新疆阜康地區(qū)遙感影像數(shù)據(jù)設計

ADDINCNKISM.UserStyle前言地表覆被變化的過程、趨勢、弘動力以及全球生態(tài)環(huán)境變化成為研究的重點，中國新疆地區(qū)位于中緯度的亞歐內(nèi)陸，是典型的干旱區(qū)，降水量稀少、蒸發(fā)強烈、水資源缺乏、生態(tài)環(huán)境脆弱，而地表覆被具有特定的時間和空間特征，利用單一時相的遙感影像進行地表覆被類型的識別雖然方便快捷，但僅僅依靠單一時相的遙感影像對地表覆被類型進行提取往往具有一定的局限性，很難達到分類的精度，故需要選取多時相的各個波段的地表反射率數(shù)據(jù)和歸一化植被指數(shù)（NDVI）作為分類特征，利用多時相的遙感影像提取的地表反射率數(shù)據(jù)和歸一化植被指數(shù)可以很好的反映地表覆被的物候變化規(guī)律和季相節(jié)律性，有利于提高識別不同地表覆被的精度。因此如何利用時間序列遙感影像較好表征地表覆被變化規(guī)律性的特點，從而進行地表覆被遙感信息提取具有重要意義。在利用時間序列NDVI提取物候信息方面，Boke-OlénN等ADDINCNKISM.Ref.{F55C597C47C84a69B6F59F5D4EB3F592}[1]通過時間序列模擬的NDVI與其他遙感植被指數(shù)數(shù)據(jù)集一起使用，以增強可以獲得年際和季節(jié)性植被動態(tài)變化信息和物候信息，較好的反應熱帶草原干旱地區(qū)植被物候變化規(guī)律特征，從而提高對地表覆被信息的識別。在地表覆蓋分類方面，胡勇等[2]基于時間序列的Landsat數(shù)據(jù)，選擇易于獲得青藏高原瑪多地區(qū)訓練樣本的地表反射率數(shù)據(jù)作為參考影像，并結合訓練樣本數(shù)據(jù)提取不同地表覆被的光譜特征，再將參考影像中提取的地表覆被的光譜特征擴展到所有時間序列地表反射率數(shù)據(jù)進行分類。在利用時間序列方法提取地表覆被方面，鄭玉坤ADDINCNKISM.Ref.{597A345467B94a5b884CF772ED80D081}[3]利用時間序列分析的方法，從AVHRR傳感器提供的多時相NDVI數(shù)據(jù)中提取植被的季相變化特征，并利用此特征對地表覆蓋類型進行分類。在利用多時相對地物提取方面，王文靜等ADDINCNKISM.Ref.{597A345467B94a5b884CF772ED80D081}[4]基于多時相的LandsatOLI遙感數(shù)據(jù)，開展了綜合多特征的提取與特征選擇的方法進行研究，綜合基于時間序列歸一化植被指數(shù)、最佳時相地表覆被反射率光譜特征以及地表紋理特征作為初始分類的特征，再采用基于屬性重要度的粗糙集特征選擇的算法，對新疆沙灣縣的棉花進行提取，在一定程度上提高了棉花分類的精度。本文基于2016年（14個時相）、2017年（12個時相）和2018年（12個時相）處于植被生長季的時間序列的LandsatOLI地表反射率數(shù)據(jù)，利用時間序列不同地表覆被類型的地表反射率數(shù)據(jù)和歸一化植被指數(shù)的變化特征，對地表覆被類型進行識別。第1章緒論1.1研究背景及研究的目的和意義1.1.1研究背景目前土地覆蓋變化是全球生態(tài)環(huán)境變化研究的核心主題之一，遙感手段是全球生態(tài)環(huán)境監(jiān)測的重要手段之一，其在地表覆被變化研究中的應用主要集中在遙感的數(shù)據(jù)處理和信息提取上，如植被類型和地表覆被類型的分類、土壤的分類、土壤水分的分等定級等。遙感手段具有宏觀、及時獲取地面信息的能力，具有信息獲取快、覆蓋范圍廣、周期性強等獨特的優(yōu)勢，可利用這些信息客觀地評價區(qū)域的生態(tài)環(huán)境狀況。通過遙感影像可監(jiān)測地表覆被類型的動態(tài)變化過程，為準確了解全球生態(tài)環(huán)境現(xiàn)狀提供的信息；通過時間序列定量化遙感產(chǎn)品，為全球生態(tài)環(huán)境變化演變機理分析提供客觀的依據(jù)；通過獲取某區(qū)域生態(tài)環(huán)境背景信息，為科學認知區(qū)域生態(tài)環(huán)境狀況提供數(shù)據(jù)基礎；同時，通過遙感技術快速獲取生態(tài)環(huán)境動態(tài)變化信息，發(fā)現(xiàn)其時空變化特征和規(guī)律，為科學評價建設的生態(tài)環(huán)境影響提供技術支撐。地表覆被類型劃分的基本依據(jù)是基于時間序列的光譜變化特征，時相特征和光譜特征是地表覆被變化遙感監(jiān)測識別的兩個重要屬性。將時間序列與光譜信息結合起來，可以提高對地表覆被信息識別的精度。由于每種類型的農(nóng)作物都有特定的種植和收割時間和固定的季相變化特征，因此如何基于時間序列準確的識別地表覆被類型已經(jīng)成為了一種重要的技術手段。地表覆被類型遙感識別的第一種方式是采用單一時相手段，即利用地表覆被最關鍵物候期的影像提取覆被類型，這種采用單一時相識別地表覆被的方法效率高、操作簡單，但是，這種方法很難得到地表覆被季節(jié)性變化的時間序列特征曲線，也很難客觀的判斷最佳時相的遙感影像，以及無法克服地表覆被“異物同譜”的現(xiàn)象和最佳時相的遙感影像受到云雨天氣的影響。與此同時，當研究區(qū)域種植結構復雜時，單一時相的遙感影像很難分離有著相似季相節(jié)律特征的不同類型農(nóng)作物，因此導致提取的地表覆被類型的精度往往不夠。相比較之下，采用時間序列的遙感識別方法能夠捕獲地表覆被生長發(fā)育過程中多個時間節(jié)點上的信息，獲取其動態(tài)變化特征，顯著提高了單一時相識別地表覆被方法的精度。1.1.2研究的目的和意義地表覆被變化作為全球生態(tài)環(huán)境變化研究重點，其反映了自然與人文交叉最密切的問題，是眾多學科研究的熱點和前沿。