新疆阜康地区遥感影像数据设计

ADDINCNKISM.UserStyle前言地表覆被变化的过程、趋势、弘动力以及全球生态环境变化成为研究的重点，中国新疆地区位于中纬度的亚欧内陆，是典型的干旱区，降水量稀少、蒸发强烈、水资源缺乏、生态环境脆弱，而地表覆被具有特定的时间和空间特征，利用单一时相的遥感影像进行地表覆被类型的识别虽然方便快捷，但仅仅依靠单一时相的遥感影像对地表覆被类型进行提取往往具有一定的局限性，很难达到分类的精度，故需要选取多时相的各个波段的地表反射率数据和归一化植被指数（NDVI）作为分类特征，利用多时相的遥感影像提取的地表反射率数据和归一化植被指数可以很好的反映地表覆被的物候变化规律和季相节律性，有利于提高识别不同地表覆被的精度。因此如何利用时间序列遥感影像较好表征地表覆被变化规律性的特点，从而进行地表覆被遥感信息提取具有重要意义。在利用时间序列NDVI提取物候信息方面，Boke-OlénN等ADDINCNKISM.Ref.{F55C597C47C84a69B6F59F5D4EB3F592}[1]通过时间序列模拟的NDVI与其他遥感植被指数数据集一起使用，以增强可以获得年际和季节性植被动态变化信息和物候信息，较好的反应热带草原干旱地区植被物候变化规律特征，从而提高对地表覆被信息的识别。在地表覆盖分类方面，胡勇等[2]基于时间序列的Landsat数据，选择易于获得青藏高原玛多地区训练样本的地表反射率数据作为参考影像，并结合训练样本数据提取不同地表覆被的光谱特征，再将参考影像中提取的地表覆被的光谱特征扩展到所有时间序列地表反射率数据进行分类。在利用时间序列方法提取地表覆被方面，郑玉坤ADDINCNKISM.Ref.{597A345467B94a5b884CF772ED80D081}[3]利用时间序列分析的方法，从AVHRR传感器提供的多时相NDVI数据中提取植被的季相变化特征，并利用此特征对地表覆盖类型进行分类。在利用多时相对地物提取方面，王文静等ADDINCNKISM.Ref.{597A345467B94a5b884CF772ED80D081}[4]基于多时相的LandsatOLI遥感数据，开展了综合多特征的提取与特征选择的方法进行研究，综合基于时间序列归一化植被指数、最佳时相地表覆被反射率光谱特征以及地表纹理特征作为初始分类的特征，再采用基于属性重要度的粗糙集特征选择的算法，对新疆沙湾县的棉花进行提取，在一定程度上提高了棉花分类的精度。本文基于2016年（14个时相）、2017年（12个时相）和2018年（12个时相）处于植被生长季的时间序列的LandsatOLI地表反射率数据，利用时间序列不同地表覆被类型的地表反射率数据和归一化植被指数的变化特征，对地表覆被类型进行识别。第1章绪论1.1研究背景及研究的目的和意义1.1.1研究背景目前土地覆盖变化是全球生态环境变化研究的核心主题之一，遥感手段是全球生态环境监测的重要手段之一，其在地表覆被变化研究中的应用主要集中在遥感的数据处理和信息提取上，如植被类型和地表覆被类型的分类、土壤的分类、土壤水分的分等定级等。遥感手段具有宏观、及时获取地面信息的能力，具有信息获取快、覆盖范围广、周期性强等独特的优势，可利用这些信息客观地评价区域的生态环境状况。通过遥感影像可监测地表覆被类型的动态变化过程，为准确了解全球生态环境现状提供的信息；通过时间序列定量化遥感产品，为全球生态环境变化演变机理分析提供客观的依据；通过获取某区域生态环境背景信息，为科学认知区域生态环境状况提供数据基础；同时，通过遥感技术快速获取生态环境动态变化信息，发现其时空变化特征和规律，为科学评价建设的生态环境影响提供技术支撑。地表覆被类型划分的基本依据是基于时间序列的光谱变化特征，时相特征和光谱特征是地表覆被变化遥感监测识别的两个重要属性。将时间序列与光谱信息结合起来，可以提高对地表覆被信息识别的精度。由于每种类型的农作物都有特定的种植和收割时间和固定的季相变化特征，因此如何基于时间序列准确的识别地表覆被类型已经成为了一种重要的技术手段。地表覆被类型遥感识别的第一种方式是采用单一时相手段，即利用地表覆被最关键物候期的影像提取覆被类型，这种采用单一时相识别地表覆被的方法效率高、操作简单，但是，这种方法很难得到地表覆被季节性变化的时间序列特征曲线，也很难客观的判断最佳时相的遥感影像，以及无法克服地表覆被“异物同谱”的现象和最佳时相的遥感影像受到云雨天气的影响。与此同时，当研究区域种植结构复杂时，单一时相的遥感影像很难分离有着相似季相节律特征的不同类型农作物，因此导致提取的地表覆被类型的精度往往不够。相比较之下，采用时间序列的遥感识别方法能够捕获地表覆被生长发育过程中多个时间节点上的信息，获取其动态变化特征，显著提高了单一时相识别地表覆被方法的精度。1.1.2研究的目的和意义地表覆被变化作为全球生态环境变化研究重点，其反映了自然与人文交叉最密切的问题，是众多学科研究的热点和前沿。地表覆被变化也是全球变化的重要驱动因素，是迄今人类改变地球系统最重要的方面之一，在区域尺度上，地表覆被的变化不仅直接影响生态系统的生物多样性，而且会影响诸如水分循环、能量流动、碳循环等生态系统功能。通过遥感手段可以捕获地表覆被的信息，获取的数据便于在时间和空间上的比较分析，并且通过遥感技术手段可以定量监测地表覆被变化发生的位置、时间、过程和幅度，能促使我们更加精确地分析表覆盖的变化、并评估生态系统的变化与响应。