作者投稿模板-中国农业资源与区划

《中国农业资源与区划》论文写作模板·栏目名称·基于中分辨TM数据的水稻提取方法对比研究1空1行李□□1,刘□□2,吴□□1,谭□□1,杨□1,*（1.中国农业科学院农业资源与农业区划研究所/农业部农业信息技术重点实验室，北京100081；2.中山大学地理科学与规划学院，广州，510275）空1行摘要水稻种植面积监测是当前农业土地变化科学的热点问题，但运用遥感技术对水稻种植面积精确实施监测一直是难点。中分辨率遥感影像能够满足我国大面积水稻作物监测，成为业务化运行的主要数据源。为此,本研究尝试以中分辨率TM影像为数据源,结合神经网络和面向对象（SVM）两种算法对对黑龙江省富锦市2010年两期不同时相影像分别进行水稻分类提取，并对分类结果进行滤波处理及混淆矩阵精度评定。结果表明：（1）在高纬度单季稻生长区，面向对象分类算法的精度显著高于神经网络的分类精度，水稻用户精度和生产者精度在6月份分别高0.55%、1.37%，在8月份分别高0.62%、2.34%；（2）对神经网络分类的结果进行Majority滤波处理，在一定程度上可以改善水稻分类的精度，水稻用户精度和生产者精度在6月份分别提高0.14%、0.5%，在8月份分别提高1.56%、1.43%；（3）选取关键水稻物候期的遥感影像获取水稻种植面积的精度更高，返青期水稻提取精度要高于乳熟期，其中神经网络算法的水稻用户精度及生产者精度分别提高2.67%、3.45%；面向对象算法的水稻用户精度及生产者精度分别提高2.6%、2.48%。未来需要重点考虑建立全国水稻物候历信息、面向对象算法中自动化最优尺度分割方法来提高水稻分类的精度。（字数不少于350字）关键词水稻神经网络面向对象TM影像（不少于5个关键词）空2行水稻在我国粮食生产中占有重要的地位，是我国重要的粮食作物之一，占全国粮食总播种面积的27%，而其产量则达到粮食总产量的35%[1]。与此同时,水稻面积遥感动态监测正成为农作物空间监测[2]和土地变化科学[3]的热点问题。精确的水稻种植面积信息，可为农业生产、水稻产量的预报和评估、粮食价格预测和国家粮食生产布局及规划等提供科学依据[4]。中分辨率遥感影像由于具备较高的空间分辨率，能够满足我国大面积水稻作物监测，成为业务化运行的主要数据源。中高空间分辨率影像包括LandsatTM/ETM+、SPOT、CBERS-1/2CCD、HJ-1A/1BCCD等（表1），其分辨率主要在100m以内，是当前最常用的水稻遥感监测数据源，其特征是卫星类型多、覆盖范围广、时间分辨率较高且时间序列较长，可实现大范围、多时期水稻种植的长期监测。Peng等[5]利用1986年和2002年两期LandsatTM影像对丽江县包1收稿日期：2013-11-08作者信息：李□□为硕士研究生，Email:[e-mail]，Tel：[phone]；刘□□为讲师李□□为副研究员吴□□为副研究员、副主任谭□□为硕士研究生杨□为研究员、通讯作者通讯作者信息：杨□**，Email:[e-mail]，Tel：[phone]资助项目：国家自然科学基金项目（40930101,41171328和41201184），国家重点基础研究发展计划项目（“973”计划）（2010CB951502）要求：注明所有作者的单位名称、职务、职称以及通讯作者的联系方式；最好要注明基金项目。三号黑体小五宋体小五黑体小五宋体正文，五号宋体四号黑体小四宋体，居中六号宋体《中国农业资源与区划》论文写作模板括水稻在内表1中分辨率水稻遥感监测常用数据源1研究区与数据1.1研究区域本文选择□□□□□□□□□□□□□□□□□□研究区（图1），□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□图1□□□□□□研究区参考文献[1]陈晓华，张玉香，张合成.中国农业统计资料2011.北京:中国农业出版社,2012.卫星传感器发射时间/y波段最大空间分辨率/m时间分辨率/dLandsat-5TM19841~5,7,630,30,12016SPOT-4HRV,HRVIR19981~4,全色20,1026CBERS-02CCD相机20031~519.526Landsat-7ETM+19991~5,7,6,全色30,30,60,1516SPOT-5HRG20021~4,全色20,10,5,2.526HJ-1A/BCCD相机20081~4304Landsat-8OLI20131~7,9,830,30,1516六号宋体小四号黑体，顶格四号黑体，上、下各空半行六号宋体四号黑体小5号黑体正文内容五号宋体本刊默认为黑白印刷，图对比要明显可辨，作者对文中所有的图可自己打印出来看一下。如果作者黑白图效果不好，可以提前通知编辑部出彩图，需另收费。地理空间图请按照国家标准出图：包括指北针、比例尺、图例等。全国范围的图件，一定要标出南海地区及台湾省。