地表覆被變化也是全球變化的重要驅動因素，是迄今人類改變地球系統(tǒng)最重要的方面之一，在區(qū)域尺度上，地表覆被的變化不僅直接影響生態(tài)系統(tǒng)的生物多樣性，而且會影響諸如水分循環(huán)、能量流動、碳循環(huán)等生態(tài)系統(tǒng)功能。通過遙感手段可以捕獲地表覆被的信息，獲取的數(shù)據(jù)便于在時間和空間上的比較分析，并且通過遙感技術手段可以定量監(jiān)測地表覆被變化發(fā)生的位置、時間、過程和幅度，能促使我們更加精確地分析表覆蓋的變化、并評估生態(tài)系統(tǒng)的變化與響應。中國新疆地區(qū)位于中緯度的亞歐內(nèi)陸，是典型的干旱區(qū)，降水量稀少、蒸發(fā)強烈、水資源缺乏、植被稀疏、種群單一、覆蓋度較低、生態(tài)環(huán)境脆弱。由于新疆阜康地區(qū)干旱、降水量稀少、蒸發(fā)強烈，造成土壤有著不同程度的鹽漬化現(xiàn)象，這是新疆生態(tài)環(huán)境十分普遍而突出的特征?；趩我粫r相對地表覆被信息進行提取往往具有一定的局限性，時間序列遙感信息可以捕獲地表覆被生長發(fā)育過程中多個時間節(jié)點上的信息，這些信息能夠反映地表覆被的物候變化規(guī)律和季相節(jié)律性，因此如何利用時間序列遙感影像較好表征地表覆被變化規(guī)律性的特點，從而進行地表覆被遙感信息提取完成對地表覆被類型監(jiān)測具有重要意義。1.2國內(nèi)外研究現(xiàn)狀1.2.1國外研究現(xiàn)狀在利用時間序列NDVI提取物候信息方面，Boke-OlénN等ADDINCNKISM.Ref.{F55C597C47C84a69B6F59F5D4EB3F592}[1]通過時間序列模擬的NDVI與其他遙感植被指數(shù)數(shù)據(jù)集一起使用，以增強可以獲得年際和季節(jié)性植被動態(tài)變化信息和物候信息，較好的反應熱帶草原干旱地區(qū)植被物候變化規(guī)律特征，從而提高對地表覆被信息的識別。在土地利用和覆被變化方面，Ramita等ADDINCNKISM.Ref.{F55C597C47C84a69B6F59F5D4EB3F592}[5]采用Landsat1985年和2005年兩期遙感數(shù)據(jù)對澳大利亞的禁獵區(qū)新南威爾士的土地利用和覆被變化的種類和面積進行了研究，得到了新南威爾士的土地利用類型的面積變化、新南威爾士城郊的土地利用類型變化數(shù)據(jù)及該區(qū)的土地利用景觀格局的變化數(shù)據(jù)。1.2.2國內(nèi)研究現(xiàn)狀我國是一個疆域遼闊、自然條件復雜、地表植被覆蓋類型多樣和土地利用復雜的國家,利用遙感時間序列信息研究我國土地利用覆蓋變化引起了很多學者的重視。在地表覆蓋分類方面，胡勇等[2]基于時間序列的Landsat數(shù)據(jù)，選擇易于獲得青藏高原瑪多地區(qū)訓練樣本的地表反射率數(shù)據(jù)作為參考影像，并結合訓練樣本數(shù)據(jù)提取不同地表覆被的光譜特征，再將參考影像中提取的地表覆被的光譜特征擴展到所有時間序列地表反射率數(shù)據(jù)進行分類。在利用時間序列方法提取地表覆被方面，鄭玉坤ADDINCNKISM.Ref.{597A345467B94a5b884CF772ED80D081}[3]利用時間序列分析的方法，從AVHRR傳感器提供的多時相NDVI數(shù)據(jù)中提取植被的季相變化特征，并利用此特征對地表覆蓋類型進行分類。在利用多時相對地物提取方面，王文靜等ADDINCNKISM.Ref.{597A345467B94a5b884CF772ED80D081}[4]基于多時相的LandsatOLI遙感數(shù)據(jù)，開展了綜合多特征的提取與特征選擇的方法進行研究，綜合基于時間序列歸一化植被指數(shù)、最佳時相地表覆被反射率光譜特征以及地表紋理特征作為初始分類的特征，再采用基于屬性重要度的粗糙集特征選擇的算法，對新疆沙灣縣的棉花進行提取，在一定程度上提高了棉花分類的精度。在干旱區(qū)地表覆蓋度信息提取方面，古麗·加帕爾等ADDINCNKISM.Ref.{BBD186B1CAEE4dbbAB620CB512DFDA8C}[6]選擇對角線法、之字型法、隨機采用法及全采樣法提取干旱區(qū)稀疏蘆葦?shù)母采w度信息，對比分析不同采樣方法獲取參數(shù)的精度，同時結合遙感影像，采用線性混合像元分解模型、亞像元變密度分解模型、三波段最大梯度差模型提取干旱區(qū)稀疏蘆葦蓋度信息，并與地面實測覆蓋度參量信息進行對比分析，探討適宜的干旱區(qū)植被蓋度野外監(jiān)測方法及遙感模型。1.3論文的主要內(nèi)容和技術路線1.3.1論文的主要研究內(nèi)容本文以新疆綠洲城市阜康市為研究區(qū)域，選擇2016年、2017年、2018年的一年中不同季相LandsatOLI數(shù)據(jù)作為數(shù)據(jù)源，研究遙感時間序列信息在地表覆被地表變化中的應用。首先利用ENVI等軟件對獲得的數(shù)據(jù)進行預處理，然后基于時間序列對地表覆被的光譜特征進行提取，獲取不同時間地表覆被的變化特征和規(guī)律，并進一步利用時間序列信息地表覆被類型進行分類。研究主要分為以下三部分：（1）遙感影像處理。根據(jù)研究區(qū)概況，獲取研究區(qū)域的遙感影像數(shù)據(jù)，并在ENVI軟件中對遙感圖像融合與裁剪等遙感影像的預處理。（2）新疆阜康地區(qū)地表覆被現(xiàn)狀及其變化信息提取?；跁r間序列的遙感信息可以捕獲地表覆被生長發(fā)育過程中多個時間節(jié)點上的信息，組合起來可以潛在提高對地表覆被的識別。