中国新疆地区位于中纬度的亚欧内陆，是典型的干旱区，降水量稀少、蒸发强烈、水资源缺乏、植被稀疏、种群单一、覆盖度较低、生态环境脆弱。由于新疆阜康地区干旱、降水量稀少、蒸发强烈，造成土壤有着不同程度的盐渍化现象，这是新疆生态环境十分普遍而突出的特征。基于单一时相对地表覆被信息进行提取往往具有一定的局限性，时间序列遥感信息可以捕获地表覆被生长发育过程中多个时间节点上的信息，这些信息能够反映地表覆被的物候变化规律和季相节律性，因此如何利用时间序列遥感影像较好表征地表覆被变化规律性的特点，从而进行地表覆被遥感信息提取完成对地表覆被类型监测具有重要意义。1.2国内外研究现状1.2.1国外研究现状在利用时间序列NDVI提取物候信息方面，Boke-OlénN等ADDINCNKISM.Ref.{F55C597C47C84a69B6F59F5D4EB3F592}[1]通过时间序列模拟的NDVI与其他遥感植被指数数据集一起使用，以增强可以获得年际和季节性植被动态变化信息和物候信息，较好的反应热带草原干旱地区植被物候变化规律特征，从而提高对地表覆被信息的识别。在土地利用和覆被变化方面，Ramita等ADDINCNKISM.Ref.{F55C597C47C84a69B6F59F5D4EB3F592}[5]采用Landsat1985年和2005年两期遥感数据对澳大利亚的禁猎区新南威尔士的土地利用和覆被变化的种类和面积进行了研究，得到了新南威尔士的土地利用类型的面积变化、新南威尔士城郊的土地利用类型变化数据及该区的土地利用景观格局的变化数据。1.2.2国内研究现状我国是一个疆域辽阔、自然条件复杂、地表植被覆盖类型多样和土地利用复杂的国家,利用遥感时间序列信息研究我国土地利用覆盖变化引起了很多学者的重视。在地表覆盖分类方面，胡勇等[2]基于时间序列的Landsat数据，选择易于获得青藏高原玛多地区训练样本的地表反射率数据作为参考影像，并结合训练样本数据提取不同地表覆被的光谱特征，再将参考影像中提取的地表覆被的光谱特征扩展到所有时间序列地表反射率数据进行分类。在利用时间序列方法提取地表覆被方面，郑玉坤ADDINCNKISM.Ref.{597A345467B94a5b884CF772ED80D081}[3]利用时间序列分析的方法，从AVHRR传感器提供的多时相NDVI数据中提取植被的季相变化特征，并利用此特征对地表覆盖类型进行分类。在利用多时相对地物提取方面，王文静等ADDINCNKISM.Ref.{597A345467B94a5b884CF772ED80D081}[4]基于多时相的LandsatOLI遥感数据，开展了综合多特征的提取与特征选择的方法进行研究，综合基于时间序列归一化植被指数、最佳时相地表覆被反射率光谱特征以及地表纹理特征作为初始分类的特征，再采用基于属性重要度的粗糙集特征选择的算法，对新疆沙湾县的棉花进行提取，在一定程度上提高了棉花分类的精度。在干旱区地表覆盖度信息提取方面，古丽·加帕尔等ADDINCNKISM.Ref.{BBD186B1CAEE4dbbAB620CB512DFDA8C}[6]选择对角线法、之字型法、随机采用法及全采样法提取干旱区稀疏芦苇的覆盖度信息，对比分析不同采样方法获取参数的精度，同时结合遥感影像，采用线性混合像元分解模型、亚像元变密度分解模型、三波段最大梯度差模型提取干旱区稀疏芦苇盖度信息，并与地面实测覆盖度参量信息进行对比分析，探讨适宜的干旱区植被盖度野外监测方法及遥感模型。1.3论文的主要内容和技术路线1.3.1论文的主要研究内容本文以新疆绿洲城市阜康市为研究区域，选择2016年、2017年、2018年的一年中不同季相LandsatOLI数据作为数据源，研究遥感时间序列信息在地表覆被地表变化中的应用。首先利用ENVI等软件对获得的数据进行预处理，然后基于时间序列对地表覆被的光谱特征进行提取，获取不同时间地表覆被的变化特征和规律，并进一步利用时间序列信息地表覆被类型进行分类。研究主要分为以下三部分：（1）遥感影像处理。根据研究区概况，获取研究区域的遥感影像数据，并在ENVI软件中对遥感图像融合与裁剪等遥感影像的预处理。（2）新疆阜康地区地表覆被现状及其变化信息提取。基于时间序列的遥感信息可以捕获地表覆被生长发育过程中多个时间节点上的信息，组合起来可以潜在提高对地表覆被的识别。利用地表覆被的各个波段的地表反射率数据和提取的归一化植被指数，选用监督分类和阈值分割的方法对研究区的遥感影像进行提取，获得新疆阜康干旱地区不同地表覆被信息。（3）实验结果统计分析。首先基于时间序列对得到的遥感影像数据，进行对比和分析地表覆被的光谱特征，进而获得新疆阜康市地区地表覆被类型数据，最后得出实验结论。1.3.2论文的研究思路及技术路线本文是对新疆阜康地区遥感影像数据，通过利用ENVI软件对该区域一年中多时相地表覆被变化信息的提取以及得到地表覆被类型分类图。技术流程图如图1.1所示。Landsat地表反射率产品Landsat地表反射率产品图像融合图像裁剪AC时间序列单波段反射率数据分析2016年14个Landsat时相数据时间序列NDVI曲线提取分析2018年12个Landsat时相数据作为分类数据，2017年12个Landsat时相数据作为补充数据阈值分割最大似然法D综合分析与讨论A图像预处理B地表覆被特征提取C时间序列光谱特征分析D地表覆被分类E地表覆被验证E地表覆被验证实地考察数据典型植被物候期分析主要背景地物特征提取B典型植被物候资料典型地物GoogleEarth、GF高清图片2018年地表覆被填图间接验证与对比定性验证图1.1技术流程图1.4本章小结本章首先阐述了本文的研究背景，目的和意义，点明了本研究在学术及实际应用领域的价值，接着论述了时间序列方法应用于地表覆被研究中的国内外研究现状，最后详细阐述了本文的主要研究内容和技术流程图。

