海洋气象学报  2020, Vol. 40 Issue (3): 126-135  DOI: 10.19513/j.cnki.issn2096-3599.2020.03.014
0

引用本文  

李莉, 刘志红, 韩晨琛, 等. 基于卫星遥感的临沂市冬小麦种植时空变化特征分析[J]. 海洋气象学报, 2020, 40(3): 126-135. DOI: 10.19513/j.cnki.issn2096-3599.2020.03.014.
LI Li, LIU Zhihong, HAN Chenchen, et al. Spatio-temporal evolution of winter wheat planting in Linyi based on satellite remote sensing data[J]. Journal of Marine Meteorology, 2020, 40(3): 126-135. DOI: 10.19513/j.cnki.issn2096-3599.2020.03.014. (in Chinese)

基金项目

国家自然科学基金项目(41901294)

作者简介

李莉,女,硕士研究生,工程师,主要从事大气遥感、农业气象研究,625175826@qq.com.

通信作者

刘志红,女,博士,教授,主要从事大气遥感、环境遥感、气象地理信息工程等方面的研究,wxzlzh@cuit.edu.cn.

文章历史

收稿日期:2020-01-22
修订日期:2020-05-07
基于卫星遥感的临沂市冬小麦种植时空变化特征分析
李莉1,2 , 刘志红1 , 韩晨琛2 , 申高航2     
1. 成都信息工程大学,四川 成都 610225;
2. 临沂市气象局,山东 临沂 276000
摘要:以临沂地区为研究区,基于Terra/MOD13Q1遥感植被数据产品,通过分析冬小麦的遥感光谱特征、物候历特征及其生物学特性,提取2009—2019年临沂地区冬小麦种植信息,利用GIS空间分析方法和统计分析方法分析了临沂冬小麦种植的时空分布变化规律。结果显示:1)空间上,近10年来临沂地区冬小麦种植面积在2 800~3 000 km2之间浮动,占整个地区土地面积的17%左右,总体变化较小,种植区域呈南多北少的分布格局,主要集中在兰陵、临沭和郯城;2)从冬小麦种植稳定度上看,连续种植冬小麦10 a及以上的区域,主要集中在兰陵和郯城,面积为1 638 km2,稳定度高,连续种植小于4 a的区域有1 914 km2,主要分布在莒南和费县,种植不稳定;3)时间上,冬小麦面积由2009年的2 838 km2增加到2019年的2 985 km2,变化幅度和年均变化率分别为5.5%和0.5%,呈缓慢增加趋势。本研究为临沂地区冬小麦种植的深入了解以及农业结构调整提供了较为准确、科学的参考依据。
关键词冬小麦    Terra/MOD13Q1数据    动态度    稳定度    时空演变    
Spatio-temporal evolution of winter wheat planting in Linyi based on satellite remote sensing data
LI Li1,2 , LIU Zhihong1 , HAN Chenchen2 , SHEN Gaohang2     
1. Chengdu University of Information Technology, Chengdu 610225, China;
2. Linyi Meteorological Bureau, Linyi 276000, China
Abstract: Based on Terra/MOD13Q1 remote sensing vegetation data in Linyi, the planting information of winter wheat in Linyi from 2009 to 2019 is extracted by analyzing the remote sensing spectral characteristics, phenological calendar characteristics, and biological characteristics of winter wheat. The spatio-temporal distribution of winter wheat in Linyi is analyzed using GIS spatial analysis and statistical analysis methods. The results are shown below. 1) In terms of space, the planting area of winter wheat in Linyi fluctuates between 2 800 km2and 3 000 km2 in the recent decade with little change on the whole, accounting for about 17% of the land area of the whole region. The planting area shows a distribution pattern of more in the south and less in the north, and is mainly concentrated in Lanling, Linshu, and Tancheng. 2) In terms of the stability of winter wheat planting, high stability areas where winter wheat has been planted for a decade or above are mainly concentrated in Lanling and Tancheng with a total area of 1 638 km2. Lower stability areas where winter wheat has been planted continuously for less than 4 a are mainly distributed in Junan and Feixian with a total area of 1 914 km2. 3) In terms of time, the area of winter wheat increases from 2 838 km2 in 2009 to 2 985 km2 in 2019, and the range and annual mean rate of change are 5.5% and 0.5%, respectively, showing a slowly increasing trend. This study provides a rather accurate and scientific reference for the investigation of winter wheat planting and the adjustment of agricultural structure in Linyi.
Key words: winter wheat    Terra/MOD13Q1 data    dynamic degree    stability    spatio-temporal evolution    
引言