利用地表覆被的各個波段的地表反射率數(shù)據(jù)和提取的歸一化植被指數(shù)，選用監(jiān)督分類和閾值分割的方法對研究區(qū)的遙感影像進行提取，獲得新疆阜康干旱地區(qū)不同地表覆被信息。（3）實驗結果統(tǒng)計分析。首先基于時間序列對得到的遙感影像數(shù)據(jù)，進行對比和分析地表覆被的光譜特征，進而獲得新疆阜康市地區(qū)地表覆被類型數(shù)據(jù)，最后得出實驗結論。1.3.2論文的研究思路及技術路線本文是對新疆阜康地區(qū)遙感影像數(shù)據(jù)，通過利用ENVI軟件對該區(qū)域一年中多時相地表覆被變化信息的提取以及得到地表覆被類型分類圖。技術流程圖如圖1.1所示。Landsat地表反射率產(chǎn)品Landsat地表反射率產(chǎn)品圖像融合圖像裁剪AC時間序列單波段反射率數(shù)據(jù)分析2016年14個Landsat時相數(shù)據(jù)時間序列NDVI曲線提取分析2018年12個Landsat時相數(shù)據(jù)作為分類數(shù)據(jù)，2017年12個Landsat時相數(shù)據(jù)作為補充數(shù)據(jù)閾值分割最大似然法D綜合分析與討論A圖像預處理B地表覆被特征提取C時間序列光譜特征分析D地表覆被分類E地表覆被驗證E地表覆被驗證實地考察數(shù)據(jù)典型植被物候期分析主要背景地物特征提取B典型植被物候資料典型地物GoogleEarth、GF高清圖片2018年地表覆被填圖間接驗證與對比定性驗證圖1.1技術流程圖1.4本章小結本章首先闡述了本文的研究背景，目的和意義，點明了本研究在學術及實際應用領域的價值，接著論述了時間序列方法應用于地表覆被研究中的國內(nèi)外研究現(xiàn)狀，最后詳細闡述了本文的主要研究內(nèi)容和技術流程圖。

第2章數(shù)據(jù)組織與處理2.1研究區(qū)概括及數(shù)據(jù)源簡介2.1.1研究區(qū)概括本文研究區(qū)域選取的是西部綠洲城市阜康市。阜康市位于新疆維吾爾自治區(qū)昌吉回族自治州境內(nèi)，位于天山東段北麓、準噶爾盆地的南緣，位居新疆天山北坡一帶一路經(jīng)濟發(fā)展帶上。阜康市中部平原地區(qū)是被天山山脈沖擊的平原，具有發(fā)展農(nóng)業(yè)、工業(yè)生產(chǎn)和旅游業(yè)的區(qū)位優(yōu)勢。阜康市地形呈南北長條的形狀，南面高北面低，阜康市整體大致可分為三部分，阜康的遙感影像如圖2.1所示：圖2.1阜康市標準假彩色合成圖1）南部山區(qū)：主要是天山山脈，在圖2.1阜康市標準假彩色合成圖中，可以清晰看見山脈的紋理特征，阜康地區(qū)主要灌溉的水源就是冰雪融水，到春季的時候，積雪融化補充地下水。高山區(qū)終年積雪，孕育著發(fā)達的冰川，是阜康市各條河流的發(fā)源地；中山帶是阜康市天然的林區(qū)及主要的牧場。丘陵地帶是阜康市牧林及礦結合開展多種經(jīng)營的重要發(fā)展區(qū)域。2）中部平原：在圖2.1標準假彩色合成圖中的中部呈現(xiàn)紅色植被特征的地區(qū)，該平原由天山融雪而形成的各個河流沖積而成，是全市社會經(jīng)濟發(fā)展中最為活躍的區(qū)域，該區(qū)地勢平坦，主要種植的農(nóng)作物有棉花、玉米、小麥、油葵等，是糧油主要產(chǎn)區(qū)，也是基本農(nóng)田的集中分布區(qū)。3）北部沙漠：在圖2.1標準假彩色合成圖中的北部沒有植被特征的區(qū)域，為古爾班通古特大沙漠南部的一部分，該地區(qū)植被多為稀疏的沙生植物，是阜康市的冬牧場，古爾班通古特沙漠位于屬溫帶干旱荒漠性氣候的準噶爾盆地的中央，故該地區(qū)也屬于溫帶干旱荒漠。2.1.2數(shù)據(jù)源簡介根據(jù)研究區(qū)域選擇2016年（14個時相）、2017年（12個時相）和2018年（12個時相）云量較少并且處于植被生長期LandsatOLI數(shù)據(jù)。2016年的數(shù)據(jù)如表2.1所示，2017年的數(shù)據(jù)如表2.2所示，2018年的數(shù)據(jù)如表2.3所示。該數(shù)據(jù)采用6s輻射傳輸模型做過大氣校正反演得到的地表反射率數(shù)據(jù)。這種模型是在假定無云大氣的情況下考慮了水汽、二氧化碳、氧氣和臭氧的吸收、分子和氣溶膠的散射以及非均一地面和雙向反射率的問題，對不同情況下不同的遙感器、不同地面狀況太陽光在太陽—地面目標—遙感器整個傳輸路徑中所受到的大氣影響進行了描述。目前多用于處理可見光、近紅外的多角度數(shù)據(jù)。該模型的主要特點就是通過使用了狀態(tài)近視和多次散射方法來求解輻射傳輸方程，能較好的解決瑞利散射和氣溶膠帶來的的影響。表2.12016年LandsatOLI數(shù)據(jù)軌道號時相傳感器地圖投影類型分辨率p142r2920160322p142r2920160407P143r2920160516p142r2920160525p142r2920160626p142r2920160712p142r2920160728P143r2920160804p142r2920160829p143r2920160905p143r2920160921p142r2920160930P143r2920161007p142r2920161101 表2.22017年LandsatOLI數(shù)據(jù) 軌道號時相傳感器地圖投影類型分辨率p142r2920170221OLIUTM-WGS8430mp143r2920170228p143r2920170503P143r2920170604p142r2920170613p143r2920170620p143r2920170722p142r2920170731p143r2920170807P142r2920170816p142r2920170901p142r2920170917表2.32018年LandsatOLI數(shù)據(jù)軌道號時相傳感器地圖投影類型分辨率p142r2920180413OLIUTM-WGS8430mp142r2920180506p142r2920180522P143r2920180623p142r2920180810p142r2920180826p142r2920180904p142r2920180920p142r2920180927P143r2920181006p142r2920181022p143r29201811142.2遙感數(shù)據(jù)預處理2.2.1圖像融合LandsatOLI各個波段的應用領域如表2.4所示。