第2章数据组织与处理2.1研究区概括及数据源简介2.1.1研究区概括本文研究区域选取的是西部绿洲城市阜康市。阜康市位于新疆维吾尔自治区昌吉回族自治州境内，位于天山东段北麓、准噶尔盆地的南缘，位居新疆天山北坡一带一路经济发展带上。阜康市中部平原地区是被天山山脉冲击的平原，具有发展农业、工业生产和旅游业的区位优势。阜康市地形呈南北长条的形状，南面高北面低，阜康市整体大致可分为三部分，阜康的遥感影像如图2.1所示：图2.1阜康市标准假彩色合成图1）南部山区：主要是天山山脉，在图2.1阜康市标准假彩色合成图中，可以清晰看见山脉的纹理特征，阜康地区主要灌溉的水源就是冰雪融水，到春季的时候，积雪融化补充地下水。高山区终年积雪，孕育着发达的冰川，是阜康市各条河流的发源地；中山带是阜康市天然的林区及主要的牧场。丘陵地带是阜康市牧林及矿结合开展多种经营的重要发展区域。2）中部平原：在图2.1标准假彩色合成图中的中部呈现红色植被特征的地区，该平原由天山融雪而形成的各个河流冲积而成，是全市社会经济发展中最为活跃的区域，该区地势平坦，主要种植的农作物有棉花、玉米、小麦、油葵等，是粮油主要产区，也是基本农田的集中分布区。3）北部沙漠：在图2.1标准假彩色合成图中的北部没有植被特征的区域，为古尔班通古特大沙漠南部的一部分，该地区植被多为稀疏的沙生植物，是阜康市的冬牧场，古尔班通古特沙漠位于属温带干旱荒漠性气候的准噶尔盆地的中央，故该地区也属于温带干旱荒漠。2.1.2数据源简介根据研究区域选择2016年（14个时相）、2017年（12个时相）和2018年（12个时相）云量较少并且处于植被生长期LandsatOLI数据。2016年的数据如表2.1所示，2017年的数据如表2.2所示，2018年的数据如表2.3所示。该数据采用6s辐射传输模型做过大气校正反演得到的地表反射率数据。这种模型是在假定无云大气的情况下考虑了水汽、二氧化碳、氧气和臭氧的吸收、分子和气溶胶的散射以及非均一地面和双向反射率的问题，对不同情况下不同的遥感器、不同地面状况太阳光在太阳—地面目标—遥感器整个传输路径中所受到的大气影响进行了描述。目前多用于处理可见光、近红外的多角度数据。该模型的主要特点就是通过使用了状态近视和多次散射方法来求解辐射传输方程，能较好的解决瑞利散射和气溶胶带来的的影响。表2.12016年LandsatOLI数据轨道号时相传感器地图投影类型分辨率p142r2920160322p142r2920160407P143r2920160516p142r2920160525p142r2920160626p142r2920160712p142r2920160728P143r2920160804p142r2920160829p143r2920160905p143r2920160921p142r2920160930P143r2920161007p142r2920161101 表2.22017年LandsatOLI数据 轨道号时相传感器地图投影类型分辨率p142r2920170221OLIUTM-WGS8430mp143r2920170228p143r2920170503P143r2920170604p142r2920170613p143r2920170620p143r2920170722p142r2920170731p143r2920170807P142r2920170816p142r2920170901p142r2920170917表2.32018年LandsatOLI数据轨道号时相传感器地图投影类型分辨率p142r2920180413OLIUTM-WGS8430mp142r2920180506p142r2920180522P143r2920180623p142r2920180810p142r2920180826p142r2920180904p142r2920180920p142r2920180927P143r2920181006p142r2920181022p143r29201811142.2遥感数据预处理2.2.1图像融合LandsatOLI各个波段的应用领域如表2.4所示。不同波段合成显示可以增强不同地物的表示，为目视判读提供一定的帮助，表2.5是在长期实践中总结得到的landsatOLI不同波段合成对地物的增强效果。