典型文献
考虑植被红边信息的多时相Sentinel-2大范围冬小麦提取研究
文献摘要：
冬小麦是中国的主要粮食作物且种植面积年际变化较大,及时准确掌握冬小麦种植面积变化有利于国家和相关部门科学决策.遥感技术是获取大范围冬小麦种植面积数据的最有效手段.前期研究多利用多时相中低分辨率影像(如MODIS)的归一化植被指数NDVI(Normalized Difference Vegetation Index)开展大范围冬小麦种植区提取,因分辨率低导致精度难以令人满意.Sentinel-2卫星是唯一能获取3个红边波段影像的米级分辨率传感器,但应用其红边波段进行大范围冬小麦提取的研究几乎没有.本文分析了红边位置指数REPI(Red-Edge Position Index)与NDVI各自在冬小麦提取中的优势,并基于冬小麦物候特征与JM距离研究关键时相,提出一种综合多时相Sentinel-2 PERI、NDVI的大范围冬小麦提取方法,将其应用于2020年京津冀地区的冬小麦种植区提取,冬小麦总面积提取误差为-2.57％.提取结果与Google Earth高分辨率光学影像的解译结果进行比较,总体精度为94.24％,Kappa系数为0.88,相较于已有大范围冬小麦提取研究精度有明显提升,表明了本文方法的有效性.
文献关键词：
冬小麦;面积提取;大范围;Sentinel-2;REPI;多时相
中图分类号：
作者姓名：
田欣媛;张永红;刘睿;魏钜杰
作者机构：
中国测绘科学研究院 北京 100036;山东科技大学 测绘与空间信息学院,青岛 266590
文献出处：
引用格式：
[1]田欣媛;张永红;刘睿;魏钜杰-.考虑植被红边信息的多时相Sentinel-2大范围冬小麦提取研究)[J].遥感学报,2022(10):1988-2000
A类：
REPI
B类：
边信息,多时相,Sentinel,主要粮食作物,种植面积,积年,年际变化,冬小麦种植,面积变化,门科,科学决策,遥感技术,积数,前期研究,多利,相中,低分辨率,MODIS,归一化植被指数,NDVI,Normalized,Difference,Vegetation,Index,种植区,令人满意,红边波段,位置指数,Red,Edge,Position,自在,物候特征,JM,PERI,京津冀地区,总面积,面积提取,Google,Earth,高分辨率光学影像,解译,总体精度,Kappa
AB值：
0.337306
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
