摘要
水稻是我国主要的粮食作物之一，其种植面积的快速监测和自动提取对于我国粮食估产和保障国民粮食供给安全方面具有重要意义。采用遥感技术对植被的物候期进行分析研究，主要是指通过分析植被指数在时间序列上发生的明显变化，提取相应的关键时间节点及特征值。利用物候期的特点对水稻种植区域进行提取，估算面积并进行分析，对于估算黑龙江省水稻的种植面积，合理配置农业种植体系有很大的帮助。本文利用Landsat遥感影像数据，基于物候进行了水稻种植面积提取，对黑龙江省市2015年和2021年的水稻种植面积分别进行了提取，并对提取结果进行了分析。本文的主要工作及结论如下：
（1）以Landsat数据为数据基础，对黑龙江省影像进行投影变换、大气校正、影像拼接、NDVI植被指数、地表水指数LSWI提取、影像裁剪等处理。
(2)水稻关键物候期的提取：水稻不同生长发育期的生长特性不同，利用水稻生长过程中NDVI植被指数、地表水指数的分析,反演出水稻关键物候期模型,实现对水稻物候期的识别，并将识别结果与气象站点记录的水稻关键物候期进行对比分析，评价模型识别精度。
(3)大范围水稻种植面积提取和时空变化分析：根据水稻不同生长发育期的生理特性在时间序列中所表现出来的光谱特征,比较其光谱特征与其他地物类型之间的差异，构建水稻信息提取模型，提取出水稻的种植区域。通过对比黑龙江省2015年和2021年的水稻面积分析其变化特征。
关键词：水稻；黑龙江省；Landsat数据；面积提取；时空分析
第1章绪论
1.1研究背景及意义
1.1.1研究背景
水稻作为世界上最重要的粮食作物之一，在全球粮食安全和农业发展中起着至关重要的作用。随着全球人口的增长和经济的发展，对水稻的需求不断增加，因此，了解水稻种植面积的时空分布情况对于农业管理和决策具有重要意义。
研究水稻种植面积的提取和时空分析是基于物候现象的。物候是指生物在季节变化下的周期性生理和生态现象，包括植物的生长、开花、结果等阶段。对于水稻来说，物候现象与其种植面积的变化密切相关。通过对水稻物候现象的观测和分析，可以了解水稻种植的时机、生长过程以及收获期，从而间接推测水稻种植面积的变化。
为了进行水稻种植面积的提取和时空分析，本研究将利用遥感技术通过获取水稻生长期间的遥感图像数据，可以提取出反映水稻生长状况的指标，如归一化植被指数（NDVI）和差值植被指数（DVI）。这些指标可以反映水稻植被的繁茂程度，进而与水稻种植面积进行关联分析。
1.1.2选题意义
(1)理论价值
第一，目前，我国获取水稻种植面积的主要方法是依靠人工调查和统计。然而，这种方法存在着调查范围有限、耗时耗力、成本高昂等问题。随着遥感技术的发展和应用，基于物候的水稻种植面积提取和时空分析具有重要的理论价值。基于遥感数据的水稻种植面积提取方法可以提高数据的获取效率和空间覆盖范围。遥感技术能够获取广泛的影像数据，覆盖大范围的地区，从而可以实现对水稻种植面积的全面监测和估算。通过遥感数据的处理和分析，可以获取更多的时空信息，揭示水稻种植面积的分布特征和动态变化。基于物候的水稻种植面积提取方法能够提供更准确和详细的数据。物候期是农作物生长发育过程中的重要阶段，与作物类型和生长状态密切相关。通过分析水稻关键物候期的变化，可以较准确地确定水稻种植区域，并估计种植面积。相比于传统的人工调查方法，基于物候的提取方法可以提供更精确和可靠的结果，为农业生产管理和决策提供科学依据。
第二，物候现象对水稻生态系统的影响上。水稻作为一个生态系统，其生长发育受到气候、土壤和人类管理等多种因素的综合影响。物候现象反映了水稻对环境变化的响应，包括气温、降水、光照等因素。通过研究水稻物候现象与种植面积的关系，可以进一步理解水稻生态系统的稳定性和适应性，为保护和管理水稻生态系统提供理论指导。
此外，选题的理论价值还体现在水稻种植面积的动态变化与农业可持续发展之间的关系上。随着全球人口的增长和粮食需求的增加，农业面临着严峻的挑战。了解水稻种植面积的时空变化对于农业可持续发展至关重要。通过研究水稻种植面积的动态变化，可以评估农业资源利用的效率和农业生产的可持续性，并为农业规划和决策提供科学依据，以实现粮食安全和农业可持续发展的目标。
(2)现实意义