表2.4LandsatOLI波段应用领域波段波长（微米）主要应用领域1-海岸波段0.43-0.45主要应用与海岸带检测2-蓝波段0.45-0.51对水体有透射能力，能够反射浅水水下特征，可区分土壤和植被、编制森林类型图、区分人造地物类型3-绿波段0.53-0.59探测健康植被绿色反射率、可区分植被类型和评估作物长势，区分人造地物类型，对水体有一定能够投射能力4-红波段0.64-0.67可测量植物绿色素吸收率，并依次进行植物分类，可区分人造地物类型5-近红外0.85-0.88测定生物量和作物长势，区分植被类型，绘制水体边界、探测水中生物的含量和土壤湿度6-短波红外1.57-1.65用于探测植物含水量及土壤湿度，区分云与雪7-短波红外2.11-2.29探测高温辐射源，如监测森林火灾、火山活动等，区分人造地物类型表2.5LandsatOLI波段合成说明RGB组合主要用途4、3、2自然真彩色，用于各种地类识别5、4、3标准假彩色图像，地物图像丰富、色彩鲜明、层次好，用于植被分类、水体识别6、5、2非标准假彩色合成，用于农业遥感6、5、4非标准假彩色合成，植被类型较丰富，用于植被分析7、6、5穿透大气层，画面偏蓝色，用于特殊的地质构造调查5、6、4模拟真彩色图像，用于陆地，水体识别2.2.2遥感图像裁剪农作物是地表覆被的典型代表，为了提高计算机的运行速度，减少处理的数据量，在遥感影像上选取了东经87°54′4.55″—88°03′55.05″，北纬44°15′50.44″—44°21′59.04″的阜北农场作为研究区，同时阜北农场也是新疆阜康荒漠生态系统国家野外科学观测研究站，本站台的研究内容是完成不同时空尺度上绿洲生态系统结构功能、动态演替、优化调控；绿洲生态保护和绿洲农业高效持续发展的研究，对农田生态系统环境进行长期监测及数据库信息系统的建立。所以利用ENVI软件对新疆阜康地区的遥感影像进行裁剪，获得阜北农场的遥感影像。遥感影像裁剪的目的是将研究之外的区域去除，本文采用获取一个ROI文件的方法，通过SubsetDatafromROIS工具对一景影像进行裁剪，最终得到的裁剪图如图2.2所示。图2.2遥感图像裁剪结果图2.3本章小结 本章首先阐述了阜康的地理位置以及地形分布情况，其次对本文所使用的LandsatOLI数据情况和LandsatOLI各个波段合成的应用领域进行简单的说明，最后介绍本文中所需的遥感影像波段融合和裁剪的预处理步骤。

第3章时间序列地表覆被特征提取3.1时间序列植被特征提取3.1.1不同植被生育期新疆阜康地区属于典型的温带大陆性气候，也是典型的干旱区，夏季炎热少雨，冬季寒冷干燥，降雨稀少，蒸发强烈，该地区的主要灌溉水源是天山冰雪融水与细小的河流。新疆阜康地区中部平原种植的作物及其周期如下所述：设施蔬菜即露地蔬菜，开春播种，一般都在设施大棚里种植；果树包括葡萄，蟠桃园，西梅等；主要农作物有冬小麦，不覆膜，9月中下旬至10月上旬播种，翌年5月底至6月中下旬成熟；棉花，覆膜，一般都是每年的4月播种，11月中旬全部收完，有些棉花收获期由于打脱叶剂的原因，枝干上一般只剩白色的棉絮；玉米，覆膜，行距大，每年4月份播种，9月低收获，有时候收获期间绿叶子仍然存在。葡萄4月和5月进行生长发育，到6月底或7月初葡萄成熟，葡萄的果期在8月和9月。新疆阜康地区灌木在4月或5月进行生长发育，在6月达到生长旺期，然后进入花期，开花结束之后，灌木叶子开始逐渐枯黄。这些典型植被在生长发育过程中，会有不同的特征表现时间序列的遥感信息可以捕获地表覆被生长发育过程中多个时间节点上的信息，组合起来可以潜在提高对地表覆被的识别。表3.1新疆阜康农作物物候期农作物生育期播种—分蘖分蘖—越冬返青—拔节拔节—抽穗抽穗—成熟冬小麦中、下/9-上/11上/11-下/3下/3-中/4中/4-中/5中/5-下/6农作物生育期播种—出苗出苗—拔节拔节—抽穗抽穗—乳熟乳熟—成熟玉米下/4—中/5中/5-下/6下/6-下/7下/7—中/8中/8—中/9农作物生育期播种—出苗出苗—现蕾现蕾—开花开花—吐絮吐絮以后棉花下/4-中/5中/5—中/6中/6-下/7上/7—下/9下/9—上/11农作物生育期播种—分蘖分蘖—拔节拔节—抽穗抽穗—灌浆灌浆—成熟水稻下/4-中/5中/5—下/6下/6—上/8上/8—上/9上/9—下/10农作物生育期播种—出苗出苗—现蕾现蕾—开花开花—成熟油葵下/4—中/5中/5-上/6上/6-下/7下/7—下/83.1.2不同植被生育期的表现1.冬小麦：小麦从播种之后到收获之前的整个过程称为小麦的生育期。小麦的生育期可分为：播种期、出苗期、分蘖期、越冬期、返青期、起身期、拔节期、孕穗期、抽穗期、扬花期、灌浆期、成熟期等12个生育时期。小麦生育期的具体名称和生长情况如表3.2所示，小麦植株生育期外观表现如图3.1所示:表3.2小麦的生育期及生长情况生育期小麦生长情况播种期播种后，如果土壤湿度适宜，种子很快就会萌动发芽，小麦全生育期的天数，一般从播种期算起，新疆的播种期一般在9月中下旬出苗期田间若有半数麦苗露出地面2-3厘米左右的时候，即为出苗期，如果墒情好温度适宜的情况下，1周左右就会出苗分蘖期小麦分蘖期的标准为第一个分蘖芽萌发，并从基部叶腋内伸出l-2厘米。全田50%以上植株出现分蘖的日期为全田分蘖期，分蘖期是决定每亩穗数和奠定大穗的重要时期，一般11月上旬进入分蘖期越冬期在入冬前日平均温度下降至0℃左右的时候，麦苗基本停止生长时，即为越冬期，一般12月上旬进入越冬期返青期当翌年生长的叶片由叶鞘长出1-2厘米，全田若有半数的麦苗达到这一程度，并且仍处葡匐状态时，即为返青期，一般在3月中旬进入返青期起身期全田若有半数以上的小麦由葡匐状态转向直立生长时，主茎的春生第二片叶接近定长，小麦的幼穗分化进入小穗原基分化期时，即为起身期，一般4月上旬进入起身期拔节期全田半数以上的小麦伸长节间露出地面1.5-2厘米，其幼穗分化进入药隔期时，即为拔节期，一般4月中旬进入拔节期孕穗期该时期小麦的生长速度快，生长量大，需肥、需水较多，干物质积累占总干物质重的50%。