不同波段合成顯示可以增強不同地物的表示，為目視判讀提供一定的幫助，表2.5是在長期實踐中總結得到的landsatOLI不同波段合成對地物的增強效果。表2.4LandsatOLI波段應用領域波段波長（微米）主要應用領域1-海岸波段0.43-0.45主要應用與海岸帶檢測2-藍波段0.45-0.51對水體有透射能力，能夠反射淺水水下特征，可區(qū)分土壤和植被、編制森林類型圖、區(qū)分人造地物類型3-綠波段0.53-0.59探測健康植被綠色反射率、可區(qū)分植被類型和評估作物長勢，區(qū)分人造地物類型，對水體有一定能夠投射能力4-紅波段0.64-0.67可測量植物綠色素吸收率，并依次進行植物分類，可區(qū)分人造地物類型5-近紅外0.85-0.88測定生物量和作物長勢，區(qū)分植被類型，繪制水體邊界、探測水中生物的含量和土壤濕度6-短波紅外1.57-1.65用于探測植物含水量及土壤濕度，區(qū)分云與雪7-短波紅外2.11-2.29探測高溫輻射源，如監(jiān)測森林火災、火山活動等，區(qū)分人造地物類型表2.5LandsatOLI波段合成說明RGB組合主要用途4、3、2自然真彩色，用于各種地類識別5、4、3標準假彩色圖像，地物圖像豐富、色彩鮮明、層次好，用于植被分類、水體識別6、5、2非標準假彩色合成，用于農(nóng)業(yè)遙感6、5、4非標準假彩色合成，植被類型較豐富，用于植被分析7、6、5穿透大氣層，畫面偏藍色，用于特殊的地質構造調查5、6、4模擬真彩色圖像，用于陸地，水體識別2.2.2遙感圖像裁剪農(nóng)作物是地表覆被的典型代表，為了提高計算機的運行速度，減少處理的數(shù)據(jù)量，在遙感影像上選取了東經(jīng)87°54′4.55″—88°03′55.05″，北緯44°15′50.44″—44°21′59.04″的阜北農(nóng)場作為研究區(qū)，同時阜北農(nóng)場也是新疆阜康荒漠生態(tài)系統(tǒng)國家野外科學觀測研究站，本站臺的研究內(nèi)容是完成不同時空尺度上綠洲生態(tài)系統(tǒng)結構功能、動態(tài)演替、優(yōu)化調控；綠洲生態(tài)保護和綠洲農(nóng)業(yè)高效持續(xù)發(fā)展的研究，對農(nóng)田生態(tài)系統(tǒng)環(huán)境進行長期監(jiān)測及數(shù)據(jù)庫信息系統(tǒng)的建立。所以利用ENVI軟件對新疆阜康地區(qū)的遙感影像進行裁剪，獲得阜北農(nóng)場的遙感影像。遙感影像裁剪的目的是將研究之外的區(qū)域去除，本文采用獲取一個ROI文件的方法，通過SubsetDatafromROIS工具對一景影像進行裁剪，最終得到的裁剪圖如圖2.2所示。圖2.2遙感圖像裁剪結果圖2.3本章小結 本章首先闡述了阜康的地理位置以及地形分布情況，其次對本文所使用的LandsatOLI數(shù)據(jù)情況和LandsatOLI各個波段合成的應用領域進行簡單的說明，最后介紹本文中所需的遙感影像波段融合和裁剪的預處理步驟。

第3章時間序列地表覆被特征提取3.1時間序列植被特征提取3.1.1不同植被生育期新疆阜康地區(qū)屬于典型的溫帶大陸性氣候，也是典型的干旱區(qū)，夏季炎熱少雨，冬季寒冷干燥，降雨稀少，蒸發(fā)強烈，該地區(qū)的主要灌溉水源是天山冰雪融水與細小的河流。新疆阜康地區(qū)中部平原種植的作物及其周期如下所述：設施蔬菜即露地蔬菜，開春播種，一般都在設施大棚里種植；果樹包括葡萄，蟠桃園，西梅等；主要農(nóng)作物有冬小麥，不覆膜，9月中下旬至10月上旬播種，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月播種，11月中旬全部收完，有些棉花收獲期由于打脫葉劑的原因，枝干上一般只剩白色的棉絮；玉米，覆膜，行距大，每年4月份播種，9月低收獲，有時候收獲期間綠葉子仍然存在。葡萄4月和5月進行生長發(fā)育，到6月底或7月初葡萄成熟，葡萄的果期在8月和9月。新疆阜康地區(qū)灌木在4月或5月進行生長發(fā)育，在6月達到生長旺期，然后進入花期，開花結束之后，灌木葉子開始逐漸枯黃。這些典型植被在生長發(fā)育過程中，會有不同的特征表現(xiàn)時間序列的遙感信息可以捕獲地表覆被生長發(fā)育過程中多個時間節(jié)點上的信息，組合起來可以潛在提高對地表覆被的識別。表3.1新疆阜康農(nóng)作物物候期農(nóng)作物生育期播種—分蘗分蘗—越冬返青—拔節(jié)拔節(jié)—抽穗抽穗—成熟冬小麥中、下/9-上/11上/11-下/3下/3-中/4中/4-中/5中/5-下/6農(nóng)作物生育期播種—出苗出苗—拔節(jié)拔節(jié)—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農(nóng)作物生育期播種—出苗出苗—現(xiàn)蕾現(xiàn)蕾—開花開花—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農(nóng)作物生育期播種—分蘗分蘗—拔節(jié)拔節(jié)—抽穗抽穗—灌漿灌漿—成熟水稻下/4-中/5中/5—下/6下/6—上/8上/8—上/9上/9—下/10農(nóng)作物生育期播種—出苗出苗—現(xiàn)蕾現(xiàn)蕾—開花開花—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現(xiàn)1.