第一，该研究对于农田资源的合理利用和产量优化具有重要的实践价值。通过提取水稻种植面积的数据，并进行时空分析，可以深入了解不同地区和时间段水稻种植的情况。这将有助于农业部门评估农田资源的利用效率，确定种植区域的调整和扩大的潜力，并根据不同地区的适宜性选择合适的农业措施。例如，根据提取的水稻种植面积数据，农业管理者可以判断哪些地区适宜水稻种植并推广相应的农业技术，以提高产量和效益。
第二，基于物候的水稻种植面积提取及时空分析对于灾害监测和防控具有重要意义。水稻种植面积的变化与干旱、洪涝等灾害的敏感性相关。通过监测水稻种植面积的时空变化，可以及时发现潜在的灾害风险区域。在旱涝灾害发生前，农业部门可以采取相应的措施，例如加强灌溉管理、调整播种时间、选择抗旱品种等，以减少灾害对水稻产量的影响。同时，利用提取的水稻种植面积数据，可以为灾害防控资源的合理配置和紧急响应提供支持，从而减少农业灾害造成的损失。
此外，基于物候的水稻种植面积提取及时空分析对于农业规划和决策也具有实践价值。了解水稻种植面积的时空分布，可以为农业部门提供科学依据，以制定合理的农业政策和规划。例如，在确定粮食供应策略和农产品市场调控方案时，准确了解水稻种植面积的动态变化对于确保粮食安全和平衡供需具有重要意义。此外，通过对水稻种植面积的时空分析，农业部门可以及时调整农业投入和资源配置，以提高农业生产的效益，并推动农业的可持续发展。例如，根据提取的水稻种植面积数据，农业管理者可以合理安排农业用水资源，优化灌溉管理，降低用水量并提高水资源利用效率。此外，基于物候的水稻种植面积提取及时空分析还可以为农业部门提供信息支持，帮助他们制定农产品质量控制和市场营销策略，提升农产品的市场竞争力。
1.2国内外研究现状
许多发达国家如X、日本、法国等在水稻种植面积提取和时空分析方面积累了丰富的经验。他们采用遥感技术结合地理信息系统（GIS）进行研究，利用卫星遥感数据获取水稻的物候信息，并通过图像处理和分类算法来提取水稻种植面积。同时，他们还结合气象数据、土壤信息等多源数据，进行时空分析，以探讨水稻种植面积与环境因素的关系。近年来对基于物候的水稻种植面积提取及时空分析的研究也逐渐兴起。国内的科研机构和高校积极开展相关研究，利用高分辨率遥感数据和地面监测数据，结合机器学习算法和空间统计模型，进行水稻种植面积的提取和时空分析。他们关注水稻生长的动态变化，研究不同物候期水稻的时空分布特征，探索水稻种植面积与气候因子、土壤条件等的关联关系。此外，国内外的研究还涉及到水稻种植面积的监测与预测。研究者利用历史数据和模型方法，建立了水稻种植面积的监测和预测模型，以预测未来的水稻种植面积变化趋势，为农业规划和决策提供参考。这些研究对于农业管理者和决策者来说具有重要意义，可以帮助他们制定合理的农业政策和措施，提高农业生产的效益和可持续发展能力。
在国内，针对水稻物候信息的提取，研究人员通过利用卫星遥感数据来获取水稻的生长信息。2012年研究者徐岩岩运用MODIS遥感数据，结合归一化植被指数（NDVI）和傅里叶变换的方法，实现了水稻物候信息的提取。他通过NDVI时间序列的周期性变化和特征频率的分析，准确地确定了水稻的物候期。在水稻种植面积的提取方面，研究人员采用遥感图像处理和分类算法来进行水稻种植区域的识别和提取。2022年夏俊，苏涛等运用Sentinel-1和Sentinel-2数据，结合支持向量机（SVM）分类算法，成功地提取了水稻种植面积。他们利用Sentinel-1数据获取了水稻的空间信息，然后结合Sentinel-2的光谱信息，利用SVM算法进行水稻种植区域的分类与提取。在水稻种植面积的时空分析方面，研究者关注水稻的分布特征及其与环境因素的关系。2021年研究者王克晓，周蕊等通过利用高分辨率遥感数据和气象数据，分析了水稻种植面积的时空分布特征。他们发现水稻种植面积在不同地区和不同物候期有明显的变化，同时探讨了气温、降水等气象因素与水稻种植面积之间的关联关系。此外，还有一些研究专注于水稻种植面积的监测与预测。孙姝娟，李民录等利用历史数据和灰色关联分析方法，对水稻种植面积进行了监测和预测。他们建立了水稻种植面积与农业气象指标之间的关联模型，并成功预测了未来水稻种植面积的变化趋势。
