grid，簡稱：MOD13Q1）的NDVI數據，包括基于MVC方法16 d合成的250 m分辨率已經經過幾何校正和大氣校正的NDVI及其質量控制數據。選取石河子市2014年65～305 d的數據，覆蓋棉花的整個生長周期，每16 d一幅圖像，共16幅數據圖像。

本研究利用的MOD13—陸地2級標準數據產品MOD13Q1，內容為柵格的歸一化植被指數和增強型植被指數（NDVI/EVI），采用正弦曲線投影方式[6-8]。MODIS植被指數算法是基于像元進行運算，為了得到最佳的觀測數據，以便保證植被指數值的時空一致性，采用16 d的多次觀測產生一個合成的植被指數數據。基于傳感器軌道的重疊，故1 d內可以多次觀測，16 d最多可進行64次觀測，但由于云的存在以及傳感器的空間覆蓋范圍限制，在赤道附近一般只有較少的觀測次數。MODIS植被指數算法用一個基于質量、云和觀測幾何濾波器對16 d數據進行濾波處理，將其中高質量、無云覆蓋的濾波數據用來進行數據合成，能夠用來進行合成的像元數量卻是很少，一般少于10，更多情況甚至少于5。這就導致了合成的數據中會混入很多受影響的像元，因此，在利用MODIS數據前，必須對原始數據進行預處理。

2 研究方法

運用ENVI 5.1和ArcGIS 9.3軟件對遙感數據進行處理分析，以及根據作物生長特點和不同的研究內容，利用TIMESAT軟件，提取不同的物候信息，可以滿足多種物候分析需求。

TIMESAT方案主要用于衛(wèi)星數據的時間序列分析，并采用非對稱高斯函數擬合，雙Logistic曲線擬合和Savitzky-Golay濾波法實現模型功能。擬合模型函數的季節(jié)性參數提取植被信息。一個像素的參數可以合并到一個地圖上的區(qū)域或全球尺度顯示季節(jié)性。TIMESAT用來分析時間序列遙感數據、處理不同類型傳感器的時間序列數據。它可以處理有噪聲的時間序列數據，并從數據中提取出季節(jié)性信息（生長季節(jié)的起始點）還可得到植被動態(tài)性能的信息（植被物候學及植被當時的發(fā)展狀況的信息）等。除主要處理來自衛(wèi)星的光譜測量過程的時間序列植被指數外，其他類型的數據，如氣象指數、火災數據和渦動協(xié)方差的碳通量數據也可以被加工處理。

對于基于TIMESAT的NDVI時間序列重建，先對預處理的裁剪的圖進行規(guī)律編號。TIMESAT軟件只能處理3個周期以上的時間序列圖，鑒于本研究采用的數據只有一個周期，因此對12期圖復制兩次，分別作為第二周期和第三周期的數據，然后建立包括了所處理的時間序列的數據圖幅數量和各個圖幅的絕對路徑文件，從而建立NDVI時間序列數據。

2.1 非對稱高斯函數（AG）擬合

一個組合代表一次植被的生長周期，通過平滑連接擬合成曲線進行時間序列重建，是一個從局部擬合到整體擬合的方法。該方法對植被生長過程用分段高斯函數模擬，然后通過對各高斯擬合曲線進行平滑連接實現時間序列重建[9-11]，分為3個步驟：

1）區(qū)間提取。用平滑濾波窗口獲得NDVI時序數據的峰值和谷值。

2）局部擬合。為了擬合函數很好地描述NDVI時間序列數據的上包絡曲線，對于峰值和谷值的數據進行兩次局部擬合，擬合公式如下所示：

F（t）=f（t；c1，c2，a1，…，a5）=c1+c2g（t；a1，…，a5）

3）整體連接。利用各部擬合函數構建完整擬合函數，描述整個NDVI生長曲線，擬合公式如下所示：

F（t）=α（t）fL（t）+（1-α（t））fC（t）……tL

式中，[tL，tR]區(qū)間是整個NDVI變化區(qū)間，fL（t）、fC（t）、fR（t）分別代表[tL，tR]區(qū)間左邊波谷值、中間波峰值以及右邊波谷值所對應的局部函數，α（t）、 β（t）是位于[0，1]之間的剪切系數[12]。

