中国大宗农作物时序遥感制图

目录
前言
第1章 绪论 1
1.1 农作物遥感监测的研究意义 1
1.2 时序遥感分析技术研究进展 1
1.2.1 长时序遥感数据带来新契机 1
1.2.2 时序遥感分析技术方法 2
1.3 农作物遥感监测面临的挑战 3
1.4 本书内容与章 节安排 4
1.5 本书的相关数据说明 7
第2章 基于连续小波变换的时序遥感数据平滑方法评估 9
2.1 研究背景 9
2.2 基于连续小波变换的时序遥感数据平滑步骤 10
2.3 平滑方法评估指标的设计 11
2.3.1 时序曲线平滑效果方面的评估指标 11
2.3.2 植被物候参数估计方面的评估指标 12
2.4 研究区概况与数据来源 13
2.4.1 研究区概况 13
2.4.2 数据来源 14
2.5 基于时序曲线数据平滑效果方面的方法评估 14
2.5.1 基于视觉效果的方法评估 14
2.5.2 基于保真度和平滑度的方法性能评估 16
2.6 基于植被物候参数估计方面的应用效果评估 17
2.7 讨论与结论 22
第3章 基于自适应时频域的植被遥感监测方法 23
3.1 方法概述 23
3.2 特征提取和相似度计算 24
3.2.1 连续小波变换 24
3.2.2 时间维/尺度维小波方差曲线 24
3.2.3 分离度区间选取及相似度计算 26
3.3 植被遥感分类流程 26
3.4 黑河流域植被遥感监测 28
3.4.1 研究区概况与数据来源 28
3.4.2 地物标准小波方差曲线 28
3.4.3 植被空间分布图 30
3.4.4 精度评价 30
3.5 结论 31
第4章 基于时序离散度的植被遥感制图方法 32
4.1 研究背景 32
4.2 方法概述 33
4.2.1 植被指数时序曲线 33
4.2.2 时序指标设计 34
4.2.3 植被遥感分类流程 35
4.3 研究区概况与数据来源 37
4.4 我国中东部13个省（直辖市）植被空间分布图 38
4.5 精度评估验证 38
4.6 启示与意义 42
第5章 基于小波谱顶点的耕地复种指数遥感监测方法 43
5.1 研究背景 44
5.2 方法概述 45
5.2.1 小波系数谱 45
5.2.2 基于小波系数谱的特征提取 46
5.2.3 不同熟制的特征图谱分析 49
5.2.4 耕地复种指数判别流程 49
5.3 全国耕地复种指数遥感监测 51
5.3.1 研究区概况与数据来源 51
5.3.2 1980年以来4个年份全国耕地复种指数空间分布格局 52
5.3.3 方法精度评估 60
5.4 近40年中国耕地复种指数逐年变化态势评估 61
5.4.1 全国耕地复种指数逐年变化态势评估 61
5.4.2 重点农业区耕地复种指数逐年变化态势评估 63
5.5 基于时序分析方法的我国耕地复种指数演变趋势分析 67
5.5.1 时间序列趋势分析与突变点检测方法 67
5.5.2 20世纪末全国耕地复种指数演变趋势分析 68
5.5.3 21世纪初全国耕地复种指数演变趋势分析 70
5.5.4 21世纪初全国耕地复种指数变化模式分析 72
5.6 全国耕地复种指数演变驱动机制分析 74
5.7 全国MODIS时序影像数据云覆盖情况评估 77
5.8 结论 80
第6章 基于极差比指数的水稻制图方法 82
6.1 研究背景 82
6.2 方法思路与指标设计 83
6.3 CCVS水稻制图方法 86
6.3.1 双季稻指标的改进 86
6.3.2 水稻判别规则 87
6.421 世纪初我国东南九省一市水稻遥感制图 87
6.4.1 研究区概况与数据来源 87
6.4.2 2001～2013年水稻空间分布图 88
6.4.3 CCVS水稻制图方法精度评估与验证 90
6.5 21世纪初我国东南九省一市水稻分布格局时空演变分析 91
6.5.1 2001～2013年我国东南九省一市水稻种植面积变化特征 91
6.5.2 不同海拔区间水稻缩减面积变化特征 93
6.5.3 水稻空间分布重心演变轨迹分析 93
6.5.4 水稻缩减或扩展变化模式分析 94
6.6 水稻种植密度与种植强度的演变分析 95
6.6.1 逐年水稻种植密度与累计种植密度的计算 95
6.6.2 水稻种植密度的演变分析 96
6.6.3 水稻种植强度的演变分析 98
6.6.4 不同海拔区间水稻种植密度与种植强度演变规律 98
6.7 结论 100
第7章 基于数据可获得性的自适应水稻制图方法 101
7.1 研究背景 101
7.2 研究区概况及数据来源 102
7.2.1 研究区概况 102
7.2.2 数据来源与数据预处理 103
7.3 ARMM方法 104
7.3.1 CCVS水稻制图方法适用性和不确定性评估 105
7.3.2 自适应影像特征选取 106
7.3.3 分区策略和遥感影像对象特征提取 107
7.3.4 水稻分类流程 108
7.3.5 方法精度评估 109
7.4 结果分析 110
7.4.1 依据数据可获得性进行分区 110