小麦的幼穗继续分化，体积迅速增大，小麦的有效穗数和可孕小花数在这一时期确定抽穗期麦田有半数以上的麦穗的顶端（不包括麦芒）露出叶鞘时，即为抽穗期扬花期麦田半数以上的麦穗开始开花时，即为扬花期，在抽穗后3-6天左右，一般在5月下旬灌浆期麦粒的胚乳刚呈现清乳状时，开始进入充实期，在开花后10-13天左右，一般在6月中旬成熟期大部分小麦籽粒的胚乳呈蜡质状，麦穗和穗下节变黄，大部分籽粒变硬变重。一般在6月下旬至七月上旬开始收割。(a)播种期(b)出苗期(c)分蘖期(d)越冬期(e)起身期(f)拔节期(g)孕穗期(h)抽穗期(i)扬花期(j)灌浆期(k)成熟期图3.1小麦植株生育期外观表现2.玉米：根据成熟的时间来分，可以分为早熟、晚熟和中熟。玉米的生育期可分为：苗期、拔节期、小喇叭口期、大喇叭口期、孕穗期、吐丝初期、吐丝中期、乳熟期、完熟期。玉米的生育期和生长情况如下表3.3所示，玉米植株外观表现如图3.2所示:表3.3玉米的生育期及生长情况生育期玉米生长情况苗期第1片真叶展开的日期，幼苗高2~3厘米左右拔节期茎基部节间开始伸长生长的日期，标志着植株茎叶已经全部分化完成，将要开始旺盛生长，雄花序开始分化发育的时期小喇叭口期叶龄指数在46%左右，不同叶龄玉米完全伸长的叶片也不同，一般是在8—10片叶，叶片形似小喇叭口大喇叭口期叶片大部可见，但未全展，心叶丛生，上平中空，形似大喇叭口孕穗期增生节根3-5层，茎节间伸长、增粗、定型，叶片全部展开，抽出雄穗其主轴开花吐丝初期雌穗花丝伸出苞叶l-2厘米长的日期吐丝中期雌穗花丝从苞叶伸出2-3厘米的日期乳熟期花丝露在外面的部分开始萎蔫，雌穗外形达到固定大小完熟期雌穗苞叶变黄而松散，子粒呈现本品种固有形状、颜色，种胚下方尖冠处形成黑色层的日期(a)苗期(b)拔节期(c)小喇叭口期(d)大喇叭口期(e)孕穗期(f)吐丝初期(g)吐丝中期(h)乳熟期(i)完熟期图3.2玉米植株生育期外观表现3.棉花：棉花从播种开始，经过出苗、现蕾、开花、结铃、直至棉铃成熟吐絮和种子成熟，这个过程称为生育周期。一般从播种期到收获期所经历的天数称为全生育期，从出苗期到吐絮期经历的天数称为生育期。棉花生育期的具体名称和生长情况如表3.4所示，棉花植株生育期外观表现如图3.3所示表3.4棉花生育期的具体名称和生长情况生育期棉花生长情况出苗期棉苗出土，两片子叶展开孕蕾期棉株第一个花芽分化开始，一般在2—3片真叶时期进行孕蕾盛蕾期现蕾后10天左右，单株蕾日生长量达到最多的时间，也有人认为在第四果枝开始现蕾时进入盛蕾期初花期刚开始开花到盛花期以前所经历的时间，大约半个月左右，与始花期不同，始花期是田间第一朵花开放时间盛花期开花10天左右，单株开花日增长量最多的时期，或者第四果枝开始开花，进入盛花期吐絮期棉株基部任意果枝上的第一个棉铃开列露出白絮的时候成熟期吐絮至收获基本完成，约2个月(a)出苗期(b)孕蕾期(c)盛蕾期(d)初花期(e)盛花期(f)吐絮期(g)成熟期图3.3棉花植株生育期外观表现4.水稻：水稻从种子萌发到成熟的整个过程，称为水稻的一生，从出苗（第一完全叶露出2cm），到成熟所需要的天数，是水稻的生育期。按生育时期划分，水稻分为种子萌发期，幼苗期，分蘖期，拔节期，孕穗期，抽穗开花期和灌浆成熟期。水稻生育期的具体名称和生长情况如表3.5所示，水稻的生育期植株外观表现如图3.4所示：表3.5水稻生育期的具体名称和生长情况生育期水稻生长情况萌发期从播种到出芽（胚根是种子长的二倍）这段时期幼苗期从出芽到水稻第三叶展开的一段时期分蘖期从分蘖开始到幼穗分化开始的一段时期。可分为有效分蘖期和无效分蘖期拔节期指水稻从拔节到抽穗前的这一段时间，一般在25至36天左右，拔节期是决定穗数和高成穗率的关键时期。孕穗期从幼穗分化开始到抽穗前的一段时期抽穗开花期指稻穗从顶端茎鞘里抽出到开花齐穗这段时期，一般5-7天左右灌浆成熟期指稻穗开花后到谷粒成熟的时期，又可分为乳熟期、蜡熟期和完熟期(a)幼苗期(b)分蘖期(c)拔节期(d)孕穗期(e)抽穗开花期(f)灌浆成熟期图3.4水稻植株生育期外观表现5.油葵：喜温耐旱，适应性强，生育期短，生育期95-105天，因此在新疆地区小麦收割之后可复播油葵。在油葵的一生中，其外部形态会出现若干次显著的变化，根据外部形态的显著变化，一般把油葵的一生划分6个生育期。油葵生育期的具体名称和生长情况如表3.6所示，油葵植株生育期外观表现如图3.5所示：表3.6油葵生育期的具体名称和植株外观表现生育期植株外观表现播种期播种的日期，油葵的生育期比较短，有些在4月末播种，有些等小麦收割之后进行复播油葵出苗期75%幼苗子叶出土平展的时间现蕾期75%植株主茎花蕾直径达1厘米的时间开花期75%植株主茎花蕾的舌状花完全展开的时间盛花期75%植株主茎花蕾的管状花完全开放的日期，同一花盘开花持续的时间为8～10天成熟期90%植株种子成熟的日期，子实成熟的标准：花盘背面和茎杆上中部变成黄白色，叶片出现黄绿色；子实充实，外壳坚硬，呈现固有色泽(a)出苗期(b)现蕾期(c)开花期(d)盛花期(e)成熟期图3.5油葵植株生育期外观表现3.2背景地物特征提取通过谷歌地图，可以清晰的看见裸土和建筑用地的纹理特征，捕获多个裸土和建筑用地的地面纹理特征，寻找裸土和建筑用地纹理特征的共性，作为提取样本的依据。