临沂地区是山东省的粮食主产区之一,一年两熟,主要以冬小麦、夏玉米、棉花、花生为主,其中冬小麦产量占粮食总产量的40%~50%[1-2]。近年来,受经济作物和政策影响,临沂地区冬小麦种植区域出现波动,因此,快速、准确地获取临沂冬小麦种植区域信息,把握其种植结构的空间变化,对临沂种植结构调整、粮食安全和农业发展具有重要的数据支撑作用[3-4]

遥感监测作物种植区域,了解农作物的类型、结构和分布特征是宏观把握农作物布局,开展农业减灾等的重要依据,也是进行农业结构调整的基础[5-8]。准确、连续、多年遥感监测作物空间分布对面积统计[9]起着重要的作用。目前关于农作物时空格局变化的研究主要是利用农作物生育期内增强型植被指数EVI和归一化植被指数NDVI的特点,依据空间分析原理和数理统计方法,结合统计年鉴和卫星遥感数据,研究水稻、玉米、棉花、小麦等主要农作物的种植分布信息,为研究区的农业结构以及生产管理提供有效依据[10-14]。多集中于较大尺度和空间面积,对于以地级市为分析单元的研究还较少,但农业种植不同地区政策导向不同,除了需要在国家层面、大区层面了解农业种植,更需要对地市县进行剖析,及时调整基层单元的种植结构。

本文以临沂地区冬小麦为研究对象,利用Terra/MOD13Q1遥感植被数据,充分考虑遥感的光谱特征和冬小麦的物候特征,快速提取冬小麦种植区域信息,在此基础上分析2009—2019年临沂地区冬小麦种植的时空分布特征,稳定度种植特征,以及变化波动的原因,对临沂地区的农业产业政策制定及结构调整起到积极的参考作用。

1 数据与方法 1.1 研究区域

临沂地区位于山东省东南部,地跨34°22′~36°13′N,117°24′~119°11′E,总面积17 191.2 km2,辖兰山等3区和郯城等9县,区域内北部主要以山地、丘陵为主,南部以平原为主。此地区属暖温带大陆性季风气候,阳光充足,雨量丰沛,有利于农作物、植被的生长发育,是粮食作物和经济作物的重要原产地[15]

1.2 数据收集及预处理

1) 时间序列的Terra/MOD13Q1遥感植被数据产品,时间覆盖范围为2009—2019年冬小麦生长发育关键期(3—5月),共计有55景数据,空间分辨率为250 m,从MODIS官网(https://ladsweb.nascom.nasa.gov/search/)获得。2)DEM数据,30 m分辨率,来源于地理空间数据云网站(http://www.gscloud.cn/)。3)Google Earth目视解译冬小麦数据,主要用来验证冬小麦面积提取结果。4)冬小麦物候历数据,来源于中华人民共和国农业部种植业管理司(http://www.zzys.moa.gov.cn/)。5)冬小麦种植面积统计数据,以市域为单位,时间范围为2009—2019年,来源于临沂地区统计年鉴。

对遥感数据进行一些预处理,包括拼接、裁剪、投影转换(选择正轴等积双标准纬线圆锥投影,即Albers)、去除异常值、重分类等流程,最终生成便于研究的栅格格式的NDVI时间序列数据。

