期刊信息
主办:内蒙古农业大学沙漠治理研究所
主管:内蒙古农业大学
ISSN:1003-7578
CN:15-1112/N
语言:中文
周期:月刊
影响因子:1.681818
数据库收录:
北大核心期刊(2004版);北大核心期刊(2008版);北大核心期刊(2011版);北大核心期刊(2014版);北大核心期刊(2017版);农业与生物科学研究中心文摘;中国科学引文数据库(2011-2012);中国科学引文数据库(2013-2014);中国科学引文数据库(2015-2016);中国科学引文数据库(2017-2018);中国科学引文数据库(2019-2020);中文社会科学引文索引-扩展(2008-2009);中文社会科学引文索引-扩展(2012-2013);中文社会科学引文索引-来源(2000-2002);中文社会科学引文索引-来源(2003);中文社会科学引文索引-来源(2004-2005);中文社会科学引文索引-来源(2006-2007);中文社会科学引文索引-来源(2010-2011);中文社会科学引文索引-来源(2014-2016);中文社会科学引文索引-来源(2017-2018);中文社会科学引文索引-来源(2019-2020);日本科学技术振兴机构数据库;中国人文社科核心期刊;期刊分类:资源科学
基于决策树分类的水稻干旱灾损评估(3)
【作者】网站采编
【关键词】
【摘要】表3 研究区水稻生长周期日历月份5月6月7月8月9月中旬下旬上旬中旬下旬上旬中旬下旬上旬中旬下旬上旬中旬下旬水稻生长期播种、返青期分蘖期拔节抽穗
表3 研究区水稻生长周期日历月份5月6月7月8月9月中旬下旬上旬中旬下旬上旬中旬下旬上旬中旬下旬上旬中旬下旬水稻生长期播种、返青期分蘖期拔节抽穗期抽穗扬花期灌浆结实期成熟期
图4 多月份决策树分类规则
3.4 精度评价与分析使用30个实地样本点作为验证样本对决策树的分类结果进行验证,精度评价以混淆矩阵形式来表示,分别计算用户精度、制图精度、总体分类精度以及Kappa系数等指标,分析水稻不同旱情区遥感监测结果精度.
表4所示,以水稻正常生长区和受灾区进行划分和验证时,水稻受灾区的总体精度为93.1%,Kappa系数为0.85,精度较高,表明干旱指数提取研究区水稻受灾区效果较好.而当水稻受灾区进一步划分为绝收区、欠收区和未种植区进行验证时,识别精度会明显下降,总体精度为86.2%,Kappa系数为0.81,Kappa系数在0.81~1.0之间,3种指数结合的水稻区提取方法分类效果一致性显著.两种验证方式下,正常生长区的精度不变,均处于较高水平,主要是因为正常生长区和受灾区水稻遥感特征差异较大,容易区分,从而误差小.而受灾区中的欠收区、绝收区、未种植区影像特征相似性高,因而难以有效精确划分,从而使提取精度下降.
表4 决策树分类提取各水稻区精度分类精度正常生长区受灾区正常生长区欠收区绝收区未种植区用户精度90.0%94.7%90.0%83.3%87.5%86.2%制图精度90.0%94.7%90.0%83.3%87.5%86.2%总体精度93.1%86.2%Kappa系数0.850.81
表4中,正常生长水稻区的制图精度和用户精度最高,未种植区和绝收区相对较低,其分类结果中未种植区和绝收区存在明显的混分错分现象,其原因主要是绝收区的水稻幼苗期因缺水枯萎或死亡,植被特征不明显,和未种植区一样在某种程度上和裸地光谱特征很相似,如图5,从而引起水稻未种植区和绝收区、裸地的互相混淆,使得绝收区和未种植区难以有效区分;水稻欠收区的分类精度最低,在7月份或8月份的水稻生长期间,由于干旱缺水造成水稻生长缓慢甚至暂时停止生长,使水稻显现出与部分绝收区水稻类似的光谱特征,从而造成水稻绝收区和欠收区出现一定混分现象,降低了水稻欠收区的分类精度.
图5 干旱监测结果分布及分析
3.5 水稻旱情分布及分析根据各月份旱情分布结果,采用决策树分类方法,利用ENVI5.3决策树分类工具和空间分析工具计算提取不同干旱程度的水稻区面积和空间分布(图6).结果显示:研究区内水稻总体上呈分散分布,但主要集中成片分布在研究区中部地区.具体受灾情况如表5所示,研究区内水稻干旱灾情严重,受灾面积达到56.87%,超过研究区水稻总面积的1/2.
图6 2019年水稻灾情分布
表5 水稻旱情区面积及比例总面积正常生长区欠收区绝收区未种植区面积/hm..0...14百分比100.0%43.14%25.41%26.78%4.68%
自2019年2月起,研究区长时间降水偏少及出梅后持续晴热高温天气等原因,导致大量水库蓄水不足.同时也对水稻种植面积和长势产生了重大影响,出现大面积绝收现象.水稻受灾区在研究区内均有分布,其中面积最大的区域在中部新街、安居、厉山、万店等乡镇,尤其是新街镇北部和厉山镇西部地区,水稻大面积绝收,在苗期就因干旱大量枯死.根据实地调查、结合影像特征及水稻干旱分布结果、高程分析等,大部分受灾区因为上游水库蓄水不足,距离相对较远,或由于高程接近于附近水库或河流,甚至更高,灌溉条件相对较差,成本增加,导致水稻干旱.如上文中提到的新街镇北部和厉山镇西部受灾面积最大,该区域水稻面积集中大片分布,需水量大,上游水库小或距离远,蓄水量不足,附近黑屋湾水库蓄水量也难以满足如此大量的需求.此外,黑屋湾水库下游区域大面积水稻也需要水源,该区域高程总体低于其东北部受灾区,而且有沟渠连通,灌溉条件更好,因而优先满足该区域的水量需求.该区域水稻生长总体较好,加上高温天气,产量反而有所提高.东部厥水河不仅水量比往年少,高程也比该受灾区低30 m左右,如选此为水源,不仅距离较远,成本也会较高.
4 结论与讨论
通过对NDVI、TVDI、GVMI、MPDI等4个遥感指数和样本数据进行相关性分析,计算得到最优指数,选取最优指数提取各月份干旱灾情分布,结合决策树分类方法,提取研究区水稻干旱受灾面积及分布,并分析评估监测结果的精度,分析该指数用于灾损评估的适用性,研究表明:
NDVI、GVMI、MPDI3种指数和样本之间均存在很强正相关性,其中GVMI相关性最高,且各月份均比NDVI、MPDI高,作为本研究旱灾监测与评估指标,其次是NDVI、MPDI.以上3种指数均适用于受灾评估.TVDI和样本呈负相关,相关性较低,不适用于本研究中的干旱监测与评估.
文章来源:《干旱区资源与环境》 网址: http://www.ghqzyyhjzz.cn/qikandaodu/2021/0714/591.html