3.3时间序列地表反射率提取本论文中，采用LandsatOLI地表反射率数据，每景影像的每一个像素都代表一个反射率，获取地表反射率的值，可以通过将逐景影像直接保存成txt文本格式，但要处理14个时相的数据，为了提高效率，用Matlab编程批量处理，根据选定的90m*90m典型地物的样本的行列号进行提取不同地表覆被的地表反射率数据，选取样本的行列号如表3.7所示。地表覆被小麦油葵玉米复播水稻行号4880，48824928，49304876，48784850，48524856，4858列号5861，58635862，58645914，59165894，58965771，5773地表覆被葡萄棉花裸土建设用地灌木行号4860，48624852，48544982，49845061，50634980，4982列号5749，57515805，58075965，59675644，56461914，1916运行代码的主函数的代码如下：clc;clearall;%%%用户定义dirpath0='D:\envi_read\data\';%设置数据存放的文件夹路径outpath='D:\envi_write\data\';%设置绝对输出路径Ftype=[string('LC81')];%文件夹名称%range=[,ldlinebeg,ldlineend,ldsamplebeg,ldsampleend;mdlinebeg,mdlineend,mdsamplebeg,mdsampleend];%分别定义landsat数据范围range=[4856,4858,1751,1753;184,184,466,467];%遥感影像的行列和数组不一致，输入行列时需注意%%主程序[row,col]=size(Ftype);%获取数组维数，确定需要循环的文件夹数量fori=1:colFold_name=Ftype{1,i};dirpath=strcat(dirpath0,Fold_name,'\');if(strcmp(Fold_name,'LC81'))%读取Landsat影像信息out_name=strcat(outpath,'landsat.txt');%如果历史文件存在，则删除ifexist(out_name,'file')~=0delete(out_name);endfprintf('%s%s\n','startreading:',dirpath);list=dir([dirpath,'\*']);%路径下的所有的文件名fileNum=size(list,1);%文件夹下文件的个数fork=3:fileNumsud_dirpath=[dirpath,list(k).name,'\'];%文件下子文件路径sublist=dir(sud_dirpath);fid=fopen(out_name,'a+');fprintf(fid,'%s%s%6d%s%6d%s%6d%s%6d\n',list(k).name,'sampes',range(1,3),'to',range(1,4),'lines',range(1,1),'to',range(1,2));fclose(fid);forn=3:size(sublist,1)sublistname=sublist(n).name;regexpi(sublistname,'band\d.tif');a=isempty(regexpi(sublistname,'band\d.tif'));ifa==0data=read_landsat(sud_dirpath,sublistname,out_name,range(1,1),range(1,2),range(1,3),range(1,4));elseendendend3.4本章小结根据新疆阜康地区农作物的物候期，挖掘在时间序列上地表覆被变化特征，利用这些变化特征在Landsat遥感影像上选取不同地表覆被的样本，并用Matlab对不同地表覆被类型多时相各个波段的地表反射率进行提取。

第4章时间序列光谱特征分析4.1时间序列地物反射率光谱4.1.1地物反射率光谱不同地物具有不同的光谱特征，红光对于叶绿素及其他植物色素吸收的敏感性，即依赖于红光对植物的光合作用的敏感性，即红光对于绿色植物来说是强吸收的，所以植被在红波段反射率较低，而近红外光对绿色叶片的叶肉组织结构的敏感性，即对绿色植物高反射和高透射，所以植被在近红外波段反射率较高，如图4.1所示。因此可以利用地物在不同波段的光谱反射率差异来区分地物。表4.1地物反射率均值光谱小麦油葵玉米水稻葡萄棉花裸土建筑灌木B10.0250.01940.02130.00970.038570.02550.06850.06950.0319B20.02770.02690.03210.01930.044620.03270.08870.09990.0460B30.05430.05340.06360.05000.074090.07950.13850.15950.1013B40.03230.04010.05230.03720.072720.04880.17580.18260.0765B50.48920.36450.37380.28260.342720.47320.22250.34200.5132B60.14320.14650.15880.09930.218410.19750.3120.31460.2139B70.06590.06630.07690.04740.130070.09290.30280.25840.1100图4.1地物反射率均值光谱经分析图4.1地物反射率均值光谱可知：小麦，玉米，油葵，水稻，棉花这些农作物和果树葡萄在发育盛期时，近红外波段的反射率较高而红外波段的反射率较低，而建筑用地和裸土在近红外波段和短波红外波段的反射率相对较高，最后在新疆干旱地区灌木柽柳等在生育旺期在近红外波段的反射率极高，根据这些不同地表覆被在各个波段所呈现的差异可以区分地表覆被类型。