1.3 冬小麦种植信息遥感提取

不同的农作物有不同的生长规律,比如:播种、出苗的日期不同,什么时候生长最旺盛,什么时候开始成熟、收获,以及同一种作物在同一地区具有相对稳定的生长发育规律,各个发育期的时间段相对固定等[16]。由于不同作物的物候期不同,同一时期不同农作物的植被指数是不同的,导致反映作物生长的植被指数(NDVI)的时间曲线形态不同,并按一定的规律变化[17]。因此,根据冬小麦生长过程的典型特征,结合临沂地区冬小麦物候历和平均NDVI时间序列曲线,可以得到临沂地区冬小麦空间分布信息提取模型。

1.4 精度验证

从以下两个方面进行精度验证:

1) 空间位置上的精度验证。为有效地对提取结果进行验证,采用地面样点和Google Earth影像目视采样点两种方式对提取结果进行空间分布上的验证。

2) 数量上,主要用统计数据来进行验证。以临沂地区统计年鉴数据作为评价标准,对提取出来的2009—2019年临沂地区冬小麦种植面积进行精度评价。

1.5 时空演变评价指标

采用变化幅度和动态度2个指标[18]评价临沂地区冬小麦3个时期、2个时间段时空演变规律。变化幅度,即变化率,主要用于评价在研究时段内不同土地类型的面积变化,反映其变化的幅度和速度[19]。本文的研究对象为冬小麦,所以在一定时段内其面积的变化速度又可以用动态度来表示,也就是单一土地利用类型的动态度[20]。动态度和变化幅度的计算公式如下:

$ {K_T} = \frac{{{U_b} - {U_a}}}{{{U_a}}} \times 100\% $ (1)
$ K = \frac{{{U_b} - {U_a}}}{{{U_a}}} \times \frac{1}{T} \times 100\% $ (2)

式(1)、(2)中:KT为冬小麦面积在某一时间段内的变化幅度或变化率;UaUb分别表示研究时段初期、末期的冬小麦面积(单位:km2);K为冬小麦面积的动态度,即年均变化率;T为研究时段的时间间隔(单位:a)。

2 结果与分析 2.1 模型参数确定与结果验证分析 2.1.1 参数确定

为了准确提取冬小麦NDVI日序曲线,从研究区选取10个冬小麦地面纯像元点,并保证样点250 m范围内均为冬小麦,利用研究时段内每年11月至次年5月的Terra/MOD13Q1植被数据产品计算NDVI,提取各个样点的NDVI曲线,应用所有样点的NDVI平均值来构造平均NDVI时序曲线(图 1)。

图 1 临沂地区冬小麦平均NDVI日序曲线 Fig.1 Times series of mean NDVI of winter wheat in Linyi

利用MODIS数据获取冬小麦种植面积、空间分布信息需要几个关键发育期(返青、拔节、孕穗、抽穗期)的遥感影像,这时候同一时期的林地、草地等植被虽然已经返绿,但NDVI值都低于冬小麦,同时期的非植被的NDVI值更是远低于冬小麦,冬小麦处于拔节、抽穗期的时候,棉花、水稻等其他作物也才刚刚播种,冬小麦信息在遥感影像上最为突出[21]。所以,可以选择冬小麦的关键生育期作为研究时段[22]。为了模型便于推广,用NDVIxy表示不同时段的NDVI值,其中x取值范围为1~12,代表月份,y取值范围为1~3,分别表示上、中、下旬,如NDVI33表示3月下旬的NDVI值[23]。冬小麦时间序列遥感监测提取的一般模型(一般提取耕地中同时满足以下条件的晴空天气的像元为冬小麦)为:NDVI31>T1,NDVI32>NDVI31,NDVI41>NDVI32,NDVI43>NDVI41,NDVI43>T2

因为MOD13Q1的植被数据产品,时间分辨率是16 d,所以一个月只有两景影像,不是每旬都有数据。模型中T1T2为不同生育期的阈值(表 1)。由于受播种时间、物候差异、气候变化、作物长势差异等影响,NDVI值具有区域特性,不同监测年份、不同区域阈值不同,需要根据每年的物候历或农情野外监测数据进行修正。