在国外，在水稻物候信息的提取方面，一些研究者采用卫星遥感数据和地理信息系统（GIS）技术来获取水稻的生长信息。例如，S.Fritz,M.Massart等在2008年利用MODIS-13影像数据合成了16天NDVI特征值,用来估算五种作物种植面积,并运用4个不同时序的的ETM影像进行检验,其结果表明MODIS-13影像的16天NDVI特征值是适合大面积选取作物种类。Christopher Conrad,Stefan Dech等2014年3月利用2009年RapidEye影像对西乌兹别克斯坦冬小麦种植面积进行了信息提取,其通过冬小麦收获前NDVI鲜明特点和夏季生长初期NDVI特征使用五个时像,实现了对冬小麦的种植面积的提取,整体精度为85.7%,结果表明详细NDVI时间分布可以有效的区分农业生产地区的作物种类。
1.3研究内容及实现路线
1.3.1研究内容
（1）研究区域
本研究的研究区域是黑龙江省。黑龙江省总面积约为47.3万平方千米，是中国最北端及最东端的省级行政区。黑龙江省地处寒温带大陆性气候区，夏季短暂而温暖，冬季漫长且寒冷。该地区的地形起伏较大，包括大片平原、山脉和湖泊。黑龙江省的农业发展潜力巨大，尤其以水稻作农业为主要特色之一。
（2）数据
本研究的数据主要基于Landsat卫星遥感影像数据，并结合非遥感数据，以获取关于水稻种植面积的相关信息。对于Landsat数据的处理，首先需要进行投影变换，将原始影像数据转换为适合研究区域的投影坐标系统，以确保后续分析的准确性。然后，进行大气校正，通过消除大气效应，减少大气因素对影像的干扰，提高植被信息的提取精度。接下来，进行影像拼接，将多个Landsat影像拼接成连续覆盖研究区域的大影像，以获取更全面的空间信息。
在数据获取方面，除了遥感数据，还需要获取非遥感数据来支持研究分析。首先，从相关数据源下载中国农作物生长发育区数据，该数据提供了关于不同农作物生长发育的信息，为水稻种植面积的提取提供依据。其次，需要获取黑龙江省2015年和2021年5月至11月的水稻生长发育数据和气象站点数据，这些数据包含了关于水稻的生长情况和气象条件等信息。此外，还需要从地理科学数据网下载黑龙江省2015年和2021年的土地利用数据，以了解土地利用类型和水稻种植区域的空间分布。
（3）关键物候期的提取
本研究的关键目标之一是提取水稻的关键物候期，即水稻生长发育过程中的重要阶段。为实现这一目标，本研究利用遥感数据和相关指数进行分析，以识别和确定水稻关键物候期。
在水稻生长发育过程中，植被指数是评估植被生长状况的重要指标之一。本研究主要采用NDVI植被指数和LSWI地表水指数进行分析。通过对Landsat遥感影像数据进行预处理，包括大气校正、投影变换和影像拼接等，获取影像数据的准确且连续的时间序列。然后，基于这些时间序列的影像数据，计算每一时期的NDVI和LSWI值。通过对水稻种植区域的NDVI和LSWI值进行分析，可以观察到水稻与其他农作物在植被指数和地表水指数上的差异。水稻在关键物候期，如播种、抽穗、灌浆等阶段，通常表现出特定的植被指数和地表水指数变化特征。
基于这些特征，本研究将建立水稻关键物候期的识别模型。通过分析不同阶段水稻的NDVI和LSWI变化趋势，并结合相关统计学方法和机器学习算法，可以建立准确的模型来识别水稻的关键物候期。
（4）大范围水稻种植面积提取
本研究的另一个重要目标是实现大范围水稻种植面积的提取。为了达到这一目标，本研究将结合遥感数据和物候期信息，采用一系列分析方法和技术来区分水稻种植区域并估计水稻的种植面积。第一，基于前述提到的遥感影像数据和处理方法，利用相关的光谱特征进行水稻和其他地物类型的区分。通过对水稻与其他地物类型的光谱特征差异进行比较，可以建立水稻信息提取模型，实现水稻种植区域的识别。第二，结合水稻特有的关键物候期信息，可以进一步提高水稻种植面积的提取精度。通过分析不同生长发育阶段水稻的光谱特征变化，并结合关键物候期的时序信息，可以确定水稻种植区域的时空分布。在水稻种植面积提取的过程中，还需要考虑到数据的空间分辨率和覆盖范围。针对大范围的水稻种植区域，可能需要采用多期遥感影像数据，并进行影像拼接和裁剪，以确保覆盖整个研究区域的连续影像数据。
1.3.2技术路线
图1.2技术路线图
第2章研究区域及数据处理
2.1研究区域概况
2.1.1地理位置及行政区划
黑龙江省，简称“黑”，黑龙江省位于中国东北部，与俄罗斯隔江相望，地理坐标范围为东经121°11′—135°05′，北纬43°26′—53°33′。西部与内蒙古自治区相邻，南部为吉林省。黑龙江省共有12个地级市、1个地区行署。