4.1.2时间序列反射率光谱统计利用时间序列的遥感信息识别不同于单一时相的遥感信息，只能识别植被生长过程中一个时间节点上的状态。时间序列的遥感信息可以捕获地表覆被生长发育过程中多个时间节点上的信息，组合起来可以潜在提高对地表覆被的识别，下面柱状图图4.2是对本研究区典型地物在时间序列上地表反射率的统计。(a)小麦反射率(b)油葵反射率(c)玉米反射率(d)水稻反射率(e)葡萄反射率(f)棉花反射率(g)裸土反射率(h)建筑用地反射率(i)灌木反射率图4.2典型地物地表反射率由图4.2分析可得小麦在五月份近红外波段的反射率较高，而油葵，玉米，水稻，葡萄，棉花均在八月份近红外波段的反射率较高，裸土和建筑用地各个波段的反射率在时间序列上变化较小，最后新疆阜康北部区域位于古尔班通古特大沙漠南部边缘属于典型的盐碱地带，灌木柽柳和梭梭适宜在盐碱地生存，五月份的在盐碱地中处于生长旺期的灌木柽柳在近红外波段的反射率极高，达到0.5左右。4.2时间序列NDVI植被指数4.2.1NDVI植被指数归一化植被指数（NDVI）是植被生长状态及植被覆盖度的最佳因子，已经广泛应用于植被分类、农作物长势监测等方面。NDVI的植被指数模型是如下所示，式中ch1和ch2分别指可见光(0.63-0.68um)通道和近红外(0.845-0.885um)通道，在有植被覆盖的情况下，NDVI为正值，且随植被覆盖度的增大而增大，这就使植被信息得到有效的突出，而裸土在可见光波段和近红外波段有着相似的反射作用，即NDVI值接近0。4.2.2时间序列NDVI数据统计归一化植被指数（NDVI）的获取，在ENVI中利用裁剪工具在融合好的影像上面裁剪一块90m*90m的样本，再利用Toolbox里面NDVI转换的工具如图所示，选择传感器的类型和计算NDVI所需的红波段和近红外波段，输出影像即可，在输出图像上面右键，点击Quickstats进行查询NDVI的值，如图4.10所示。图4.10NDVI值提取时间序列数据可以识别不同阶段的地表物候，在植被生长期，此时植被快速生长，叶面积持续增加，引起近红外波段对绿色植物的高反射和高透射，此时NDVI有一个迅速增加的过程；在植被生长稳定期，植被的叶面积和地表覆被稳定维持在较高水平，此时NDVI持续处于峰值；在植被衰老期，植被开始衰亡，叶面积和叶绿素含量逐渐下降，此时NDVI处于下降趋势，最后根据提取的NDVI值绘制时间序列NDVI曲线如图4.11所示。图4.11时间序列NDVI经分析图4.11时间序列NDVI曲线可知：（1）冬小麦的生育周期与其他几类农作物的生育周期有较大差异，冬小麦在九月中下旬至十月上旬进行播种，翌年五月底至六月中下旬成熟收割，冬小麦在拔节时期生长较快，NDVI曲线呈现上升的趋势，到达五月中旬的时候，NDVI值达到峰值为0.8左右，并持续半个月左右的饱和状态，当冬小麦灌浆成熟的时候，此时小麦呈现黄色，叶片的叶绿素减少，NDVI值呈现下降趋势，待小麦收割之后，地表的形态和裸土比较相近，NDVI值接近0.2。冬小麦收割之后，如果不复播的话，其NDVI值将一直在0.2左右。（2）油葵的生育周期比较短，四月末播种之后，经历拔节开花等生育周期之后，在七月中下旬NDVI值达到峰值，在八月末的时候，油葵已经收割，此时其NDVI值和裸土较为相近。（3）玉米和油葵的生育周期比较像，但玉米相对油葵来说，生长的比较快，在六月下旬的时候，其NDVI值就达到了峰值，通过玉米的生长速度比油葵快，可以将玉米和油葵区分出来，而且玉米是在九月末收割，这与油葵所表现的信息也不一样，玉米在七月中旬到八月初处于抽雄期，玉米的雄花呈淡黄色穗状，此时在一定程度上会降低NDVI值。（4）水稻在分蘖拔节期需要在稻田中灌入大量的水，此时的NDVI值趋于负值，达到了一个低谷，这是水稻与其他植被差异较大的地方，并且稻田是一块一块的小方格，在谷歌地图上面也可以辨认水稻的位置。（5）棉花与玉米生长规律较相似，然而棉花的生育周期比较长，大约在150—200天，并且玉米成熟期早于棉花，九月初棉花处于吐絮盛期，而此时玉米却已成熟，此时棉花差异显著，容易被区分，一般棉花在十月中下旬才进行收割。（6）葡萄是多年生果树，根据新疆阜康生态与地理研究所工作人员提供2019年葡萄树的经纬度，确定葡萄树的位置，获取葡萄基于时间序列NDVI曲线的变化，葡萄在四月份和五月份进行生长发育，然后开始结果实，一直持续到十月份，十月到十一月NDVI曲线呈下降趋势。（7）裸地、建设用地这两类地物的NDVI基本呈稳定趋势，但这两种地物单独来看，每个波段的反射率有较大的差别，通过这两种地物的各个波段的反射率变化差值来区分这两种地物，裸土在近红外，短波红外1这两个波段的反射率较高。（8）干旱地区特有的耐旱耐盐碱的灌木柽柳，在盐碱地中，灌木柽柳会迅速生长，在六月末的时候最为茂盛，其NDVI值最高，然后灌木柽柳会渐渐的开花，花期持续两个月左右，在六月末到八月末之间NDVI曲线呈现下降的趋势，通过灌木柽柳在时间序列NDVI曲线的变化，可以提取灌木的植被信息。4.3本章小结根据不同地表覆被在各个波段所呈现的光谱差异可以区分地表覆被类型和波段运算获取NDVI值，最后得出不同地表覆被在时间序列各个波段地表反射率和NDVI曲线上，呈现不同的特征，而主要背景地物在时间序列上各个波段地表反射率和NDVI值没有太大的变化，利用这些特征对地表覆被进行变化检测。