冬小麥：小麥從播種之后到收獲之前的整個過程稱為小麥的生育期。小麥的生育期可分為：播種期、出苗期、分蘗期、越冬期、返青期、起身期、拔節(jié)期、孕穗期、抽穗期、揚花期、灌漿期、成熟期等12個生育時期。小麥生育期的具體名稱和生長情況如表3.2所示，小麥植株生育期外觀表現(xiàn)如圖3.1所示:表3.2小麥的生育期及生長情況生育期小麥生長情況播種期播種后，如果土壤濕度適宜，種子很快就會萌動發(fā)芽，小麥全生育期的天數(shù)，一般從播種期算起，新疆的播種期一般在9月中下旬出苗期田間若有半數(shù)麥苗露出地面2-3厘米左右的時候，即為出苗期，如果墑情好溫度適宜的情況下，1周左右就會出苗分蘗期小麥分蘗期的標準為第一個分蘗芽萌發(fā)，并從基部葉腋內(nèi)伸出l-2厘米。全田50%以上植株出現(xiàn)分蘗的日期為全田分蘗期，分蘗期是決定每畝穗數(shù)和奠定大穗的重要時期，一般11月上旬進入分蘗期越冬期在入冬前日平均溫度下降至0℃左右的時候，麥苗基本停止生長時，即為越冬期，一般12月上旬進入越冬期返青期當翌年生長的葉片由葉鞘長出1-2厘米，全田若有半數(shù)的麥苗達到這一程度，并且仍處葡匐狀態(tài)時，即為返青期，一般在3月中旬進入返青期起身期全田若有半數(shù)以上的小麥由葡匐狀態(tài)轉向直立生長時，主莖的春生第二片葉接近定長，小麥的幼穗分化進入小穗原基分化期時，即為起身期，一般4月上旬進入起身期拔節(jié)期全田半數(shù)以上的小麥伸長節(jié)間露出地面1.5-2厘米，其幼穗分化進入藥隔期時，即為拔節(jié)期，一般4月中旬進入拔節(jié)期孕穗期該時期小麥的生長速度快，生長量大，需肥、需水較多，干物質積累占總干物質重的50%。小麥的幼穗繼續(xù)分化，體積迅速增大，小麥的有效穗數(shù)和可孕小花數(shù)在這一時期確定抽穗期麥田有半數(shù)以上的麥穗的頂端（不包括麥芒）露出葉鞘時，即為抽穗期揚花期麥田半數(shù)以上的麥穗開始開花時，即為揚花期，在抽穗后3-6天左右，一般在5月下旬灌漿期麥粒的胚乳剛呈現(xiàn)清乳狀時，開始進入充實期，在開花后10-13天左右，一般在6月中旬成熟期大部分小麥籽粒的胚乳呈蠟質狀，麥穗和穗下節(jié)變黃，大部分籽粒變硬變重。一般在6月下旬至七月上旬開始收割。(a)播種期(b)出苗期(c)分蘗期(d)越冬期(e)起身期(f)拔節(jié)期(g)孕穗期(h)抽穗期(i)揚花期(j)灌漿期(k)成熟期圖3.1小麥植株生育期外觀表現(xiàn)2.玉米：根據(jù)成熟的時間來分，可以分為早熟、晚熟和中熟。玉米的生育期可分為：苗期、拔節(jié)期、小喇叭口期、大喇叭口期、孕穗期、吐絲初期、吐絲中期、乳熟期、完熟期。玉米的生育期和生長情況如下表3.3所示，玉米植株外觀表現(xiàn)如圖3.2所示:表3.3玉米的生育期及生長情況生育期玉米生長情況苗期第1片真葉展開的日期，幼苗高2~3厘米左右拔節(jié)期莖基部節(jié)間開始伸長生長的日期，標志著植株莖葉已經(jīng)全部分化完成，將要開始旺盛生長，雄花序開始分化發(fā)育的時期小喇叭口期葉齡指數(shù)在46%左右，不同葉齡玉米完全伸長的葉片也不同，一般是在8—10片葉，葉片形似小喇叭口大喇叭口期葉片大部可見，但未全展，心葉叢生，上平中空，形似大喇叭口孕穗期增生節(jié)根3-5層，莖節(jié)間伸長、增粗、定型，葉片全部展開，抽出雄穗其主軸開花吐絲初期雌穗花絲伸出苞葉l-2厘米長的日期吐絲中期雌穗花絲從苞葉伸出2-3厘米的日期乳熟期花絲露在外面的部分開始萎蔫，雌穗外形達到固定大小完熟期雌穗苞葉變黃而松散，子粒呈現(xiàn)本品種固有形狀、顏色，種胚下方尖冠處形成黑色層的日期(a)苗期(b)拔節(jié)期(c)小喇叭口期(d)大喇叭口期(e)孕穗期(f)吐絲初期(g)吐絲中期(h)乳熟期(i)完熟期圖3.2玉米植株生育期外觀表現(xiàn)3.棉花：棉花從播種開始，經(jīng)過出苗、現(xiàn)蕾、開花、結鈴、直至棉鈴成熟吐絮和種子成熟，這個過程稱為生育周期。一般從播種期到收獲期所經(jīng)歷的天數(shù)稱為全生育期，從出苗期到吐絮期經(jīng)歷的天數(shù)稱為生育期。棉花生育期的具體名稱和生長情況如表3.4所示，棉花植株生育期外觀表現(xiàn)如圖3.3所示表3.4棉花生育期的具體名稱和生長情況生育期棉花生長情況出苗期棉苗出土，兩片子葉展開孕蕾期棉株第一個花芽分化開始，一般在2—3片真葉時期進行孕蕾盛蕾期現(xiàn)蕾后10天左右，單株蕾日生長量達到最多的時間，也有人認為在第四果枝開始現(xiàn)蕾時進入盛蕾期初花期剛開始開花到盛花期以前所經(jīng)歷的時間，大約半個月左右，與始花期不同，始花期是田間第一朵花開放時間盛花期開花10天左右，單株開花日增長量最多的時期，或者第四果枝開始開花，進入盛花期吐絮期棉株基部任意果枝上的第一個棉鈴開列露出白絮的時候成熟期吐絮至收獲基本完成，約2個月(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)成熟期圖3.3棉花植株生育期外觀表現(xiàn)4.水稻：水稻從種子萌發(fā)到成熟的整個過程，稱為水稻的一生，從出苗（第一完全葉露出2cm），到成熟所需要的天數(shù)，是水稻的生育期。按生育時期劃分，水稻分為種子萌發(fā)期，幼苗期，分蘗期，拔節(jié)期，孕穗期，抽穗開花期和灌漿成熟期。