图2.1黑龙江省位置图
图2.2黑龙江省行政区划图
2.1.2自然概况
黑龙江省南北有大兴安岭山地和小兴安岭山地两大山地，大、小兴安岭和张广才岭、老爷岭、完达山构成黑龙江省全省的山地骨架，东西有三江平原和松嫩平原两大平原，西北、北部和东南部高，东北、西南部低，跨越黑龙江、乌苏里江、松花江、绥芬河四大水系。充分体现黑龙江省“五山一水一草三分田”的地貌特征。
图2.3黑龙江省地形图
黑龙江省地处中纬度地带、在欧亚大陆的东岸，属于寒温带与温带大陆性季风气候。春季气温低且干旱、春旱和大风频发，气温回升很快并且变化无常；夏季气温高，日照充足，并且由于东南季风的影响，降水多；秋季易发生洪涝灾害，冬季寒冷且漫长，在干冷西北风影响下，干燥少雨，无霜期短。此外，黑龙江省气候地域性差异大，在西北部没有夏天。黑龙江省从南向北可以分为中温带和寒温带（按照温度指标分），从东向西可以分为湿润区、半湿润区和半干旱区（按照干燥度的指标分）。全省的太阳辐射资源比较丰富，与长江中下游相当，太阳辐射的时空分布特点大致为：夏季最多、冬季最少；南部多、北部少。
2.1.3水稻种植情况
黑龙江省全省生产上可以应用水稻品种641种，是我国水稻种植面积最大的省份，是我国重要水稻产地，在世界上也有举足轻重的地位。依据不同地区积温状况，黑龙江省大致分为五个积温带（某一段时间内（一般为一年内），逐日平均气温≥10℃的持续期间内，日平均气温的总和，称为有效积温）第一积温带（有效积温在2700℃以上，）；第二积温带（有效积温在2500℃-2700℃，）；第三积温带（有效积温在2300℃-2500℃）；第四积温带（有效积温在2100℃-2300℃）；第五积温带（有效积温在1900℃-2100℃）。在这五个积温带中均有水稻种植，第一积温带水稻种植面积占全省总面积的9.1%，第二积温带水稻种植面积占全省总面积的32.8%，第三积温带水稻种植面积占全省总面积的35.1%，第四积温带水稻种植面积占全省总面积的16.7%，第五积温带水稻种植面积占全省总面积的6.3%。其中有11个县的水稻种植面积达到100万亩以上，有29个县水稻种植面积达到50万亩以上，已经形成水稻的集中产区。其中嫩江、松花江沿岸和三江平原的21个县（市、区、局）和农垦4个管理局所属农场为黑龙江省水稻优质种植区域。
图2.4黑龙江省积温带图
2.2数据来源
2.2.1遥感数据来源
本文使用的遥感数据为Landsat数据，目前最新的是Landsat8-9的数据，是X地质勘测局和航天局合作卫星数据，官方下载地址是：https:/。下载覆盖黑龙江全省的Landsat数据。
2.2.2非遥感数据
本文研究的是黑龙江省水稻种植面积及时空变化，在提取完水稻种植面积后需要验证其准确度，因此需要黑龙江省2015年和2021年的统计年鉴，获取水稻的种植面积，与提取的水稻种植面积进行对比，验证其准确度。
表1.1黑龙江省水稻种植面积（统计年鉴）
提取水稻需将水稻与其他地物区分出来，因此本研究还需黑龙江省2015年和2021年土地利用类型数据，数据来源于地理科学数据网。
图2.5黑龙江省2015年土地利用数据图
图2.6黑龙江省2021年土地利用数据图
2.2.3数据预处理
遥感应用的第一步为遥感数据的预处理，也是必不可少的一步，预处理的步骤主要包括辐射定标、大气校正、影像镶嵌和影像裁剪等处理，根据不同的需要采取的数据预处理步骤也不同，本次研究所下载的Landsat8影像是Landsat8 OLI/TIRS C2 L2级数据，L1TP影像进行了地形校正和几何校正，L2SP影像在L1级影像基础上做了辐射校正和大气校正，所以，影像无需进行地形校正、几何校正、辐射校正和大气校正处理，只需要进行影像镶嵌和影像裁剪处理。
（1）影像镶嵌