表 1 2009—2019年临沂地区冬小麦不同生育期阈值 Table 1 Thresholds in different growth stages of winter wheat in Linyi from 2009 to 2019
2.1.2 结果验证分析 2.1.2.1 空间分布位置的验证

地面样点数据包括2009—2019年临沂市气象局农业气象观测数据、野外调查观测数据以及Google Earth目视采样点数据,其中农业气象站的观测数据主要用于冬小麦发育期的确定。野外观测中共采集了5个GPS样点,鉴于人力、物力有限,选取的野外调查点数量较少,故又在Google Earth高分辨率影像中随机选取了35个样点,基本覆盖了冬小麦主要种植区(图 2)。将这些数据进行空间化和数字化处理,用来辅助验证临沂地区冬小麦种植信息空间分布的提取结果。结果表明:40个冬小麦样点中,38个在影像中被正确分类为冬小麦,空间匹配精度为95%。

图 2 验证点空间位置分布 Fig.2 Spatial distribution of verification points
2.1.2.2 基于统计数据的数量验证

用以上方法得到2009—2019年临沂地区冬小麦空间分布(图 3)信息,且提取面积与统计面积具有较高的吻合度,提取精度在97%以上(表 2)。

图 3 2009—2019年临沂地区冬小麦种植的空间特征信息(a. 2009年,b. 2010年,c. 2011年,d. 2012年,e. 2013年,f. 2014年,g. 2015年,h. 2016年,i. 2017年,j. 2018年,k. 2019年) Fig.3 Spatial characteristics of winter wheat planting in Linyi (a. 2009, b. 2010, c. 2011, d. 2012, e. 2013, f. 2014, g. 2015, h. 2016, i. 2017, j. 2018, k. 2019)
表 2 基于统计数据的精度验证 Table 2 Verification of accuracy based on statistic data
2.2 冬小麦种植的空间特征信息

图 3为基于遥感植被数据产品提取出来的2009—2019年临沂冬小麦种植的空间特征信息。

2009年,临沂地区冬小麦种植面积2 838 km2,占行政面积的16.5%,南部平原的兰陵、临沭和郯城为主要分布区,合计占冬小麦总面积的59%。西北部费县、蒙阴、平邑、沂水4个县丘陵山地较多,冬小麦相对较少,占比均小于10%。

2019年,临沂地区冬小麦种植面积2 985 km2,占行政面积的17.4%。空间分布格局与2009年一致,兰陵、临沭和郯城冬小麦面积合计占冬小麦总面积的66%。西北部4县的冬小麦依然相对较少。

2.3 冬小麦种植稳定度分析

从不同区域冬小麦种植年数(图 4)来看,2009—2019年,持续种植冬小麦10 a及以上的区域总面积为1 638 km2,主要分布在兰陵和郯城,占比均超过30%,稳定度高;连续种植冬小麦7~9 a的区域总面积为976 km2,主要分布在郯城、兰陵和临沭,较为稳定;持续种植4~6 a的区域主要分布在兰陵和临沭,面积955 km2,具有一定的稳定度;持续种植小于4 a的区域主要分布在费县和莒南,面积为1 914 km2,种植不稳定。近10年来,兰陵、郯城冬小麦种植分布格局相对稳定,连续种植10 a及以上的区域面积占各自冬小麦种植总面积的50%左右。由此可见,平原地区冬小麦种植区域相对稳定,种植时间相对较长;而丘陵山地、城中心地区,冬小麦的种植区域不稳定,种植时间较短,变化较大。

图 4 临沂地区2009—2019年不同地块冬小麦种植年数分布 Fig.4 Distribution of winter wheat planting years in different plots of Linyi from 2009 to 2019
2.4 冬小麦种植面积的时空演变 2.4.1 时间变化