水稻生育期的具體名稱和生長情況如表3.5所示，水稻的生育期植株外觀表現(xiàn)如圖3.4所示：表3.5水稻生育期的具體名稱和生長情況生育期水稻生長情況萌發(fā)期從播種到出芽（胚根是種子長的二倍）這段時期幼苗期從出芽到水稻第三葉展開的一段時期分蘗期從分蘗開始到幼穗分化開始的一段時期。可分為有效分蘗期和無效分蘗期拔節(jié)期指水稻從拔節(jié)到抽穗前的這一段時間，一般在25至36天左右，拔節(jié)期是決定穗數(shù)和高成穗率的關鍵時期。孕穗期從幼穗分化開始到抽穗前的一段時期抽穗開花期指稻穗從頂端莖鞘里抽出到開花齊穗這段時期，一般5-7天左右灌漿成熟期指稻穗開花后到谷粒成熟的時期，又可分為乳熟期、蠟熟期和完熟期(a)幼苗期(b)分蘗期(c)拔節(jié)期(d)孕穗期(e)抽穗開花期(f)灌漿成熟期圖3.4水稻植株生育期外觀表現(xiàn)5.油葵：喜溫耐旱，適應性強，生育期短，生育期95-105天，因此在新疆地區(qū)小麥收割之后可復播油葵。在油葵的一生中，其外部形態(tài)會出現(xiàn)若干次顯著的變化，根據(jù)外部形態(tài)的顯著變化，一般把油葵的一生劃分6個生育期。油葵生育期的具體名稱和生長情況如表3.6所示，油葵植株生育期外觀表現(xiàn)如圖3.5所示：表3.6油葵生育期的具體名稱和植株外觀表現(xiàn)生育期植株外觀表現(xiàn)播種期播種的日期，油葵的生育期比較短，有些在4月末播種，有些等小麥收割之后進行復播油葵出苗期75%幼苗子葉出土平展的時間現(xiàn)蕾期75%植株主莖花蕾直徑達1厘米的時間開花期75%植株主莖花蕾的舌狀花完全展開的時間盛花期75%植株主莖花蕾的管狀花完全開放的日期，同一花盤開花持續(xù)的時間為8～10天成熟期90%植株種子成熟的日期，子實成熟的標準：花盤背面和莖桿上中部變成黃白色，葉片出現(xiàn)黃綠色；子實充實，外殼堅硬，呈現(xiàn)固有色澤(a)出苗期(b)現(xiàn)蕾期(c)開花期(d)盛花期(e)成熟期圖3.5油葵植株生育期外觀表現(xiàn)3.2背景地物特征提取通過谷歌地圖，可以清晰的看見裸土和建筑用地的紋理特征，捕獲多個裸土和建筑用地的地面紋理特征，尋找裸土和建筑用地紋理特征的共性，作為提取樣本的依據(jù)。3.3時間序列地表反射率提取本論文中，采用LandsatOLI地表反射率數(shù)據(jù)，每景影像的每一個像素都代表一個反射率，獲取地表反射率的值，可以通過將逐景影像直接保存成txt文本格式，但要處理14個時相的數(shù)據(jù)，為了提高效率，用Matlab編程批量處理，根據(jù)選定的90m*90m典型地物的樣本的行列號進行提取不同地表覆被的地表反射率數(shù)據(jù)，選取樣本的行列號如表3.7所示。地表覆被小麥油葵玉米復播水稻行號4880，48824928，49304876，48784850，48524856，4858列號5861，58635862，58645914，59165894，58965771，5773地表覆被葡萄棉花裸土建設用地灌木行號4860，48624852，48544982，49845061，50634980，4982列號5749，57515805，58075965，59675644，56461914，1916運行代碼的主函數(shù)的代碼如下：clc;clearall;%%%用戶定義dirpath0='D:\envi_read\data\';%設置數(shù)據(jù)存放的文件夾路徑outpath='D:\envi_write\data\';%設置絕對輸出路徑Ftype=[string('LC81')];%文件夾名稱%range=[,ldlinebeg,ldlineend,ldsamplebeg,ldsampleend;mdlinebeg,mdlineend,mdsamplebeg,mdsampleend];%分別定義landsat數(shù)據(jù)范圍range=[4856,4858,1751,1753;184,184,466,467];%遙感影像的行列和數(shù)組不一致，輸入行列時需注意%%主程序[row,col]=size(Ftype);%獲取數(shù)組維數(shù)，確定需要循環(huán)的文件夾數(shù)量fori=1:colFold_name=Ftype{1,i};dirpath=strcat(dirpath0,Fold_name,'\');if(strcmp(Fold_name,'LC81'))%讀取Landsat影像信息out_name=strcat(outpath,'landsat.txt');%如果歷史文件存在，則刪除ifexist(out_name,'file')~=0delete(out_name);endfprintf('%s%s\n','startreading:',dirpath);list=dir([dirpath,'\*']);%路徑下的所有的文件名fileNum=size(list,1);%文件夾下文件的個數(shù)fork=3:fileNumsud_dirpath=[dirpath,list(k).name,'\'];%文件下子文件路徑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本章小結根據(jù)新疆阜康地區(qū)農(nóng)作物的物候期，挖掘在時間序列上地表覆被變化特征，利用這些變化特征在Landsat遙感影像上選取不同地表覆被的樣本，并用Matlab對不同地表覆被類型多時相各個波段的地表反射率進行提取。

