刘 元 亮，李 艳,吴 剑 亮

(南京大学国际地球系统科学研究所，江苏省地理信息技术重点实验室，江苏 南京 210023)



基于LSWI和NDVI时间序列的水田信息提取研究

刘 元 亮，李 艳*,吴 剑 亮

(南京大学国际地球系统科学研究所，江苏省地理信息技术重点实验室，江苏 南京 210023)

利用多时相的Landsat TM/ETM+和DEM数据，分别采用直方图匹配(HM)和准不变特征点(PIFs)方法对影像序列进行相对辐射校正，减少了影像的光照和大气条件在时间上的不确定性，提高了归一化植被指数(NDVI)和地表水分指数(LSWI)的计算精度。根据水稻在不同生育期表现出的生理特征，基于LSWI和NDVI时间序列及高程特征，采用二叉树方法提取了浙江省金华市水田信息。经过验证，在空间上水田信息的提取精度达到92.3%，在县域尺度上提取面积与统计年鉴具有0.97的相关度。

水田；LSWI；NDVI时间序列；金华

0 引言

水稻是世界主要的粮食作物之一，水田面积约占世界农田总面积的11%，其灌溉用水约占全球淡水资源的70%，而且水田是温室气体甲烷排放变化的重要影响因素，也是碳汇的重要途径，因此，及时、准确地了解水田的面积及空间分布状况，对粮食安全、温室气体排放监测、水资源管理等方面具有重要意义[1-4]。目前，部分学者对水田信息的提取进行了相关研究：如杨艳昭等基于TM数据，采用水稻移栽期的地表水分指数(Land Surface Water Index，LSWI)等指标获取了吉泰盆地的水田分布信息[5]；钟仕全等基于HJ-1B卫星遥感数据，通过对HJ-1B星CCD数据水稻的光谱反射特性进行分析，建立了水稻遥感信息识别模型，应用决策树分类方法提取了广西宾阳县的水稻作物信息[6]；……