论文部分内容阅读
近些年来,耕地资源的利用情况受到人们越来越多的关注,尤其在人多地少的中国。随着城镇地域扩张、工业化加速推进以及农村经济结构调整造成我国大量耕地资源被占用,在经济发展程度较高的中国东南沿海地区这种状况尤为明显。复种指数是评价耕地利用程度的主要指标之一,是指区域内农作物播种面积或者收获面积与耕地总面积的比值,反映的是宏观区域内耕地利用程度的平均状况。目前,运用各种算法重建NDVI、EVI、LAI等能够反映物候特征的长时间序列数据,然后提取复种指数的方法已经大量应用与相关研究当中,但不同算法对时序数据的重建效果的差异性还需进一步研究,基于重建数据提取的耕地复种指数的精度也需要进一步验证。广东省作为全国优质耕地分布的重点区域,优质耕地中特别是水田散布广,数量多,占比大。对广东省水田变化及种植情况的监测,对于该省粮食安全,耕地利用结构调整和保护、生态环境等方面具有重要的学术意义和实践价值。本研究基于MOD13Q1的EVI子数据集及其质量控制数据集,利用timesat3.2软件和IDL编程语言实现DL、DLWeight、AG、AGWeight、SG、SG2、SGWeight、STSG共计8种重建方法,通过定性和定量两种方式对比分析不同方法的重建结果,获取最优MODIS-EVI重建数据集。基于重建数据提取水田复种指数并验证其精度,选出重建效果最好、验证精度最高的重建数据集,构建广东省水田复种指数时空数据库。然后从省级、县级、像元尺度分析广东省水田复种指数的时空变化及空间差异。主要结论如下:(1)广东省MOD13Q1数据质量受气象条件影响均具有明显的季节性特征,春夏数据质量差,秋冬数据质量相对较好。MODIS-EVI低质量像元频数主要分布在港珠澳大湾区、潮汕地区、韶关市、河源市的城区及其周边区域。数据质量较好的区域位于粤东、粤西中部地区等地区。(2)8种时间序列数据重建方法的特点定性评价方面,DL与AG对EVI重建时序曲线较为相似,曲线较为平滑且对只有一个物候期的植被重建效果较好,增加权重的DLWeight和AGWeight对水田的重建曲线也类似,AG算法整体结果比DL稍好。SG保留大量原始数据特征,因为SG2是进行了两次SG滤波,因此SG2与SG的差异性较小,但是SG2曲线较之于SG更为平滑,波峰值稍小,波谷值稍大。SGWeight增加了质量控制数据作为权重,减少了低质量像元的影响,但保留了质量较好的数据。STSG剔除了大量噪声后,与原始EVI时序曲线最为接近,相比于其他7种方法,较好的处理了局部波谷低值。STSG对水田和旱地的重建效果较好,DLWeight对林地重建效果较好,AGWeight对草地重建效果较好。定量评价方面,AG与DL的保真性评价空间分布无明显差别,SG优于AG与DL,STSG保真性评价空间分布的差异性明显,人工表面的RMSE在所有种方法中最大,连续多时相低质量像元对STSG方法具有较大的影响。加权后的AGWeight、DLWeight、SGWeight的保真性降低;SG、SG2、SGWeight的优良性评价结果较好,其次是AG、AGWeight、DL、DLWeight。由于原始数据质量等原因,STSG的整体评价结果相对较差,但是对于耕地的重建是相对最好的。(3)STSG结合长时间序列数据的时空信息,较为真实的还原了水田EVI值,因此本研究选用STSG方法重建EVI时序数据来提取广东省水田复种指数。19年间广东省水田年均复种指数整体呈现下降趋势,年际变化较大。水田年均复种指数小于100%的区域主要分布在港珠澳大湾区附近、潮汕地区以及各市城市周边区域等,空间分布较为破碎。100%-150%范围的区域主要分布在清远市、韶关市的北部,该区域属于广东省的北部山区,地形条件较差,水田的利用效率稍低。此外湛江市也存在少量的100%-150%以及小于100%范围的像元,这可能是由于该地区经常遭受干旱、台风等气象灾害影响了水田种植。广东省水田连片分布的大多数·区域复种指数在150%-200%。例如南雄市、茂名市、雷州市东西洋、兴宁市等。水田年均复种指数大于200%的区域主要位于揭阳市、潮州市、廉江市、翁源县等。