2.2 Savitzky-Golay（S-G）濾波法

以最小二乘卷積擬合方法來平滑和計算一組相鄰值的函數，該方法的公式如下所示：

Y=■

式中，Y為合成序列數據，Yj+1代表NDVI原始序列數據，Ci為濾波系數[13]，N為滑動窗口所包括的數據點（2m+1）[14]。

2.3 雙Logistic曲線（D-L）擬合

該擬合與非對稱高斯函數擬合法類似，也是一種半局部擬合方法[15]。首先取得時間序列值中的按峰值和谷值分成多個區(qū)間，分別對區(qū)間進行局部擬合，其方法與AG方法類似[16]，公式如下所示：

g（t，a1，…a4）=■-■

式中，參數a1、a2、a3、a4控制曲線左、右半部分的寬帶和陡峭度。進而用完整擬合函數的特征加以綜合，重建新的NDVI時間序列曲線。

3 結果與分析

3.1 棉花生長曲線提取

依據棉花物候，選取影像時段為3-11月。影像下載后利用MRT（MODIS Reproduction Tool）進行重投影等預處理。為了明確研究區(qū)范圍，便于后面棉花信息提取工作，先對影像進行圖像裁剪，利用研究區(qū)的1∶400萬邊界矢量文件進行裁剪，得到研究區(qū)范圍的影像見圖1，在TIMESAT軟件中展示為圖2（圖1、圖2均為2014年第225天的數據）。

NDVI標準范圍為-1.0～1.0，MOD13Q1 NDVI產品是-3 000～10 000的DN值，-3 000為填充值，從DN值轉化成NDVI值的關系式為NDVInormal=0.000 1×DN；在TIMESAT中，只能處理byte類型的數據，因此對數據進行拉伸：NDVI=（NDVI+1）×125。

3.2 建立NDVI時間序列數據集

在遙感應用領域，植被指數已成為評價植被覆蓋及其生長活力的一個重要指標。植被光譜是植被、土壤亮度、環(huán)境影響的綜合反映，且受大氣變化影響，因此植被指數是一個動態(tài)的值。NDVI是用來描述地表植被特征的一個重要指標，通過分析其時間曲線的變化可以準確、有效地了解植被覆蓋率、水資源以及地表生物的時空變化規(guī)律，充分反映出植物的背景信息。所謂的植被指數時間序列形象的形容就是每張影像反映了一個時期的植被指數，即一組不同時間的植被指數影像，如果用y代表時間序列中t時的植被指數值，通過提取植被指數圖像中（j，k）處的像元值，可形成一個連續(xù)的時間序列（ji，ki），i=1，2，…，N。單獨提取NDVI單波段，通過ENVI將MODIS-NDVI影像進行波段疊加重組，形成包含16個波段的NDVI時間影像，使合成的16個波段所對應的一年生長周期內的時間區(qū)間。

3.3 時間序列數據濾波擬合

3.3.1 選取訓練區(qū)樣點數據 通過前期處理后得到的MODIS-NDVI波段在軟件的支撐下合成一幅具有多波段、多光譜信息的遙感圖像。由于不同的光譜特性在NDVI序列里顯示為不同的數值，故每個像元都擁有一條隨時間變化的曲線。試驗區(qū)采用了一年內的16幅MODIS影像，因此在NDVI曲線上可表現一年間地面所有類型的覆蓋物隨時間的變化趨勢。每個時間點為每個合成的波段值，在MATLAB基礎平臺支持下的TIMESAT軟件，可以讀取出研究區(qū)域內棉花生長期間的NDVI時間序列影像圖。