由于本研究区域不能用单幅遥感图像所覆盖，所以需要将多幅影像拼接起来形成一幅覆盖研究区域的较大、无缝的影像。本研究区为黑龙江省，因此需要把覆盖黑龙江全省的多幅影像镶嵌成一幅影像。为获得完整的黑龙江省遥感影像，需要将下载的多幅景影像进行镶嵌。由于下载的影像为Landsat8 OLI/TIRS C2 L2级数据，己经经过了几何校正和投影变换，影像在位置上已经完全正确，可利用直接ENVI软件进行拼接。在进行影像的镶嵌过程中，需要确定一幅能够作为输出镶嵌影像的基准的参考影像，参考影像决定输出影像的像元大小和数据类型等。由于研究区域过大，在选择镶嵌的影像时选择的多幅图像具有相同或相近的成像时间，使得镶嵌完成的影像的色调保持一致。同时可以利用直方图均衡、色彩平滑等使得接边色调相差太大的影像接边尽量一致。最后将输出的影像保存为img格式文件，获得覆盖黑龙江省全省的影像。
（2）影像裁剪
影像裁剪的目的是将研究之外的区域去除。常用的方法是按照行政区划边界或者自然区域边界进行图像裁剪。在基础数据生产中，经常还要进行标准分幅裁剪。ENVI的图像裁剪过程，可分为规则裁剪和不规则裁剪。经过镶嵌后获得的的遥感影像不是准确的黑龙江省的行政界限，因此需要利用黑龙江省的行政界限对镶嵌后的影像进行裁剪，裁剪出黑龙江省的影像。
第3章研究方法
3.1提取植被指数、地表水指数
结合最新黑龙江省2015年、2021年的土地利用数据，利用归一化植被指数（NDVI）将水稻与其他明显地物区分，并根据水稻关键物候期独有的特征，分析归一化植被指数（NDVI）与地表水体指数（LSWI）之间的相互关系，提高水稻的识别能力，把水稻与其他农田区分出来，提取出黑龙江省2015年、2021年水稻种植面积。
3.1.1植被指数
归一化差值植被指数（NDVI），由于植被在近红外波段处有较强的反射，其反射率值较高，而在红波段处有较强的吸收，反射率值较低，因此可以有效地反映农作物生长特征。其中，NDVI时间序列曲线可提供农作物动态变化信息，可以应用于种植面积提取。由于不同作物的有不同的NDVI曲线，特别是关键物候期的NDVI值，因此根据NDVI可以将水稻与其他地物区分出来。NDVI计算公式为NDVI=(Band5-Band4）/（Band5+Band4）。通过NDVI可以将水稻与其他明显地物区分出来。
图3.1黑龙江省2015年NDVI图
图2.1黑龙江省2021年NDVI图
3.1.2地表水指数
LSWI为地表水指数，是与植被水分含量相关的植被指数，对水分有很好的敏感性，利用农作物对水体敏感的短波红外波段，对于处于泡田期的水稻监测有较好的效果。在水稻的移栽期，水体特征十分显著，在水稻的生长早期，由于稻田需要有一定深度的水层，与同一时期的其他农作物(玉米、大豆、花生等)相比，具有较高的地表含水量，因此，可以通过比较地表含水量的差别将水稻与其他农作物区分出来，来提高稻田识别能力，以便提取出水稻的面积。
LSWI的计算公式为LSWI=（Band5-Band6）/（Band5+Band6）。
图3.3黑龙江省2015年LSWI图
图3.4黑龙江省2021年LSWI图
3.2时间序列构建
不同的地物有不同的波谱曲线。植被的波谱特征可以在遥感影像上有效与其他地物区分出来。同一种植被的不同生长时期的波谱特征也是不同的。本次研究的是黑龙江省的水稻种植面积，研究选取了b1-b7波段的反射值，分析其水稻生长期间的波谱特征。移栽期水稻LSWI的均值（或略小于均值的值），随着水稻的生长，水稻个体逐渐增大，NDVI逐渐增大，因此利用生长后期NDVI值减去移栽期NDVI（NDVI差值）即可得到生长期NDVI的变化情况及水稻NDVI提取阈值。因而本研究选用生长期NDVI值减去移栽期NDVI（NDVI差值）作为新构建的时间序列进行水稻种植面积的提取。
3.3物候期提取
物候是指植被受季节性气候循环影响表现出的现象，代表植被的生长特性，基于物候的特点可以提取植被的种植区域。植被不同的生长发育阶段，遥感数据提取出来的指数也是不一样的，在提取水稻时，把关键物候期作为分类条件，根据水稻生长发育过程中的特性提取水稻种植面积。
水稻的物候期分为出苗期、移栽期、分蘖期、孕穗期、抽穗期、乳熟期、蜡熟期、完熟期八个时期。黑龙江省的水稻生长周期在110天～180天左右，种植水稻时间大约为5月初，10月中旬收获。水稻不同于其他作物（植被）的重要特征就是其具有移栽期，移栽期的水稻需有一定深度的水，常常有2～15 cm的水，其地表是水稻和水体的混合形式，而其他植被不具有该特征，所以可以通过计算研究区移栽期水稻的LSWI的均值（或略小于均值的值），实现对移栽期水稻种植区域的识别。移栽后50~60天为生长后期，水稻从移栽返青至生长后期，水稻个体逐渐增大，对近红外波段的反射率增强，NDVI逐渐增大，因此选取水稻移栽期和生长前期作为关键物候期的提取。