第4章時間序列光譜特征分析4.1時間序列地物反射率光譜4.1.1地物反射率光譜不同地物具有不同的光譜特征，紅光對于葉綠素及其他植物色素吸收的敏感性，即依賴于紅光對植物的光合作用的敏感性，即紅光對于綠色植物來說是強吸收的，所以植被在紅波段反射率較低，而近紅外光對綠色葉片的葉肉組織結構的敏感性，即對綠色植物高反射和高透射，所以植被在近紅外波段反射率較高，如圖4.1所示。因此可以利用地物在不同波段的光譜反射率差異來區(qū)分地物。表4.1地物反射率均值光譜小麥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圖4.1地物反射率均值光譜經(jīng)分析圖4.1地物反射率均值光譜可知：小麥，玉米，油葵，水稻，棉花這些農(nóng)作物和果樹葡萄在發(fā)育盛期時，近紅外波段的反射率較高而紅外波段的反射率較低，而建筑用地和裸土在近紅外波段和短波紅外波段的反射率相對較高，最后在新疆干旱地區(qū)灌木檉柳等在生育旺期在近紅外波段的反射率極高，根據(jù)這些不同地表覆被在各個波段所呈現(xiàn)的差異可以區(qū)分地表覆被類型。4.1.2時間序列反射率光譜統(tǒng)計利用時間序列的遙感信息識別不同于單一時相的遙感信息，只能識別植被生長過程中一個時間節(jié)點上的狀態(tài)。時間序列的遙感信息可以捕獲地表覆被生長發(fā)育過程中多個時間節(jié)點上的信息，組合起來可以潛在提高對地表覆被的識別，下面柱狀圖圖4.2是對本研究區(qū)典型地物在時間序列上地表反射率的統(tǒng)計。(a)小麥反射率(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)灌木反射率圖4.2典型地物地表反射率由圖4.2分析可得小麥在五月份近紅外波段的反射率較高，而油葵，玉米，水稻，葡萄，棉花均在八月份近紅外波段的反射率較高，裸土和建筑用地各個波段的反射率在時間序列上變化較小，最后新疆阜康北部區(qū)域位于古爾班通古特大沙漠南部邊緣屬于典型的鹽堿地帶，灌木檉柳和梭梭適宜在鹽堿地生存，五月份的在鹽堿地中處于生長旺期的灌木檉柳在近紅外波段的反射率極高，達到0.5左右。4.2時間序列NDVI植被指數(shù)4.2.1NDVI植被指數(shù)歸一化植被指數(shù)（NDVI）是植被生長狀態(tài)及植被覆蓋度的最佳因子，已經(jīng)廣泛應用于植被分類、農(nóng)作物長勢監(jiān)測等方面。NDVI的植被指數(shù)模型是如下所示，式中ch1和ch2分別指可見光(0.63-0.68um)通道和近紅外(0.845-0.885um)通道，在有植被覆蓋的情況下，NDVI為正值，且隨植被覆蓋度的增大而增大，這就使植被信息得到有效的突出，而裸土在可見光波段和近紅外波段有著相似的反射作用，即NDVI值接近0。4.2.2時間序列NDVI數(shù)據(jù)統(tǒng)計歸一化植被指數(shù)（NDVI）的獲取，在ENVI中利用裁剪工具在融合好的影像上面裁剪一塊90m*90m的樣本，再利用Toolbox里面NDVI轉換的工具如圖所示，選擇傳感器的類型和計算NDVI所需的紅波段和近紅外波段，輸出影像即可，在輸出圖像上面右鍵，點擊Quickstats進行查詢NDVI的值，如圖4.10所示。圖4.10NDVI值提取時間序列數(shù)據(jù)可以識別不同階段的地表物候，在植被生長期，此時植被快速生長，葉面積持續(xù)增加，引起近紅外波段對綠色植物的高反射和高透射，此時NDVI有一個迅速增加的過程；在植被生長穩(wěn)定期，植被的葉面積和地表覆被穩(wěn)定維持在較高水平，此時NDVI持續(xù)處于峰值；在植被衰老期，植被開始衰亡，葉面積和葉綠素含量逐漸下降，此時NDVI處于下降趨勢，最后根據(jù)提取的NDVI值繪制時間序列NDVI曲線如圖4.11所示。圖4.11時間序列NDVI經(jīng)分析圖4.11時間序列NDVI曲線可知：（1）冬小麥的生育周期與其他幾類農(nóng)作物的生育周期有較大差異，冬小麥在九月中下旬至十月上旬進行播種，翌年五月底至六月中下旬成熟收割，冬小麥在拔節(jié)時期生長較快，NDVI曲線呈現(xiàn)上升的趨勢，到達五月中旬的時候，NDVI值達到峰值為0.8左右，并持續(xù)半個月左右的飽和狀態(tài)，當冬小麥灌漿成熟的時候，此時小麥呈現(xiàn)黃色，葉片的葉綠素減少，NDVI值呈現(xiàn)下降趨勢，待小麥收割之后，地表的形態(tài)和裸土比較相近，NDVI值接近0.2。冬小麥收割之后，如果不復播的話，其NDVI值將一直在0.2左右。（2）油葵的生育周期比較短，四月末播種之后，經(jīng)歷拔節(jié)開花等生育周期之后，在七月中下旬NDVI值達到峰值，在八月末的時候，油葵已經(jīng)收割，此時其NDVI值和裸土較為相近。（3）玉米和油葵的生育周期比較像，但玉米相對油葵來說，生長的比較快，在六月下旬的時候，其NDVI值就達到了峰值，通過玉米的生長速度比油葵快，可以將玉米和油葵區(qū)分出來，而且玉米是在九月末收割，這與油葵所表現(xiàn)的信息也不一樣，玉米在七月中旬到八月初處于抽雄期，玉米的雄花呈淡黃色穗狀，此時在一定程度上會降低NDVI值。（4）水稻在分蘗拔節(jié)期需要在稻田中灌入大量的水，此時的NDVI值趨于負值，達到了一個低谷，這是水稻與其他植被差異較大的地方，并且稻田是一塊一塊的小方格，在谷歌地圖上面也可以辨認水稻的位置。（5）棉花與玉米生長規(guī)律較相似，然而棉花的生育周期比較長，大約在150—200天，并且玉米成熟期早于棉花，九月初棉花處于吐絮盛期，而此時玉米卻已成熟，此時棉花差異顯著，容易被區(qū)分，一般棉花在十月中下旬才進行收割。（6）葡萄是多年生果樹，根據(jù)新疆阜康生態(tài)與地理研究所工作人員提供2019年葡萄樹的經(jīng)緯度，確定葡萄樹的位置，獲取葡萄基于時間序列NDVI曲線的變化，葡萄在四月份和五月份進行生長發(fā)育，然后開始結果實，一直持續(xù)到十月份，十月到十一月NDVI曲線呈下降趨勢。（7）裸地、建設用地這兩類地物的NDVI基本呈穩(wěn)定趨勢，但這兩種地物單獨來看，每個波段的反射率有較大的差別，通過這兩種地物的各個波段的反射率變化差值來區(qū)分這兩種地物，裸土在近紅外，短波紅外1這兩個波段的反射率較高。（8）干旱地區(qū)特有的耐旱耐鹽堿的灌木檉柳，在鹽堿地中，灌木檉柳會迅速生長，在六月末的時候最為茂盛，其NDVI值最高，然后灌木檉柳會漸漸的開花，花期持續(xù)兩個月左右，在六月末到八月末之間NDVI曲線呈現(xiàn)下降的趨勢，通過灌木檉柳在時間序列NDVI曲線的變化，可以提取灌木的植被信息。4.3本章小結根據(jù)不同地表覆被在各個波段所呈現(xiàn)的光譜差異可以區(qū)分地表覆被類型和波段運算獲取NDVI值，最后得出不同地表覆被在時間序列各個波段地表反射率和NDVI曲線上，呈現(xiàn)不同的特征，而主要背景地物在時間序列上各個波段地表反射率和NDVI值沒有太大的變化，利用這些特征對地表覆被進行變化檢測。