第5章最佳时相地表覆被提取地表覆被的地表反射率光谱差异性特征是识别地物的基础，利用单一时相的遥感影像进行地表覆被类型的识别虽然方便快捷，但仅仅依靠单一时相的遥感影像对地表覆被类型进行提取往往具有一定的局限性，因此需要选取多时相中最佳时相的地表反射率特征作为分类特征。5.1地表覆被提取5.1.1单一时相地表覆被提取在时间序列上地表覆被的变化特征比较小的，纹理特征明显的裸土和建筑用地。可以利用单一时相的Landsat影像，根据谷歌地图上面的纹理特征，找到影像上面对应的位置进行定义训练样本，然后根据最大似然法原理进行监督分类，这种方法适合小区域的遥感影像的处理，方便快捷，由于本文章中处理的研究区比较小，定义多个训练样本进行监督分类的时候，精度就会相对高些，若研究区较大，定义多个训练样本可能会比较耗时耗力，若定义的训练样本少的话，可能会影像分类精度，可以考虑根据时间序列上面的光谱特征变化规律进行分类。本文中采用的是最大似然法进行分类，首先根据经验和谷歌地图上面表现的纹理特征，进行定义训练样本，尽可能多的选择训练样本，这样有助于提高你的分类精度，再对训练样本进行评价，衡量训练样本的可分离性，然后根据最大似然法原理进行监督分类，最大似然法的原理就是假设每一个波段的每一类统计都呈正态分布，计算给定像元属于某一训练样本的似然度，像元最终被归并到似然度最大的一类中去。操作过程如下所述：在Toolbox工具箱中输入MaximumLikelihoodClassification工具，在文件输入对话框中选择OLI影像，打开MaximumLikehihood参数设置面板，如图5.1所示，进行参数设置，选择输出路径，执行分类。由于本次分类仅仅想提取裸土和建设用地这些在时间序列上几乎没有什么变化的地物，更改颜色，将其他几种地物设置为白色，只保留裸土和建设用地的颜色，最后输出裸土和建设用地的地表覆被填图。图5.1最大似然分类5.1.2时间序列地表覆被提取地物的“异物同谱”等现象使得仅靠单一时相的遥感影像进行作物提取存在明显不足，难以区分地表覆被类型，即使可以提取出来也难以达到精度要求，尤其是农作物，大部分的农作物都是在四月末进行播种，在八月份的时候达到生长发育的旺期，在九月十月的时候进行收割，单一的时相所表现的信息，往往比较有局限性，不能精准的判断地物。根据前面所提取的基于时间序列的归一化植被指数和地表的反射率再结合地表覆被的纹理，将这些信息综合起来进行地表覆被类型的判别。在地表覆被中最难区分的便是农作物，新疆阜康地区种植的农作物包括小麦、油葵、玉米、水稻、棉花和果树葡萄。单一时相的遥感信息植被识别植被生长过程中一个时间节点上的状态，而且这一时间节点的选取也不具有代表性，因此选择多时相的遥感影像对地表覆被进行变化检测，时间序列的遥感信息可以捕获地表覆被生长发育过程中多个时间节点上的信息，将这些信息组合起来，可以潜在的提高对地表覆被的识别，提高分类精度。根据提取的基于时间序列的NDVI曲线和地物的光谱特征对农作物进行分类。根据时间序列的NDVI曲线可知，小麦在四月中下旬NDVI值有一个增加的过程，在五月中下旬小麦进入生长旺期，其NDVI值达到饱和，约为0.8左右，根据这一特征进行阈值分割，提取小麦，再利用波段运算将这两个时相的影像做一个差值，利用差值再进行阈值分割，提取小麦，将两者信息综合确定小麦的覆被位置。以此类推，油葵在八月上旬就接近成熟，其NDVI值达到了一个峰值，在八月下旬的时候，油葵完全成熟进行收割，此时没有植被特征，在新疆阜康地区八月下旬收割的只有油葵，利用这两个时相的NDVI差值进行阈值分割，提取油葵的信息。九月上旬为区分棉花与其他地物的最佳时相，此时棉花处于吐絮旺期，植株茂盛，植被光谱特征明显突出，在近红外波段反射率很高，此时的NDVI值也很高，此时其他的作物均已经成熟，近红外波段的反射率不高，NDVI值也相对较低，利用近红外波段和NDVI值变化的特征，进行波段运算，再利用阈值分割对棉花进行提取。在五月中下旬，水稻处于拔节期，此时需水量较大，需要及时向稻田内灌水，水在可见光波段比近红外波段有更高的反射作用，即NDVI值为负值，在时间序列的NDVI曲线上表现为一个低谷，利用此特征进行阈值分割，提取水稻。玉米比其他几种农作物成熟的早，在六月末，其NDVI值就达到了峰值，利用这一变化特征，可以将玉米区分出来。葡萄在六月末其NDVI值达到峰值之后，一直维持不变，在十月初葡萄的NDVI值较高仅低于棉花，十月份到十一月份随着温度降低，叶片脱落，进入休眠期，NDVI值呈下降趋势，利用这些变化特征对葡萄进行提取。灌木柽柳在六月达到生长旺期，NDVI值迅速增加，然后进入花期，NDVI值逐渐降低，开花结束之后，柽柳叶子开始逐渐枯黄，在十一月入冬时N