石河子市土地利用主要是耕地和沙漠。棉花種植非常集中，并且占有全市大部分的耕地面積，通過高分辨率的衛(wèi)星影像可以直觀目視解譯出棉花種植的耕地。耕地上雖然也有一些其他作物種植，但種植面積不大，生長周期與棉花也不同，對棉花種植區(qū)域的提取影響不大。沙漠占有很大部分，必須將沙漠與耕地區(qū)分。利用Google Earth圖（圖3）根據經緯坐標選取了棉花種植區(qū)域與沙漠區(qū)域的訓練區(qū)MODIS-NDVI樣點像元，其對映時間序列的NDVI值如表1所示。

3.3.2 生長曲線區(qū)別分析 將樣點數據導成ASCII數據后在TIMESAT中得到棉花、沙漠及其他經濟作物的時間序列生長曲線。因樣點數據可能受到區(qū)域概況或大氣影響產生誤差，故利用TIMESAT軟件的優(yōu)勢（處理有時間序列噪聲數據、提取季節(jié)性信息、得到植被動態(tài)性能的信息等），對樣點曲線進行非對稱高斯函數（AG）擬合，雙Logistic曲線（D-L）擬合和Savitzky-Golay（S-G）濾波處理（圖4）。

棉花的生長曲線呈幾字形，生長起點位于140左右，波峰在230左右，在第六、第七權重點之前的NDVI上升較快，第十個權重點后的值下降較快。沙漠的值集中在120～160，振幅不大，峰值出現在第三、第四個權重點上，158左右。沙漠與棉花容易區(qū)分，其他作物主要為小麥，生長起點在120左右，因3、4月小麥返青在第三至第六權重點出現峰值為210左右，在6月左右NDVI驟降到150左右，與棉花的生長曲線差別大，可明顯區(qū)分。利用棉花的NDVI生長曲線可以區(qū)別開石河子市內的其他地物，準確地提取棉花像元。

3.3.3 棉花生長曲線擬合 通過對圖5擬合圖像對比分析，3種方法擬合效果均較好，但在利用生長曲線提取時，由于不同植被具有其特殊性而導致擬合效果不同，對3種擬合結果進行數據統(tǒng)計分析如圖5，偏差統(tǒng)計如圖6。

非對稱高斯函數（AG）擬合，雙Logistic曲線（D-L）擬合和Savitzky-Golay（S-G）濾波法3種擬合方法對地物的曲線擬合效果不同。3種方法擬合棉花生長曲線貼切，其中AG與D-L方法較于S-G擬合效果更為理想。且在差值和相同的情況下，D-L方法的差值平方和及標準差均小于AG，所以其對原始值的擬合偏差小、更精確，是擬合棉花生長曲線較為理想的擬合方法。選擇D-L擬合法獲取生長曲線對石河子市的棉花生長曲線擬合，結果見圖7，并將擬合值與棉花實際生長發(fā)育時間比對，結果見圖8。

如圖8所示，擬合后的生長曲線所示生長變化情況與石河子市實際的生長周期一致，因第120天左右播種，生長開始于第5期，經過出苗后，棉花迅速生長，在第8期逐漸穩(wěn)定，在第九期達到峰值，于250左右裂鈴、吐絮，NDVI逐步降低，在第25期左右停止生長。結合石河子市實際的棉花生長周期，該擬合結果真實有效。

4 棉花種植信息提取

4.1 棉花閾值選取

石河子市棉花生長曲線有一個波峰，呈幾字形，棉花生長出現在3月中旬，天氣開始緩慢轉暖。在4～5月，氣溫回升，冰雪迅速融化，帶來了豐沛的雨水，棉花迅猛的生長，擬合曲線快速上升。在6-7月，基本進入夏天，棉花經過前期的生長，這個時候達到最茂盛的時期，擬合曲線出現持續(xù)的峰值。進入8月，棉花開始結果，枝葉生長結束，并且葉子開始老化，葉片葉綠素逐漸變少，生長曲線曲線值迅速下降。整條棉花生長曲線，最茂盛時期同生長初期的NDVI相差很大，接近80。棉花一般在苗期后期到花鈴期保持花葉子茂盛的狀態(tài)，此時棉花生長曲線值較高。生長曲線峰值持續(xù)時間跨越了4幅圖，說明棉花的茂盛時期持續(xù)時間為2個月。