第5章最佳時相地表覆被提取地表覆被的地表反射率光譜差異性特征是識別地物的基礎，利用單一時相的遙感影像進行地表覆被類型的識別雖然方便快捷，但僅僅依靠單一時相的遙感影像對地表覆被類型進行提取往往具有一定的局限性，因此需要選取多時相中最佳時相的地表反射率特征作為分類特征。5.1地表覆被提取5.1.1單一時相地表覆被提取在時間序列上地表覆被的變化特征比較小的，紋理特征明顯的裸土和建筑用地?？梢岳脝我粫r相的Landsat影像，根據(jù)谷歌地圖上面的紋理特征，找到影像上面對應的位置進行定義訓練樣本，然后根據(jù)最大似然法原理進行監(jiān)督分類，這種方法適合小區(qū)域的遙感影像的處理，方便快捷，由于本文章中處理的研究區(qū)比較小，定義多個訓練樣本進行監(jiān)督分類的時候，精度就會相對高些，若研究區(qū)較大，定義多個訓練樣本可能會比較耗時耗力，若定義的訓練樣本少的話，可能會影像分類精度，可以考慮根據(jù)時間序列上面的光譜特征變化規(guī)律進行分類。本文中采用的是最大似然法進行分類，首先根據(jù)經(jīng)驗和谷歌地圖上面表現(xiàn)的紋理特征，進行定義訓練樣本，盡可能多的選擇訓練樣本，這樣有助于提高你的分類精度，再對訓練樣本進行評價，衡量訓練樣本的可分離性，然后根據(jù)最大似然法原理進行監(jiān)督分類，最大似然法的原理就是假設每一個波段的每一類統(tǒng)計都呈正態(tài)分布，計算給定像元屬于某一訓練樣本的似然度，像元最終被歸并到似然度最大的一類中去。操作過程如下所述：在Toolbox工具箱中輸入MaximumLikelihoodClassification工具，在文件輸入對話框中選擇OLI影像，打開MaximumLikehihood參數(shù)設置面板，如圖5.1所示，進行參數(shù)設置，選擇輸出路徑，執(zhí)行分類。由于本次分類僅僅想提取裸土和建設用地這些在時間序列上幾乎沒有什么變化的地物，更改顏色，將其他幾種地物設置為白色，只保留裸土和建設用地的顏色，最后輸出裸土和建設用地的地表覆被填圖。圖5.1最大似然分類5.1.2時間序列地表覆被提取地物的“異物同譜”等現(xiàn)象使得僅靠單一時相的遙感影像進行作物提取存在明顯不足，難以區(qū)分地表覆被類型，即使可以提取出來也難以達到精度要求，尤其是農(nóng)作物，大部分的農(nóng)作物都是在四月末進行播種，在八月份的時候達到生長發(fā)育的旺期，在九月十月的時候進行收割，單一的時相所表現(xiàn)的信息，往往比較有局限性，不能精準的判斷地物。根據(jù)前面所提取的基于時間序列的歸一化植被指數(shù)和地表的反射率再結合地表覆被的紋理，將這些信息綜合起來進行地表覆被類型的判別。在地表覆被中最難區(qū)分的便是農(nóng)作物，新疆阜康地區(qū)種植的農(nóng)作物包括小麥、油葵、玉米、水稻、棉花和果樹葡萄。單一時相的遙感信息植被識別植被生長過程中一個時間節(jié)點上的狀態(tài)，而且這一時間節(jié)點的選取也不具有代表性，因此選擇多時相的遙感影像對地表覆被進行變化檢測，時間序列的遙感信息可以捕獲地表覆被生長發(fā)育過程中多個時間節(jié)點上的信息，將這些信息組合起來，可以潛在的提高對地表覆被的識別，提高分類精度。根據(jù)提取的基于時間序列的NDVI曲線和地物的光譜特征對農(nóng)作物進行分類。根據(jù)時間序列的NDVI曲線可知，小麥在四月中下旬NDVI值有一個增加的過程，在五月中下旬小麥進入生長旺期，其NDVI值達到飽和，約為0.8左右，根據(jù)這一特征進行閾值分割，提取小麥，再利用波段運算將這兩個時相的影像做一個差值，利用差值再進行閾值分割，提取小麥，將兩者信息綜合確定小麥的覆被位置。以此類推，油葵在八月上旬就接近成熟，其NDVI值達到了一個峰值，在八月下旬的時候，油葵完全成熟進行收割，此時沒有植被特征，在新疆阜康地區(qū)八月下旬收割的只有油葵，利用這兩個時相的NDVI差值進行閾值分割，提取油葵的信息。九月上旬為區(qū)分棉花與其他地物的最佳時相，此時棉花處于吐絮旺期，植株茂盛，植被光譜特征明顯突出，在近紅外波段反射率很高，此時的NDVI值也很高，此時其他的作物均已經(jīng)成熟，近紅外波段的反射率不高，NDVI值也相對較低，利用近紅外波段和NDVI值變化的特征，進行波段運算，再利用閾值分割對棉花進行提取。在五月中下旬，水稻處于拔節(jié)期，此時需水量較大，需要及時向稻田內(nèi)灌水，水在可見光波段比近紅外波段有更高的反射作用，即NDVI值為負值，在時間序列的NDVI曲線上表現(xiàn)為一個低谷，利用此特征進行閾值分割，提取水稻。玉米比其他幾種農(nóng)作物成熟的早，在六月末，其NDVI值就達到了峰值，利用這一變化特征，可以將玉米區(qū)分出來。葡萄在六月末其NDVI值達到峰值之后，一直維持不變，在十月初葡萄的NDVI值較高僅低于棉花，十月份到十一月份隨著溫度降低，葉片脫落，進入休眠期，NDVI值呈下降趨勢，利用這些變化特征對葡萄進行提取。灌木檉柳在六月達到生長旺期，NDVI值迅速增加，然后進入花期，NDVI值逐漸降低，開花結束之后，檉柳葉子開始逐漸枯黃，在十一月入冬時N