期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Sentinel 1/2和GEE的水稻种植面积提取方法——以杭嘉湖平原为例
1
作者
鄂海林
周德成
李坤
《智慧农业(中英文)》
2025年第2期81-94,共14页
[目的/意义]水稻是中国的主要作物之一,准确提取水稻面积对保障粮食安全、温室气体排放管理、水资源调配及生态保护至关重要。光学与微波遥感数据融合是水稻监测主要发展趋势,但现有研究大多依赖传统的物候学特征(如移栽期),忽视了植被...
[目的/意义]水稻是中国的主要作物之一,准确提取水稻面积对保障粮食安全、温室气体排放管理、水资源调配及生态保护至关重要。光学与微波遥感数据融合是水稻监测主要发展趋势,但现有研究大多依赖传统的物候学特征(如移栽期),忽视了植被和水体指数在水稻生长全过程中的整体动态变化特征。为了快速、准确地获取水稻种植分布、面积等信息,以中国典型水稻种植区—杭嘉湖平原为例,研发了一种基于Sentinel-1/2数据和Google Earth Engine(GEE)云计算平台的水稻种植面积提取方法,即NDVI-SDWI动态融合水稻识别方法(Dynamic NDVI-SDWI Fusion Method for Rice Mapping,DNSF-Rice)。[方法]首先,通过Sentinel-2归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列,基于阈值分割获取水稻种植潜在分布范围;其次,通过Sentinel-1双极化水体指数(Sentinel-1 Dual-Polarized Water Index,SDWI)时间序列,分析其在水稻生长周期内的动态变化特征,构建阈值分割算法获取基于微波数据的水稻种植分布;最后,将上述结果的交集作为最终水稻分布范围,构建了杭嘉湖平原2019—2023年10 m空间分辨率的水稻种植分布图。此外,利用地面实测数据和统计数据对提取结果进行了精度验证,并与其他产品进行了对比分析。[结果与讨论]本研究所提取的水稻种植分布图总体精度均达96%以上,F_(1)得分超过0.96,水稻种植面积整体呈逐年增长的趋势,提取面积与统计数据具有高度的一致性,优于其他相关产品。[结论]DNSF-Rice水稻识别方法基于GEE云平台,结合了光学和合成孔径雷达(Synthetic Aperture Radar,SAR)时间序列数据的优势,利用了NDVI和SDWI在水稻生长全过程中的整体动态变化特征,为高效、精确监测水稻种植面积提供了新的思路。
展开更多
关键词
遥感
GEE
种植面积提取
Sentinel-1
合成孔径雷达
归一化植被指数
在线阅读
下载PDF
职称材料
题名
基于Sentinel 1/2和GEE的水稻种植面积提取方法——以杭嘉湖平原为例
1
作者
鄂海林
周德成
李坤
机构
南京信息工程大学生态与
应用
气象学院
中科卫星应用德清研究院全省微波空间智能云计算重点实验室
中国科学院空天信息创新
研究院
中国科学院大学资源与环境学院
出处
《智慧农业(中英文)》
2025年第2期81-94,共14页
基金
国家民用空间基础设施陆地观测卫星共性应用支撑平台(2017-000052-73-01-001735)。
文摘
[目的/意义]水稻是中国的主要作物之一,准确提取水稻面积对保障粮食安全、温室气体排放管理、水资源调配及生态保护至关重要。光学与微波遥感数据融合是水稻监测主要发展趋势,但现有研究大多依赖传统的物候学特征(如移栽期),忽视了植被和水体指数在水稻生长全过程中的整体动态变化特征。为了快速、准确地获取水稻种植分布、面积等信息,以中国典型水稻种植区—杭嘉湖平原为例,研发了一种基于Sentinel-1/2数据和Google Earth Engine(GEE)云计算平台的水稻种植面积提取方法,即NDVI-SDWI动态融合水稻识别方法(Dynamic NDVI-SDWI Fusion Method for Rice Mapping,DNSF-Rice)。[方法]首先,通过Sentinel-2归一化植被指数(Normalized Difference Vegetation Index,NDVI)时间序列,基于阈值分割获取水稻种植潜在分布范围;其次,通过Sentinel-1双极化水体指数(Sentinel-1 Dual-Polarized Water Index,SDWI)时间序列,分析其在水稻生长周期内的动态变化特征,构建阈值分割算法获取基于微波数据的水稻种植分布;最后,将上述结果的交集作为最终水稻分布范围,构建了杭嘉湖平原2019—2023年10 m空间分辨率的水稻种植分布图。此外,利用地面实测数据和统计数据对提取结果进行了精度验证,并与其他产品进行了对比分析。[结果与讨论]本研究所提取的水稻种植分布图总体精度均达96%以上,F_(1)得分超过0.96,水稻种植面积整体呈逐年增长的趋势,提取面积与统计数据具有高度的一致性,优于其他相关产品。[结论]DNSF-Rice水稻识别方法基于GEE云平台,结合了光学和合成孔径雷达(Synthetic Aperture Radar,SAR)时间序列数据的优势,利用了NDVI和SDWI在水稻生长全过程中的整体动态变化特征,为高效、精确监测水稻种植面积提供了新的思路。
关键词
遥感
GEE
种植面积提取
Sentinel-1
合成孔径雷达
归一化植被指数
Keywords
remote sensing
GEE
cultivation aera extraction
Sentinel-1
SAR
NDVI
分类号
TP79 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Sentinel 1/2和GEE的水稻种植面积提取方法——以杭嘉湖平原为例
鄂海林
周德成
李坤
《智慧农业(中英文)》
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