临沂地区三区九县冬小麦种植面积近10年期间均有不同程度的变化,但起伏都不大(图 5)。从图上可以明显看出,2009—2019年,郯城和兰陵地区的冬小麦种植面积一直远高于其他地区,其次是临沭,是临沂冬小麦的主产区;虽然这三个县的冬小麦面积变化起伏不一,但总体上都呈不同程度的增加趋势。而蒙阴和沂水则相反,种植面积一直低于其他县区,且与2009年相比,2019年的面积均略有减少。

图 5 2009—2019年临沂地区各县区冬小麦种植面积年际变化 Fig.5 Interannual change in winter wheat planting areas in different counties and districts of Linyi from 2009 to 2019

近10年来,临沂地区冬小麦种植面积变化率最大的是平邑(图 6),但面积增加并不多,只增加了34 km2,由2009年占全市行政面积的1%增长到2019年的3%。2009—2019年冬小麦种植面积增加最多的是临沭,由2009年占全市行政面积的33%增长到2019年的48%;其次是兰陵,增加了111 km2

图 6 2009—2019年临沂地区冬小麦种植面积变化 Fig.6 Change in winter wheat planting areas in different counties and districts of Linyi from 2009 to 2019

图 7为临沂市三区九县冬小麦面积动态度空间分布。2009—2019年,临沂冬小麦种植总面积的变化幅度和年均变化率分别为5.5%和0.5%;各县区变化趋势不一致,年均变化率也相差较大,冬小麦面积增加主要在平邑和临沭,年均变化率为13%、5%;冬小麦面积减少主要在兰山和费县,年均变化率分别为-4%、-3%。2009—2012年,三区九县冬小麦面积整体呈增加趋势,增加主要在平邑、费县、蒙阴;2012—2019年,冬小麦面积各县区整体呈下降趋势,年均变化率在-9%~-1%之间。

图 7 2009—2019年临沂地区冬小麦面积动态度空间分布 Fig.7 Spatial distribution of dynamic degree of winter wheat area in Linyi from 2009 to 2019
2.4.2 空间变化

2009—2019年临沂地区冬小麦种植空间位置上略有转移,但总体分布情况几乎不变,仍呈南多北少的格局。图 8直观表示了临沂地区2019年冬小麦种植分布较2009年的变化情况。其中,冬小麦种植面积新增了367 km2,占总增多面积的87%,新增区域主要分布在兰陵、临沭和莒南,呈明显的扩张趋势。冬小麦面积减少达220 km2,主要分散分布在临沂三区和费县。

图 8 2009—2019年临沂地区冬小麦空间分布变化(a. 2009—2012年,b. 2012—2019年,c. 2009—2019年) Fig.8 Change in spatial distribution of winter wheat in Linyi from 2009 to 2012 (a), from 2012 to 2019 (b), and from 2009 to 2019 (c)

2009—2012年冬小麦种植面积新增最多的是兰陵,占总增加面积的18%,其次是临沭、费县、莒南;新增最少的是蒙阴,只占总增加面积的0.9%;种植区域消失最多的是临沭,其次是郯城、河东、莒南、兰陵;消失的最少的是蒙阴。4年来,持续种植冬小麦的区域面积共计2 274 km2,其中兰陵所占比例最大,为26%,蒙阴最小,仅占0.1%。2009—2012年,冬小麦种植总面积减少的只有河东区,其他各区县的冬小麦种植面积均呈不同程度的增加趋势。

2012—2019年冬小麦种植面积新增最多的区县是临沭,占总增加面积的27%,其次是兰陵、郯城、莒南,增加最少的是蒙阴,只占总增加面积的0.5%。2012—2019年冬小麦种植区域减少最多的是费县,最少的是蒙阴。7年来,持续种植冬小麦的区域面积共计2 207 km2,主要分布在兰陵。

