作品单位：中国地质大学（武汉）信息工程学院
小组成员：孙冬冬、陈瑞麟、庞书玉、邓筱曈
指导教师：沈永林、刘鑫凯
获奖情况：二等奖
视频地址：https://www.bilibili.com/video/av37927286
一、作品概述
农业物候学（Agricultural phenology）是研究自然界农作物、动物和环境条件（气候、水文、土壤）的周期变化之间相互关系的科学。人们为了更好的利用自动化设备进行高效的农业生产，就需要结合农作物的物候信息对农作物的长势进行监控。除此之外，人们也需要掌握农作物物候的时空规律。
本应用在利用Access数据库对全国778个站点多达22年（1992~2013）的观测数据进行有效组织的基础上，对时间维或空间维上产生的无效和错误数据进行了剔除并且实现了时域查询与空域查询的功能，从而利用查询结果对全国各个地区的物候规律进行地域特征及时序特征，并结合不同种植习惯以及作物物候规律对不同农业区进行分区。
应用需要基于2000~2012年与2015~2017年的MOD09Q1数据计算获得的NDVI八天合成产品数据集。该数据集经过了几何校正、拼接、裁剪等预处理，经NDVI指数计算后采用最大值合成（Maximum Value Composition）方法获得。此外，获取2015~2017年数据与东北不同作物实地样方矢量和对应Landsat8数据叠加显示，从而确定作物样本的空间位置，从而构建东北各个作物的物候库。
利用物候库对2000~2012年的遥感数据进行作物分类，然后将遥感数据与地面站记录的农学信息做时空匹配，结合TimeSat软件对匹配之后的信息进行分析、得到基于物候概率的NDVI特征提取的结果。从而实现遥感数据与农学信息的转化。
二、作品技术流程
本应用为分析中国近1990年至2013年物候的时空分布规律与变化问题与分析应用遥感手段反演物候的精度，将全国778个站点17多万条物候记录，放入access数据库中进行有效组织。按照分析需求对数据库进行不同条件的查询，再利用克里金插值与Manner-Kendall趋势分析，得到中国六种主产作物（水稻、大豆、小麦、玉米、棉花、油菜）的物候特征的空域分布情况以及时域特征。进而根据不同地区的不同作物种植习惯的相似性，利用Isodata非监督聚类的方法将物候区进行了不同程度上的划分。此外，本应用采用的是MOD09Q1八天合成的产品，数据覆盖东北三省。其首先经过拼接、投影、裁剪等预处理步骤，然后经NDVI指数计算后采用最大值合成（Maximum Value Composition）方法得到NDVI时间序列图像，参考MOD09GQ数据携带的质量波段对样本数据进行去噪以及SG滤波进行曲线光滑等后处理步骤，得到MODIS3D类型数据。随后将大豆，小麦，水稻作物的样本库制作，从而得到分作物后的MODIS3D数据。最后，基于遥感数据与农学信息共有的时空特性，进行基于物候概率密度NDVI特征的提取，从而实现遥感数据与地面站数据的联合分析。
具体流程如下图所示：
2.1地面站数据分析部分
对地面站的分析主要包括结合地面站数据与2017年的国家统计年鉴进行的农作物种植分布分析，以及利用数据库的空间查询结果进行的农作作物空域分析，和利用数据库的时间查询结果进行的农作物时域分析，以及依据物候规律进行各个农业区之间的物候分区这四部分。具体流程如下图所示。
2.2遥感数据处理部分
本应用所需是使用的遥感产品是MOD09Q1八天合成产品，它们都需要经过预处理、VIs Estimation、后处理后才可以使用。另外，由于需要2000年~2012年的遥感数据与地面站数据进行接下来的联合分析，但包含农作物种类信息的样方矢量是于2015年~2017年统计的，应用还利用这三年数据制作了大豆、水稻、小麦的物候库。然后结合统计年鉴上的作物面积数据对之前13年的数据进行了作物分类。具体处理流程如下图所示：
本应用使用2000年~2012年以及2015年~2017年的MOD09Q1八天合成产品，经过拼接、投影、裁剪等预处理操作后进行NDVI计算。最后经过后处理操作，包含质量波段去噪与SG滤波光滑，并且将数据组织为MODIS3D格式。具体流程如下图所示：
本应用在进行地面样方分析时，将MOD09Q1数据与Landsat8数据以及东北三省地面样方数据叠加显示，目视判别各种作物的纯像元。使用ArcMap导出记录纯像元所在行列值的文本，利用文本信息提取相应位置像元的NDVI曲线构成各个作物的物候库。具体流程如下图所示：
由于样方统计的是2015年~2017年的农作物种类信息，与所用遥感数据无时间上交集，所以需要使用这些年数据建立农作物样本的物候库。然后将物候库作为先验信息，利用基于物候匹配的农作物分类技术对所需使用的遥感数据进行分类。具体流程如下图所示：
2.3遥感数据与地面站数据联合分析部分
本应用的联合分析是基于物候规律与NDVI指数变化规律兼备时序特征的特性开展的，应用通过访问数据库获取物候规律信息，再根据TimeSat软件对NDVI曲线提取的特征结果，获得一个基于物候概率密度NDVI特征的提取结果。即为联合分析结果。分析流程如下图所示。
l 基于物候概率的NDVI特征的提取
本应用的联合分析是基于物候规律与NDVI指数变化规律兼备时序特征的特性开展的，应用对特定站点、特定作物的一个特定物候展开分析，从地面站数据中统计出这些年来该物候出现时当前区域的所有NDVI取值，然后分情况构成NDVI区间，在TimeSat中以一定步长进行插值分析，并且计算每一个插值表示该物候出现的可能性。最后拟合曲线，即得到基于物候概率的NDVI特征的提取结果。具体流程如下图所示：
之所以要提取NDVI特征，是因为NDVI特征是遥感数据表达作物物候的根本方式。
之所以要基于物候的概率进行NDVI特征提取，是因为每个NDVI特征不一定可以绝对判定为某一物候。
如图所示，当NDVI在峰右取值为0.55时，我们可以看出，此时对应地面该像元中的作物有75%的可能性处于乳熟期，也有25%的可能性处在成熟期。这种概率是基于遥感数据与地面站数据之间的联合分析得到的，随着纳入更多的遥感与地面站数据，该模型会越来越精确稳定。
如此，我们便可以通过遥感手段获取作物的NDVI特征，然后对NDVI特征进行分析，即可实现农作物的物候信息的大面积获取与监视，从而更有效的指导农业生产。
l 基于物候概率的东北大豆的NDVI特征的提取结果
黑龙江大豆
l 基于物候概率的东北玉米的NDVI特征的提取结果
l 基于物候概率的东北水稻的NDVI特征的提取结果
三、作品点评
作品选题新颖，具备较高的应用价值。作品分析中国1992年至2013年物候的时空分布规律与变化趋势问题与实现遥感物候与农学信息连接的时空匹配和信息转化。作品使用遥感数据遥感MOD09Q1八天合成产品，进行了一系列预处理、以及非监督分类，NDVI时序和最大值合成，SG滤波，从而构建了各个作物的物候库，形成作物样本库，与地面站数据联合分析。作品数据分析详细全面，PPT制作精美，讲解清晰。对农业生产方面有很高的应用价值。
作品在制作过程中，编写了大量的IDL代码用于辅助完成目标。比如实现了mdb数据库查询、物候空间分析、物候时间分析、分站点分析、遥感数据处理、地面站点NDVI的建立、物候完整站点以及NDVI范围查询、NDVI对物候概率反演等功能，值得鼓励。