第9期處在峰值區(qū)域，第2期處在峰谷區(qū)域，差值為90，處于繁盛期的7～9期圖的NDVI差不超過4，處于波峰的第9期和處于棉花衰敗的14期相差67，棉花在2～7期過程中NDVI持續(xù)上漲，但棉花NDVI最低值大于135，最高值大于210。綜合考慮樣點區(qū)域圖而得到的擬合曲線特征以及可能出現棉花特殊區(qū)域和沙漠特征情況。

確定閾值如下：T9-T4>70；T8-T7>0；T7-T6>0；T6-T5>0；T5-T4>0；|T9-T11|<10；T3>135；T7>210（其中T1為時間序列第一幅圖，范圍為0～250）。

4.2 石河子市棉花種植分布及精度分析

利用閾值，用ENVI進行棉花種植區(qū)域的提取，并ArcGIS作圖，得到棉花種植分布（圖9）。利用7月13日棉花生長旺盛期的Landsat4-5 TM影像，對相同區(qū)域進行最大似然法監(jiān)督分類提取棉花種植區(qū)域，效果如圖10所示，并對兩者的提取效果結合2014年石河子市統(tǒng)計信息網公布的實際數據進行對比分析，結果如表2所示。

如圖9與圖10所示，利用TIMESAT軟件和時間序列衛(wèi)星資料提取出的石河子市棉花主要分布在北半面，石河子城鎮(zhèn)以外，南面幾乎沒有棉花種植。與石河子市自然概況北面地勢平坦，水源充沛，日照時長長，南面為沙漠吻合。利用監(jiān)督分類提取出的石河子市棉花分布概況與通過時間序列NDVI數據提取的效果大體一致。

如表2所示，利用TIMESAT軟件和時間序列衛(wèi)星資料提取出的棉花種植區(qū)域，統(tǒng)計棉花像元共2 135個，占地約1 770.13 km2，折合總產棉花44.07萬t。監(jiān)督分類下提取的棉花像元換算占地約1 458.40 km2。據石河子統(tǒng)計信息網實際公布數據，2014年棉花播種面積1 623.33 km2，總產棉花40.42萬t，則利用TIMESAT軟件在NDVI時間序列下的種植分布提取精度達到90.0%，監(jiān)督分類精度在89.8%，兩者提取的效果大體一致。

與Google Earth的實物比對，雖二者都未達到完全重合，但提取出的種植區(qū)域信息清晰準確。兩種方法提取出的棉花種植區(qū)域，NDVI時間序列下提取的種植區(qū)域較聚攏，監(jiān)督分類后的種植面積相對離散。分辨率更高的監(jiān)督分類提取的棉花種植區(qū)域與真實區(qū)域匹配效果更好。利用TIMASAT軟件與時間序列衛(wèi)星資料提取棉花種植區(qū)域總面積比監(jiān)督分類的精度高、效果好。

5 結論

基于現有的農作物種植區(qū)域數據獲取繁瑣，利用MODIS分辨率適中，成像面積大，成本低的優(yōu)勢，進行農業(yè)空間統(tǒng)計調查。利用MODIS-NDVI數據準確反映農作物生長變化情況，可直觀區(qū)分開棉花與其他地物。利用TIMESAT集成的擬合方法（A-G擬合、D-L擬合和S-G濾波法），通過比較分析，選取擬合效果最理想的D-L擬合法完成對棉花的生長曲線擬合。通過比對棉花實際生長期，擬合效果真實有效。對其分析后提取棉花生長NDVI閾值，將棉花與其他地物通過ENVI軟件分類，并利用ArcGIS作圖，得到棉花種植區(qū)域。

研究表明，①通過TIMESAT軟件和時間序列衛(wèi)星資料對棉花的生長曲線擬合效果好，利用擬合后的生長曲線對棉花的提取，在大面積的區(qū)域上對棉花進行監(jiān)測，具有很強的時效性和利用價值。②針對新疆石河子棉花的生長曲線擬合，D-L擬合效果最理想。擬合后的生長曲線與棉花實際生長周期完全擬合。③通過對棉花生長曲線的分析，選取棉花閾值，以此提取棉花種植區(qū)域，結果可靠。