3.4水稻面积的提取
基于2015年和2021年黑龙江省土地利用数据，排除了其他地物的影响，利用计算所得的黑龙江省植被指数NDVI和水体指数LSWI，依据水稻移栽期、生长前期独特的水分信息与生长期NDVI的变化特征实现水稻种植面积的提取，提取黑龙江省2015年和2021年水稻种植面积。
结合高分辨率的影像，在已经获得的NDVI和LSWI影像中勾选哪里是水稻，选取一定样本的水稻区，基于水稻样本区，在样本区内进行LSWI的阈值信息提取和NDVI差值信息提取，之后再将这两个信息用于整个研究区，实现大范围的水稻种植面积的提取。由于已有黑龙江省土地利用类型数据，将其他地物（水域、森林、草原等）排除，获得农田这单一地物类型，因此不再考虑其他地物类型。
分析在水稻物候期内各地物的LSWI和NDVI值变化情况，通过研究区LSWI值，设定阈值LSWI>某值，说明该地是水田（也就是处于移栽期的水稻），完成初步提取。之后因为在整个水稻的生长期，植被和水稻的NDVI会增大，但是其他植被增大的幅度是没有水稻大，但其他农作物也在增大（所以才要选样本区，通过上一步的LSWI就可以初步筛选出水稻）同样地利用NDVI差值，即可完成水稻的提取。
在水稻的物候期中，水稻移栽期是5月份、生长期是6~8月份。首先计算移栽期即5月份时候的水稻样本区LSWI的值假设为0.2，那么就可以认为LSWI>0.18、0.19的就说明地表有水，可初步判定是处于移栽期的水稻像元（区域）。之后根据在水稻生长期内，只有植被NDVI是在增大的（其他作物、水稻….），但水稻的NDVI增大幅度是最大的，通过土地利用数据已经排除草原、水域、裸地等其他地物了。利用NDVI差值（一般是移栽期和生长前期，根据研究区水稻的物候），就可以更加准确的识别水稻，完成水稻提取。
第4章结果与分析
4.1水稻种植面积
本研究基于物候期特征完成对黑龙江省2015年和2021年水稻种植面积进行提取分析。黑龙江省水稻种植面积提取，结果如图所示，综合来看，黑龙江省的水稻种植主要分布在黑龙江省的中部以南。2015年水稻主要分布地区为齐齐哈尔市、哈尔滨市、佳木斯市、鹤岗市和鸡西市；2021年水稻分布较均匀且连续，其中三江平原和松嫩平原分布较集中。水稻喜温，对水分、温度、光有很高的要求，这些种植区水热条件优越，满足水稻生长期所需的水分和热量要求，积温充足，地势平坦，更有利于水稻种植。
图4.1黑龙江省2015年水稻种植面积图
图4.2黑龙江省2021年水稻种植面积图
表1.2黑龙江省水稻种植面积（提取）
为研究黑龙江省水稻种植面积在空间上的变化，利用GIS统计黑龙江省水稻所占据的像元面积，来计算水稻的种植面积，结果如上图所示，2015年黑龙江省水稻种植面积为331.319万公顷，2021年水稻种植面积为326.696万公顷。根据黑龙江省统计年鉴知黑龙江省2015年水稻种植面积为391.8万公顷，2021年水稻种植面积为386.7万公顷。2015年误差为-0.15%,2021年误差为-0.16%。
提取水稻种植面积误差：2015年提取误差主要来源于齐齐哈尔的西北部，2021年各个市的提取都有些许误差。产生误差的原因是：1、单期LSWI和NDVI，不构成时间序列，而是直接合成的，无法实现更准确的水稻识别。2、NDVI和LSWI都是拼接的形式，若分成市，数据满足的情况下，构建LSWI和NDVI的时间序列，才能准确地识别。3、虽选择的关键物候期相同，但选择同一时间的影像，各市的物候期不同，会影响对水稻更准确的识别。
4.2水稻时空变化
通过对2015年和2021年水稻种植面积对比分析发现，水稻种植面积和空间分布上发生了明显的变化，2021年和2015年相比水稻种植面积相差不大。从局部看，2021年黑龙江省齐齐哈尔市东北部、佳木斯市中部和哈尔滨市东部水稻种植面积减少，但减少趋势几乎与增加趋势相等，总体面积稳定。水稻种植的重心向北部移动，三江平原和松嫩平原的地势平坦，地理条件优越，水稻生长所需的光、水分、热量等条件适宜，水稻种植面积大幅增加。
第5章结论与展望
5.1结论
