宋曉倩 張春梅 張學(xué)藝 李萬春

摘要：本研究提出一種應(yīng)用遙感數(shù)據(jù)與氣象學(xué)中的積溫數(shù)據(jù)，結(jié)合植被指數(shù)獲取區(qū)分不同作物最佳時相的新模型，達到減小提取賀蘭山東麓葡萄種植面積誤差的目標(biāo)。選取2016年寧夏地區(qū)時間分辨率高的MODIS 250 m數(shù)據(jù)定點提取NDVI指數(shù)，構(gòu)建不同作物的NDVI時間曲線，找出葡萄與其他作物的NDVI差值最大時相并確定為當(dāng)年最佳時相;結(jié)合氣象學(xué)中的積溫數(shù)據(jù)，構(gòu)建最佳時相判斷模型，反推其他年份的最佳時相。試驗結(jié)果表明由NDVI差值測得的最佳時相可用，即能夠獲取分類效果最好的最佳時段內(nèi)遙感圖像，為后續(xù)作物分類工作打下良好的基礎(chǔ)。

關(guān)鍵詞：遙感影像;積溫;葡萄;賀蘭山東麓;最佳時相

中圖分類號：S127 ?文獻標(biāo)識號：A ?文章編號：1001-4942（2020）02-0151-05

Abstract In this research， a new model using remote sensing data and accumulated temperature data was established combining vegetation index to obtain the optimal time phase for distinguishing each crop， in order to reduce the extracting error of grape planting area in the eastern foot of Helan Mountain. The MODIS 250 m data with high time resolution of Ningxia region in 2016 were used to extract the NDVI index and construct the NDVI time curve of different crops. The time phase with the maximum NDVI difference between grape and other crops was found and determined as the best phase of the year. Combined with the accumulative temperature， the best phase judgment model was constructed to work backward the best phase of other years. The results showed that the best phase obtained based on NDVI difference value was available， that was， the remote sensing image of the best phase segment with the best classification effect could be obtained. This study layed good foundation for the subsequent crop classification.

Keywords Remote sensing image; Accumulated temperature; Grape; The eastern foot of Helan Mountain; Optimal phase

隨著遙感技術(shù)的發(fā)展，利用其及時、準(zhǔn)確和客觀的特點開展作物種植面積遙感監(jiān)測的研究越來越多。要進行作物種植面積的提取，最關(guān)鍵的是進行作物類型識別。然而與其他地物類型的識別相比，不同作物在光譜上有更高的相似度，僅利用單一的遙感影像難以對其進行準(zhǔn)確識別[1]。但各作物類型具有獨特的物候特征，利用遙感的植被指數(shù)時間序列可以充分體現(xiàn)出不同區(qū)域、不同類型作物間物候歷的差異，而且不同時相遙感影像所提供的光譜信息與作物類型關(guān)系的顯著性有很大差別[2]。因此，選擇最佳分類時相，即確定與作物類型關(guān)系最顯著的遙感光譜信息的時相，對于精準(zhǔn)識別作物類型至關(guān)重要。最佳時相的選擇不但可以強化目標(biāo)作物信息及其與作物產(chǎn)量關(guān)系的顯著性，弱化其它因子的干擾，而且還可以降低遙感信息中的不確定性，減小信息處理和訂正的難度[3]。

我國應(yīng)用遙感技術(shù)進行最佳時相提取研究是從20世紀(jì)70年代開始的，其技術(shù)方法在不斷改進和完善。郝衛(wèi)平等[4]利用黑龍江八五二農(nóng)場的水稻、大豆和玉米全生育期內(nèi)的多時相HJ-1衛(wèi)星遙感影像，提取研究區(qū)內(nèi)的NDVI植被指數(shù)，形成NDVI-時間序列，確定黑龍江八五二農(nóng)場大豆、水稻、玉米3大作物的最佳估產(chǎn)時相。李根等[5]利用MODIS時序數(shù)據(jù)，提取水稻在不同生長發(fā)育期的EVI植被指數(shù)，并形成時間序列曲線，確定了水稻面積提取的關(guān)鍵生育期。蔡學(xué)良等[6]基于MODIS 250 m數(shù)據(jù)得到NDVI-月度時間序列的最佳提取時相，然后融合Landsat ETM+遙感數(shù)據(jù)，運用光譜耦合技術(shù)獲取了研究區(qū)的土地利用類型。陳穎姝等[7]將Landsat OLI影像與MODIS NDVI數(shù)據(jù)融合，得到提取作物種植結(jié)構(gòu)的最佳時相，提取出湖北省監(jiān)利縣洪澇季節(jié)作物種植結(jié)構(gòu)。張淮棟等[8]根據(jù)高分二號-NDVI的時間序列，確定了適用于東北地區(qū)作物遙感估產(chǎn)的最佳時相。

歸一化植被指數(shù)（NDVI）是利用遙感圖像的光譜信息計算得到的用以反映植被狀況的特征量[9-11]，是應(yīng)用遙感技術(shù)識別植被信息的常用指標(biāo)，其變化與作物生長狀況、發(fā)育時期緊密相關(guān)[12]，能夠精確反映植被綠度、光合作用強度、植被代謝強度及其季節(jié)和年際變化[13]，可用于反演作物的生物量、產(chǎn)量等[14-16]。NDVI時間序列曲線經(jīng)平滑處理后可以反映植被生長的年內(nèi)變化動態(tài)，與植被的生長規(guī)律相對應(yīng)，是反映植被物候特征的最佳指示因子，也是季節(jié)變化和人為活動影響的重要指示器[17-20]。