3 冬小麦种植区域时空变化特征的原因分析 3.1 空间分布原因分析

临沂地区冬小麦种植区域相对集中,呈南多北少的分布格局,空间分布变化主要有以下2个特点:1)从城区到郊外,冬小麦种植面积减小幅度趋于缓和,离城区越近的地方冬小麦种植面积减小越迅速,而且更加明显;2)海拔越高的地方冬小麦种植面积减小的速度越慢,反之,海拔越低的地方冬小麦种植面积减少得越快。该结论与前人的研究结果[24]一致。这主要是因为临沂地区北部的蒙阴、沂水以山地、丘陵为主,不利于种植冬小麦,而处于南部的郯城、兰陵和临沭,以平原为主,适宜农作物种植。

3.2 种植稳定度原因分析

城市周边地区冬小麦种植稳定度相对较差,这主要是因为近年来我国经济持续快速发展,城镇化水平不断提高,城镇人口比例增加,城区不断向四周扩展,耕地逐渐被占用,大量耕地被转化为建设用地,导致冬小麦种植区域大幅减少。而处于城市边缘的郯城、兰陵种植稳定度则相对较好,50%左右的种植区域连续种植冬小麦达到10 a及以上,这主要是由于该区域阳光充足、雨量充沛、地势平坦,有利于农作物、植被的生长发育。

3.3 种植面积变化趋势分析

临沂地区三区九县冬小麦种植面积近10年期间均有不同程度的变化,作为临沂主城区的兰山、河东和罗庄,近10年来的种植总面积呈减少趋势,这主要是因为城市化进程加快,主城区人口不断增多,城市扩张。费县和沂南种植面积减少也比较明显,这可能是由于该区乡镇企业发达,且冬小麦种植费时费力,农作物灌溉费用较高,经济效益下降,导致农民种植的积极性下降,出现“弃耕”的现象,原来冬小麦种植用地转为种植蔬菜瓜果等经济效益较高的作物或转化为建设用地[25-26]。而兰陵和临沭总体上都呈不同程度的增加,呈明显的扩张趋势,这可能与土地整理复垦、中低产田改造有关。其余地形地貌相近的县区冬小麦种植面积近10年情况相似,均变化不大。

4 结论

1) 基于Terra/MOD13Q1遥感植被数据产品,通过分析冬小麦的遥感光谱特征、物候历特征及其生物学特性,建立临沂地区冬小麦时间序列遥感监测提取的一般模型,空间匹配精度为95%,基于统计数据的提取精度达到97%,精度较高,满足研究需要。

2) 近10年来,郯城和兰陵冬小麦种植稳定度较高,冬小麦种植区域中有近一半的面积连续种植达到10 a及以上;而费县和莒南稳定度较低,冬小麦种植区域连续种植年数大部分在4 a以下。

3) 2009—2019年,临沂地区冬小麦种植在空间分布上略有变化,但总体变化较小,仍呈南多北少的分布格局,种植区域相对集中,主要分布在南部兰陵、临沭、郯城等平原地区。

4) 2009—2019年临沂地区冬小麦种植面积略有增加,由2009年占全市行政面积的16.5%增长到2019年的17.4%,变化幅度和年均变化率分别为5.2%、0.5%。