水稻作为主要的粮食作物，运用遥感利用物候期提取大面积水稻面积，方便快捷，可以及时准确掌握水稻种植面积，获取作物的生长发育状况，为智慧农业、精准农业、物候分析做准备。本文以黑龙江省为研究区，依据Landsat8数据，基于物候期特征，以NDVI，LSWI为时间序列构建水稻提取模型，提取水稻面积，得到2015年和2021年黑龙江省水稻种植面积分布情况，并研究对比两年的水稻分布情况及变化特征，得到的结论如下：
（1）本研究基于遥感影像数据与物候特征提取面积，遥感技术为有效提取作物信息发挥了很大作用，利用的数据为Landsat8数据，分辨率高，同时基于物候特征进行水稻种植面积提取，从整体而言结果精度较高。
（2）对研究区水稻物候期进行研究分析，发现在水稻移栽期和生长初期NDVI与LSWI与其他作物相比有独特的特征，可以提高对水稻的识别能力，因此选用该时期作为关键物候期进行水稻面积的提取。
（3）通过对比分析研究区域水稻种植面积没有明显变化，趋于稳定。
（4）研究区水稻种植主要集中于黑龙江省的中南部，且分布均匀连续。
（5）研究区水稻种植分布整体有明显变化，三江平原和松嫩平原地理条件和水热条件优越，适宜水稻生长，种植重心向北移动。
5.2展望
本文利用水稻的生长特性，对水稻物候期进行提取，采用Landsat影像中能反应水稻特性的NDVI、LSWI，以生长前期NDVI值减去移栽期NDVI（NDVI差值）作为时间序列提取了黑龙江省2015年和2021年的水稻面积并进行了分析。虽然其结果精度较高，但本研究仍然存在一些不足，未来可以继续进行研究，存在的不足如下：
（1）由于云、雾等天气的影响，不容易获得水稻关键物候期的高分辨率影像，因此对水稻的提取精度有一定的影响。
（2）本次研究在提取水稻面积时虽区分出了地物类型，但还有其他地物类型没有区分出，在以后的研究中，为求提取水稻的精度更高，需要区分出更多的地物类型。
（3）地面观测水稻物候期的数据有限，提取水稻面积结果的验证受到一定的限制，进而影响提取水稻面积的准确度。
（4）本文中在提取物候期时只选取了移栽期和生长期，实际上水稻在每个生长发育期都有不同的特征，在未来的研究中，可以选取更多的物候期，提高水稻面积的精度。
基于物候的特征提取水稻面积研究虽已经取得了一定的进展，但研究过程中仍然存在一些问题，对出现的问题进行分析思考，得到的今后的研究发展方向如下：
（1）未来需要建立更多的地面观测数据监测点，获取更多的水稻生长状况数据，可以在提取水稻面积后进行精度验证，以便提高提取水稻面积的精度。
（2）对地面观测水稻物候特征的研究更加深入，使对水稻物候期的提取更为准确，提高水稻面积提取的准确度。
（3）了解更多地物类型的NDVI，以便水稻与更多的地物区分，提高提取水稻种植面积的准确度。
参考文献
[1]吴炳芳，刘海燕.水稻种植面积估算的运行化遥感方法[J].遥感学报，1997，1（1）：58-63.
[2]肖江涛.基于MODIS植被指数的水稻物候提取与地面验证[D].电子科技大学，2011，7-8.
[3]那晓东，张树清，李晓峰，等.MODIS NDVI时间序列在三江平原湿地植被信息提取中应用[J].湿地科学，2007，5（3）：227-236.
[4]周燕芳.基于作物物候特征的水稻种植面积提取研究[D].东北师范大学,2015,8-10.
[5]郁林.基于深度学习的遥感影像水稻种植面积提取研究[D].兰州理工大学,2021.
[6]徐岩岩.基于MODIS数据提取东北地区水稻物候时空变化特征[D].中国气象科学研究院,2012.
[7]夏俊，苏涛，刘丽娜，王建，朱菲，廖晋.基于多时相Sentinel-1A数据的水稻面积提取[J].江苏农业学报，2022，38（3）：666-674.
[8]苗翠翠，江南，彭世揆，吕恒，李扬，张瑜，王妮，李军.基于NDVI时序数据的水稻种植面积遥感监测分析-以江苏省为例[J].资源科学，2014，36（09）：1977-1984.
[9]王建勋，华丽，邓世超，王惠东，陈家慧.基于GF-1与MODIS时空融合的南方丘陵区水稻提取研究[J].中国农业资源与区划，2019，40（05）：37-46.
[10]单捷，邱琳，孙玲，王志明.基于Radarsat-2的水稻种植面积提取[J].江苏农业学报，2017，33（3）：561-567.
[11]柳文杰，曾永年，张猛.融合时间序列环境卫星数据与物候特征的水稻种植区提取[J].遥感学报，2018，22（3）：381-391.