本研究利用遙感廣闊的視野空間，結合植被的NDVI生長曲線得到了針對研究區(qū)域的擬合提取辦法，為當地發(fā)展提供了農業(yè)宏觀經濟計劃的參考，但因NDVI閾值主要依靠人工判斷而沒有固定的可用模型，提取精度也會相應受人工經驗影響，這些問題還有待在進一步研究中不斷完善與改進。在精度分析過程中發(fā)現TM影像下的監(jiān)督分類精度也具有一定優(yōu)勢。相信，若將其與NDVI時間序列相結合，配合使用，利用二者的優(yōu)勢達到提取棉花種植面積的效果將更好[17，18]。

參考文獻：

[1] 宋春橋，游松財，柯靈紅，等.藏北地區(qū)三種時序NDVI重建方法與應用分析[J].地球信息科學報，2011，13（1）：133-143.

[2] 曹衛(wèi)彬，楊邦杰，宋金鵬.基于Landsat TM圖像棉花面積提取中現狀地物的扣除方法研究[J].農業(yè)工程學報，2004，20（2）：164-167.

[3] 黃 青，王利民，滕 飛.利用MODIS_NDVI數據提取新疆棉花播種面積信息及長勢監(jiān)測方法研究[J].干旱地區(qū)農業(yè)研究，2011， 29（2）：213-217.

[4] 于文穎，馮 銳，紀瑞鵬，等.基于MODIS數據的水稻種植面積提取研究進展[J].氣象與環(huán)境學報，2011，27（2）：56-61.

[5] 張明偉，周清波，陳仲新，等.基于MODIS時序數據分析的作物識別方法[J].中國農業(yè)資源區(qū)劃，2008，29（1）：31-35.

[6] 曹云峰，王正興，鄧芳萍.3種濾波算法對NDVI高質量數據保真性研究[J].遙感科學與應用，2010，25（1）：118-125.

[7] 黃 青，鄒金秋，鄧 輝，等.基于MODIS-NDVI的安徽省2009年冬小麥及一季稻面積遙感提取及長勢監(jiān)測[J].安徽農業(yè)科學，2010，38（29）：16527-16529.

[8] 吳文斌，楊 鵬，唐華俊，等.兩種NDVI時間序列數據擬合方法比較[J].農業(yè)工程學報，2009，25（11）：183-188.

[9] 趙英時.遙感應用分析原理與方法[M].北京：科學出版社，2003.

[10] 黃敬峰，王秀珍.新疆棉花物候與氣象條件研究[J].干旱區(qū)資源與環(huán)境，1999，13（2）：90-95.

[11] J？魻NSSON P，EKLUNDH L.TIMESAT—a program for analyzing time-series of satellite sensor data[J].Computers & Geosciences，2004，30（8）：833-845.

[12] 顧 娟，李 新，黃春林.NDVI時間序列數據集重建方法述評[J].遙感科學與技術，2006，21（4）：391-395.

[13] 宋春橋，柯靈紅，游松財，等.基于TIMESAT的3種NDVI擬合方法比較研究——以藏北草為例[J].遙感技術與應用，2011， 26（2）：147-149.

[14] 劉玫岑.基于遙感和GIS的棉花面積提取和產量估測研究[D].烏魯木齊：新疆農業(yè)大學，2006.

[15] BECK P S A，ALZBERGER C，HOGDA K A，et al. Improved monitoring of vegetation dynamics at very high latitudes：A new method using MODIS NDVI[J].Remote Sensing of Environment，2006，100（3）：321-334.

[16] 郝鵬宇，牛 錚，王 力，等.基于時序MODIS EVI匹配的棉花信息提取——以新疆博樂市為例[J].遙感技術與應用，2013， 28（2）：309-314.

[17] 王 玉.基于時序光譜庫的棉花種植面積信息提取研究[D].北京：中國地質大學，2013.

[18] 王 芳.基于植被指數和氣溫因子的棉花估產研究[D].烏魯木齊：新疆大學，2008.