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(4)
【作者】网站采编
【关键词】
【摘要】GVMI作为旱情监测指标对于水稻正常生长区和受灾区提取效果较好,分类总体精度达到93.1%,Kappa系数为0.85,对灾害区进一步划分为欠收区、绝收区和未种植
GVMI作为旱情监测指标对于水稻正常生长区和受灾区提取效果较好,分类总体精度达到93.1%,Kappa系数为0.85,对灾害区进一步划分为欠收区、绝收区和未种植区评估时精度会下降,精度和Kappa系数分别为86.2%和0.81,但一致性效果仍然显著,决策树分类方法对水稻旱灾监测与评估效果较好.因此,GVMI可以作为水稻干旱指标,对水稻区旱情监测与评估有一定参考和应用价值.由于研究区长时间降水偏少、水库蓄水不足以及部分地区灌溉成本较高等因素,导致2019年水稻干旱灾情严重,受灾面积达43 957.49 hm2,占总面积56.87%,其中欠收区、绝收区和未种植区分别占比25.41%、26.78%和4.68%,其他为正常生长区.
采用GVMI作为旱情指标提取水稻旱情区,将受灾区按照不同干旱程度细分后,提取精度下降,水稻欠收区、绝收区和未种植区存在较严重混分现象,特别是欠收区和未种植区,难以精确分类提取的问题,还需进一步深入研究,今后可以从数据源和分类方法选取方面进行研究.如在条件允许下获取水稻生长期内更早期的遥感影像数据,或采用高光谱等其他数据源等,以便更好地区分水稻种植区和未种植区,亦或采用其他分类方法提高不同干旱程度水稻区识别精度.
[1] 于君明,蓝朝桢,周艺,等.农作物含水量的遥感反演[J].武汉大学学报(信息科学版),2009,34(2):210-213.
[2] 孙灏,陈云浩,孙洪泉.典型农业干旱遥感监测指数的比较及分类体系[J].农业工程学报,2012,28(14):147-154.
[3] 梁美盈,刘秀芸,周逍峰,等.基于高分一号的农田植被区土壤湿度反演研究[J].湖北大学学报(自然科学版),2018,40(6):580-585.
[4] 张红卫,陈怀亮.改进型垂直干旱指数法(MPDI)在干旱遥感研究中的应用[C]∥全国生态与农业气象业务发展与技术交流会.南昌:国家分管中心,江西能源局,2007.
[5] 杜保佳,张晶,王宗明,等.应用Sentinel-2A NDVI时间序列和面向对象决策树方法的农作物分类[J].地球信息科学学报,2019,21(5):740-751.
[6] Tagesson T,Horion S,Nieto H,et of SMOS soil moisture over West Africa using the temperature and vegetation dryness index based on SEVIRI land surface parameters[J].Remote Sensing of Environment,2018,206:424-441.
[7] Zhao S,Cong D,He K,et variation of drought in China from 1982 to 2010 based on a modified temperature vegetation drought index[J].Scientific Reports,2017,7(1):1747.
[8] Ceccato P,Flasse S,Tarantola vegetation leaf water content using reflectance in the optical domain[J].Remote Sensing of Environment,2001,77:22-33.
[9] Ceccato P,Gobron N,Flasse S,et a spectral index to estimate vegetation water content from remote sensing data (Part 1):theoretical approach[J].Remote Sensing of Environment,2002,82:188-197.
[10] Ceccato P,Flasse S,Gregoire J a spectral index to estimate vegetation water content from remote sensing data (Part 2):validationand applications[J].Remote Sensing of Environment,2002,82:198-207.
[11] 申文明,王文杰,罗海江,等.基于决策树分类技术的遥感影像分类方法研究[J].遥感技术与应用,2007(3):333-338.
[12] 李龙,李旭青,吴伶,等.基于决策树和神经网络的农作物分类研究:以廊坊市为例[J].红外,2019,40(3):24-31.
[13] 饶萍,王建力,王勇.基于多特征决策树的建设用地信息提取[J].农业工程学报,2014,30(12):233-240.
[14] 何炬,张雪松,邓振,等.低山丘陵地区农村居民点空间分布特征及影响因素:以湖北省随县为例[J].江苏农业科学,2019,47(14):310-315.
[15] 张光军.鄂北地区农业旱灾的成因与对策研究[D].武汉:华中师范大学,2008.
[16] 权文婷,周辉,李红梅,等.基于S-G滤波的陕西关中地区冬小麦生育期遥感识别和长势监测[J].中国农业气象,2015,36(1):93-99.
[17] Neteler daily land surface temperatures in mountainous environments by reconstructed MODIS LST data[J].Remote Sensing,2010,2(1):333-351.
[18] 杨晓龙.不同生育期干旱胁迫对水稻产量品质影响的生理机制研究[D].武汉:华中农业大学,2019.
[19] 傅志强,黄璜.不同生育期灌水对水稻生长及产量的影响[J].作物研究,2009,23(S1):114-117.
[20] 陈彩虹,张志珠,卢宏琮,等.不同生育期干旱对水稻生长和产量的影响[J].西南农业学报,1993(2):38-43.
文章来源:《干旱区资源与环境》 网址: http://www.ghqzyyhjzz.cn/qikandaodu/2021/0714/591.html