基于多时相MODIS EVI种植结构提取的作物需水量估算

摘要:作物需水量(CWR)估算是干旱地区合理用水和农业节水的关键。利用遥感数据获取大面积长期 CWR 有助于缺水地区的水资源管理。本研究以中国西北干旱区的开都-孔旗河流域为研究区,探讨了协同利用物候特征、Savitzky-Golay滤波器、谐波分析和决策树从MODIS EVI中提取作物种植结构(CPS)的可行性,同时分析了估计 CWR 的时空变化。结果表明,该CPS识别提取一体化方法可行、可靠,分类准确率超过80%。中期阶段需要的水最多,经济作物比谷类作物需要更多的水。夏季占生长季节用水总量的 69%。棉花等高需水作物种植面积显着增加,使流域总水草比从 14.91×10 猛增8米3在2000至34.92×10 8米3在2017年CWR的空间分布是更相关的作物种类和面积比的气候条件。控制耕地扩张,优化农业种植结构,仍是流域水资源可持续管理的重要任务。

学习区

塔里木河支流之一的开都-孔启河位于中国新疆天山南坡(图 1)。流域面积7.73×10 4 km 2经度为 82º56' - 88º12'E,纬度为 40º48' - 43º20'N。研究区具有独特的高温、少雨、日照充足的气候,是新疆重要的农业生产基地。年平均降水量仅为155.6毫米,但非均质性很强,夏季降水量75%,西北700多毫米,东南50毫米。河流由降水(45.4%)和冰雪融化(15.2%)补给。河流流量全年分布不均,春季为22.4%,夏季为44.9%,秋季为21.3%,冬季为11.4%。农业灌溉占用水总量的90%。

Fig. 1

遥感数据

遥感数据包括2000年、2005年、2010年和2017年的MOD13Q1(植被指数)和MCD12Q1(土地覆盖)(https://modis.gsfc.nasa.gov)。250 m 空间分辨率的 MOD13Q1 数据用于提取作物类型。共有 356 张图片。轨道号涉及h24v04、h24v05、h25v04和h25v05。MCD12Q1 土地覆盖数据用于帮助确定作物的分布。使用MODIS重投影工具和ArcGIS软件对影像进行拼接、投影转换和裁剪等预处理。

气象资料

新疆66个站点的每日气象数据来自中国气象数据共享网(http://data.cma.cn),包括最低和最高气温、日照时数、相对湿度和平均风速。数据用于ET 0计算。

实地调查数据

于2017年7月1日至15日在研究区进行了实地调查。剔除无效数据后,共选取275个样本点(图 1)进行作物分类的训练和验证。研究区主要农作物有小麦、玉米、棉花、甜菜、番茄、辣椒和梨七种。

统计数据

作物面积数据来自巴音郭楞蒙古自治州统计年鉴(2001年、2006年、2011年和2018年)。统计数据用于作物分类提取的准确性验证。

方法

Savitzky-Golay 滤波器

MODIS EVI采用最大值合成法生成,可有效消除部分云、气溶胶和地物双向反射的干扰,但仍有云层的影响(Wu et al. 2009),会造成锯齿状不规则EVI 曲线的波动并影响作物识别。Savitzky-Golay (SG) 滤波器可用于平滑 EVI 时间序列并帮助改进作物分类(Cao 等人,2018 年)。SG 过滤过程的细节可以在 Chen 等人 ( 2004 ) 的文献中找到。

  • 6
    点赞
  • 33
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
dNBR值(differenced Normalized Burn Ratio)是衡量火灾烈度的指标之一,可以通过MODIS/061/MCD64A1数据计算得到。 以下是基于GEE计算dNBR值的步骤: 1. 打开GEE平台并登录账号。 2. 在左侧菜单栏中选择“地图”选项,进入地图界面。 3. 在地图界面中,点击左上角的“+”按钮,添加MODIS/061/MCD64A1数据。 4. 在左侧图层栏中选择“MODIS/061/MCD64A1_500m_aid0001”图层,并调整时间范围至所需的时间段。 5. 在左侧菜单栏中选择“代码编辑器”,并在编辑器中输入以下代码: ``` // 定义AOI区域 var aoi = ee.Geometry.Polygon( [[[113.0, 33.0], [115.0, 33.0], [115.0, 35.0], [113.0, 35.0], [113.0, 33.0]]], null, false); // 选择计算的时间段 var start_date = ee.Date.fromYMD(2019, 1, 1); var end_date = ee.Date.fromYMD(2019, 12, 31); // 选择计算的MODIS波段 var modis_bands = ['BurnDate','QA']; // 筛选出指定时间段内的MODIS数据 var modis_dataset = ee.ImageCollection('MODIS/006/MCD64A1') .select(modis_bands) .filterDate(start_date, end_date) .filterBounds(aoi); // 定义NDVI计算公式 var nbr_formula = function(image) { var nbr = image.normalizedDifference(['sur_refl_b04', 'sur_refl_b07']); return nbr.rename('NBR'); }; // 计算dNBR值 var pre_fire = ee.Image(modis_dataset.sort('system:time_start', false).first()).select('BurnDate'); var post_fire = ee.Image(modis_dataset.sort('system:time_start', true).first()).select('BurnDate'); var pre_nbr = nbr_formula(pre_fire); var post_nbr = nbr_formula(post_fire); var dNBR = post_nbr.subtract(pre_nbr).rename('dNBR'); // 将结果可视化 Map.centerObject(aoi, 9); Map.addLayer(dNBR, {min:-1,max:1,palette:['FF0000','FFFF00','00FF00']}, 'dNBR'); ``` 上述代码中,首先定义了计算区域(AOI)、计算时间段(start_date和end_date)以及需要计算的MODIS波段(modis_bands)。接着,通过ImageCollection函数筛选出指定时间段内的MODIS数据,并选择需要的波段。定义了计算dNBR值所需的函数(nbr_formula),并使用该函数计算出前火情(pre_fire)和后火情(post_fire)的NBR值,最终得出dNBR值(dNBR)。最后将结果可视化,其中min、max和palette参数可根据需要进行调整。 完成上述代码的输入和运行后,即可在地图上看到计算得到的dNBR值。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

aspireone1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值