参考文献
[1]
吕学梅, 王金东, 曹张驰. 气候变化对临沂小麦越冬期变化的影响[J]. 中国农学通报, 2013, 29(3): 42-46.
[2]
王传祥, 刘延刚, 徐玉恒, 等. 临沂市冬小麦秋播秋苗期病虫草鼠害防控集成技术[J]. 农业科技通讯, 2018(5): 197-198, 237.
[3]
王利民, 刘佳, 姚保民, 等. 基于GF-1影像NDVI年度间相关分析的冬小麦面积变化监测[J]. 农业工程学报, 2018, 34(8): 184-191.
[4]
王连喜, 徐胜男, 李琪, 等. 基于决策树和混合像元分解的江苏省冬小麦种植面积提取[J]. 农业工程学报, 2016, 32(5): 182-187.
[5]
朱杰, 聂振邦, 马晓河. 21世纪中国粮食问题, 1999, 3-60.
[6]
ALLEN R, HANUSCHAK G, CRAIG M. History of remote sensing for crop acreage in USDA's National Agricultural Statistics Service[J]. Health Syst Rev, 2002, 29(2): 559-567.
[7]
陈水森, 柳钦火, 陈良富, 等. 粮食作物播种面积遥感监测研究进展[J]. 农业工程学报, 2005, 21(6): 166-171.
[8]
张健康, 程彦培, 张发旺, 等. 基于多时相遥感影像的作物种植信息提取[J]. 农业工程学报, 2012, 28(2): 134-141.
[9]
CANTERS F. Evaluating the uncertainty of area estimates derived from fuzzy land-cover classification[J]. Photogramm Eng Remote Sens, 1997, 63(4): 403-414.
[10]
李存军, 王纪华, 刘良云, 等. 利用多时相Landsat近红外波段监测冬小麦和苜蓿种植面积[J]. 农业工程学报, 2005, 21(2): 96-101.
[11]
李奇峰, 张海林, 陈阜. 东北农作区粮食作物种植格局变化的特征分析[J]. 中国农业大学学报, 2008, 13(3): 74-79, 84.
[12]
石涛, 张丽, 杨元建. 基于Landsat-8和LSMM的冬小麦面积提取研究:以皖北为例[J]. 麦类作物学报, 2015, 35(12): 1727-1732.
[13]
LEFF B, RAMANKUTTY N, FOLEY J A. Geographic distribution of major crops across the world[J]. Glob Biogeochem Cyc, 2004, 18(1): GB1009.
[14]
TAN J Y, YANG P, LIU Z H, et al. Spatio-temporal dynamics of maize cropping system in Northeast China between 1980 and 2010 by using spatial production allocation model[J]. J Geogr Sci, 2014, 24(3): 397-410. DOI:10.1007/s11442-014-1096-0
[15]
孙凌霄, 裴洪芹. 临沂市农业气候资源分析[J]. 安徽农业科学, 2018, 46(2): 141-143.
[16]
崔读昌, 刘洪顺, 闵谨如, 等. 中国主要农作物气候资源图集[M]. 北京: 气象出版社, 1984.
[17]
康凌艳, 雷玉平, 郑力, 等. 在GIS支持下利用MODIS数据监测多种作物和果树种植面积[J]. 遥感技术与应用, 2007, 22(3): 361-366.
[18]
崔瑞蕊, 杜华强, 周国模, 等. 近30 a安吉县毛竹林动态遥感监测及碳储量变化[J]. 浙江农林大学学报, 2011, 28(3): 422-431.
[19]
朱会义, 李秀彬. 关于区域土地利用变化指数模型方法的讨论[J]. 地理学报, 2003, 58(5): 643-650.
[20]
王秀兰, 包玉海. 土地利用动态变化研究方法探讨[J]. 地理科学进展, 1999, 18(1): 81-87.
[21]
刘红超, 梁燕, 张喜旺. 多时相影像的冬小麦种植面积提取及估产[J]. 遥感信息, 2017, 32(5): 87-92.
[22]
陈鹏飞, 于延春, 杨飞, 等. 气候变化对鲁西北平原冬小麦产量的影响及对策[J]. 自然资源学报, 2013, 28(2): 211-219.
[23]
杨小唤, 张香平, 江东. 基于MODIS时序NDVI特征值提取多作物播种面积的方法[J]. 资源科学, 2004, 26(6): 17-22.
[24]
崔方宁, 宋晓宇, 孙宝生, 等. 基于多时相TM影像的冬小麦面积变化监测[J]. 遥感信息, 2012, 27(5): 89-95.
[25]
史磊刚, 于景鑫, 陶欢, 等. 基于RS和GIS的北京冬小麦面积多尺度时空变化研究[J]. 麦类作物学报, 2018, 38(1): 41-49.
[26]
王红营, 潘学鹏, 罗建美, 等. 基于遥感的华北平原农作物时空分布变化特征分析[J]. 中国生态农业学报, 2015, 23(9): 1199-1209.