7.4.2 遥感影像特征提取 110
7.4.3 水稻空间分布图 111
7.4.4 方法精度评估结果 112
7.5 讨论与结论 115
7.5.1 ARMM方法的意义和启示 115
7.5.2 时序遥感分类方法面临的挑战与应对策略 116
第8章 基于生长期植被指数变化量的冬小麦制图方法 117
8.1 常用冬小麦遥感监测方法 117
8.1.1 相似性度量法 117
8.1.2 冬季生长峰判别法 118
8.2 农作物植被指数时序曲线分析 118
8.2.1 冬小麦类内异质性分析 118
8.2.2 冬小麦与其他植被的相似性和差异性分析 119
8.3 冬小麦制图技术流程 120
8.3.1 冬小麦关键物候期趋势面模型 120
8.3.2 生长期植被指数变化量指标 122
8.3.3 冬小麦判别标准 123
8.4 研究区概况与数据来源 124
8.4.1 研究区概况 124
8.4.2 数据来源 125
8.5 2012～2013年华北十省（直辖市）冬小麦空间分布图 127
8.6 方法精度评估验证 128
8.6.1 基于统计数据的精度验证 128
8.6.2 基于农作物调研点位的精度验证 129
8.6.3 基于Landsat影像解译结果的精度验证 130
8.6.4 与其他方法对比评估 130
8.7 冬小麦制图方法的跨年代推广应用 131
8.7.1 2001年以来华北十省（直辖市）冬小麦遥感制图 131
8.7.2 方法精度评估验证 132
8.8 结论 135
第9章 基于生长盛期NMDI增减比值指数的玉米制图方法 136
9.1 研究背景 136
9.2 研究区概况与数据来源 137
9.2.1 研究区概况 137
9.2.2 数据来源 137
9.3 玉米制图方法 139
9.3.1 农作物生长盛期NMDI时序曲线变化特征 139
9.3.2 生长盛期NMDI增减比值指数 141
9.3.3 玉米判别标准 142
9.4 全国玉米空间分布图 142
9.5 方法精度评价 145
9.5.1 基于农业统计年鉴数据的精度评估 145
9.5.2 基于农作物分布调研点位数据的精度验证 146
9.5.3 基于Landsat影像解译结果的精度验证 147
9.6 2005～2015年全国玉米种植面积扩展态势分析 149
9.6.1 2005～2015年全国玉米种植面积剧增 149
9.6.2 2005～2015年全国玉米扩张导致农业结构失衡 150
9.7 2015～2018年全国玉米空间分布格局演变分析 152
9.7.1 全国玉米分布呈现东减西增、总体缩减态势 152
9.7.2 东部改种其他旱作农作物缩减玉米面积而中西部提高复种实现玉米扩展 153
9.7.3 “镰刀弯”政策效果评估 156
9.8 结论 158
第10章 基于哨兵2号色素指数的大尺度花生自动制图 160
10.1 研究背景 160
10.2 研究区概况与数据来源 161
10.2.1 研究区概况 161
10.2.2 数据来源 162
10.3 花生制图方法 165
10.3.1 光谱指数计算 165
10.3.2 基于色素指数的花生制图算法 167
10.3.3 阈值敏感性分析 169
10.3.4 精度评估 169
10.4 东北地区20m花生空间分布图 171
10.5 方法精度评价 173
10.5.1 基于农业统计年鉴数据的精度评估 173
10.5.2 基于农作物分布调研点位数据的精度验证 174
10.5.3 指标有效性与阈值敏感性评估 175
10.6 讨论与结论 177
第11章 弃耕开垦与复种变化信息提取方法 181
11.1 研究背景 181
11.2 研究区概况与数据来源 182
11.2.1 研究区概况 182
11.2.2 数据来源 183
11.3 研究方法 184
11.3.1 数据预处理 184
11.3.2 时序指标设计 184
11.3.3 植被变化检测算法 186
11.3.4 算法精度验证 191
11.4 结果分析 192
11.4.1 研究区时序指标与植被变化分布图 192
11.4.2 方法精度评价 194
11.4.3 研究区植被类型变化分析 194
11.5 讨论与结论 201
11.5.1 AMMC算法的意义 201
11.5.2 AMMC算法的不确定性分析 202
11.5.3 中国中东部地区植树造林、耕地开垦和复种变化 204
第12章 研究总结与展望 206
12.1 引言 206
12.2 创新农作物种植制度遥感制图研究框架 207
12.2.1 常规研究框架 207
12.2.2 新型研究框架 208
12.3 拓展农作物遥感监测的数据基础 210
12.3.1 融合多源数据 210
12.3.2 拓展农作物时序遥感特征参数 211
12.4 集成领域知识与深度学习方法优势 214
12.5 发展时序遥感变化检测技术 216
参考文献 219
附表 241
附图 251