[12]王克晓，周蕊，虞豹，等.基于遥感的西南地区水稻种植信息提取[J].江苏农业科学，2019，47（19）：231-235.
[13]孙姝娟，李民录，王萍，张艳梅，张荞.基于GF-1/WFV EVI时间序列数据的水稻种植面积提取[J].福建农业学报，2018，33（6）：575-580.
[14]陈树辉，李扬，曾凡君，薛春燕，刘翔.基于多远数据的水稻种植面积提取[J].安徽农业科学，2011，39（12）：7442-7444.
[15]赵亚杰，黄进良，王立辉，池泓，阴海明.基于时空融合NDVI及物候特征的江汉平原水稻种植区提取研究[J].长江流域环境与资源，2020,29(02):424-433.
[16]李石，宋晓巍，张菁，慕臣英，徐全辉，张靖萱，张思瑶.基于遥感数据的沈阳水稻种植面积提取及精度分析[J].大麦与谷类科学，2016，33（04）.
[17]陈雨思，李丹，黎臻，陈梦婷，崔远来，罗玉峰.多时相MODIS影像的黑龙江省水稻种植面积提取[J].农业工程学报，2020，36（23）：201-208.
[18]刘警鉴.基于SAR影像数据提取水稻面积的方法研究[D].南宁师范大学，2019，1-3.
[19]李孟倩，苏世宗.基于Landsat8-OLI遥感影像水稻种植区提取方法研究[J].华北理工大学学报（自然科学版），2019，41(03)：26-33+59.
[20]邓刚，唐志光，李朝奎，等.基于MODIS时序数据的湖南省水稻种植面积提取及时空变化分析[J].国土资源遥感，2020，v.32；No.126(02):181-189.
[21]曹丹，景海涛，孙金珂，等．多时相MODIS指数提取东北三省水稻种植面积[J]．测绘科学，2018，43(7)：54-60．
[22]曹丹，白林燕，冯建中，等.东北三省水稻种植面积时空变化监测与分析[J].江苏农业科学，2018，46（10）：260-265，271.
[23]黑龙江省统计局.黑龙江统计年鉴[M].北京：中国统计出版社，2022.
[24]刘佳，王利民，姚保民，等.基于多时相OLI数据的宁夏大尺度水稻面积遥感估算[J].农业工程学报，2017，33（15）：200-209.
[25]周静平，李存军，石磊刚，等.基于决策树与面向对象的作物分布信息遥感提取[J].农业机械学报，20016，47（9）：318-326.
致谢
论文停留在致谢，人生还要继续书写。行文至此，我与八号的故事即将画上一个圆满的句号。始于2019年初秋，终于2023年盛夏，在学院求学四年，留下的是青春和沉甸甸的收获。疫情虽占据了我们三年的时光，但这里仍有许多美好的回忆，感谢我在这里遇到的每一个人，谢谢你们的陪伴与帮助，让我的大学生活丰富多彩。
盛行千里，不忘师恩。感谢求学路上的每一位老师，感谢每一位老师的鼓励与帮助，十年树木，百年树人，插柳之恩，终身难忘。愿各位老师桃李芬芳，教泽绵长。
家人之爱，铭记于心。感谢我的家人对我二十多年的悉心照顾，让我在幸福快乐的氛围下长大。感谢我的爸爸妈妈在求学上对我无私的支持与付出。给我充足的爱和关怀，尊重我的每一个决定和选择，谢谢你们让我有足够的勇气去面对一切。
山水一程，三生有幸。感谢我的朋友们，我们见注了彼此的成长，陪伴彼此度过了最美好的青春年华，很庆幸每一个开怀大笑的瞬间都与你们在一起，感谢相遇，不负青春，希望我们前程似锦，高处相见。
以梦为马，不负韶华。感谢那个普通又平凡的自己，感谢在这条道阻且长的求学路上不断前行，始终未曾放弃的自己，希望自己在充满希望的未来里，永远满怀热情成为更棒的自己。
路漫漫其修远兮，吾将上下而求索。这一路最大的收获就是遇到了形形色色的人和事，来时勇敢、天真，去时刚毅、坚定。论文停留在致谢，但人生还在续写。希望未来仍能够不忘初心，知足而上进，知世故而不世故，做自己想做的事，成为自己想成为的人。
人生看似偶然，却又必经离别，但我们永远满怀期待，感谢相遇，青春没有结束，我们永远风华正茂。
最后愿学院桃李满天下，我们后会有期。
1、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“文章版权申述”（推荐），也可以打举报电话：18735597641(电话支持时间：9:00-18:30)。
2、网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友投稿，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务。
原创文章，作者：打字小能手，如若转载，请注明出处：https://www.447766.cn/chachong/188595.html,