小5号黑体《中国农业资源与区划》论文写作模板[2]KuenzerC,KnauerK.Remotesensingofricecropareas.InternationalJournalofRemoteSensing.2013,34(6):2101-2139.[3]AspinallR.Editorial.JournalofLandUseScience.2006,1(1):1-4.[4]覃志豪，唐华俊，李文娟等.气候变化对农业和粮食生产影响的研究进展与发展方向.中国农业资源与区划.2013,34(5):1-7.[5]PengJ,WuJ,YinHetal.Rurallandusechangeduring1986--2002inLijiang,China,basedonremotesensingandGISdata.Sensors.2008,8(12):8201-8223.[6]朱晓禧，方修琦，王媛.基于遥感的黑龙江省西部水稻、玉米种植范围对温度变化的响应.地理科学.2008,28(1):66-71.[7]李小涛，李纪人，黄诗峰等.变差函数和神经网络结合的遥感影像分类方法研究.国土资源遥感.2006(1):18-21.[8]陈启浩，高伟，刘修国.辅以纹理特征的高分辨率遥感影像分类.测绘科学.2008,33(1):88-90.[9]翁中银，何政伟，范娟等.基于TM影像的面向对象地表覆被信息提取.地理空间信息.2013,11(1):37-39.[10]黄敬峰，杨忠恩，等.基于GIS的浙江省水稻遥感估产最佳时相选择.应用生态学报.2002,13(3):290-294.[11]李正国，唐华俊，杨鹏等.植被物候特征的遥感提取与农业应用综述.中国农业资源与区划.2012,33(5):20-28.[12]李朝峰，曾生根，许磊.遥感图像智能处理.北京:电子工业出版社,2007.[13]张俊，于庆国，侯家槐.面向对象的高分辨率影像分类与信息提取.遥感技术与应用.2010(1):112-117.[14]汤传勇，卢远.利用面向对象的分类方法提取水稻种植面积.遥感信息.2010(1):53-56.要求：1、参考文献，不少于10条，其中《中国农业资源与区划》期刊引文一般不少于2条；同时，所有参考文献都要在文中进行标注。2、参考论文格式：作者.论文题目.刊名，年份，卷（期）：起止页码。三个作者以上的，请写出前三个作者，例如：陈学渊，唐华俊，吴永常，等.海河流域水资源对农业生产的影响分析.中国农业资源与区划，2012，(33)：34-39空2行CONTRASTINGTWOCLASSIFICATIONMETHODSINMAPPINGPADDYRCIEUSINGTHEMID-RESOLUTIONTMIMAGESLiZhipeng1,LiZhengguo1,LiuZhenhuan2,WuWenbin1,TanJieyang1,YangPeng1空1行(1.KeyLaboratoryofAgri-informatics,MinistryofAgriculture/InstituteofAgriculturalResourcesandRegionalPlanning,ChineseAcademyofAgriculturalSciences,Beijing100081,China;2.GeographyandPlanningSchoolofSunYat-senUniversity,Guangzhou510275,China)空1行AbstractIt’sahotissuetomonitoringthericeareaofthepresentagriculturallandchangescience.However,it’sverydifficulttomonitorriceareausingremotesensingtechnologyaccurately.Usingtwophasemid-spatialresolutionTMimages,accordingtothemethodsofobject-orientedclassificationandArtificialNeuralNetwork(ANN),thispapermonitoredthericeareainFujinCounty,HeilongjiangProvince.Asaresult,therearethreeconclusionsasfollows.Firstly,riceaccuracyusingthemethodofobject-orientedclassificationisbetterthanthatusingANNclassificationmethod,whichishigher0.55%and1.37%forriceuseraccuracyandproductionaccuracyinJune,0.62%and2.34%forriceuseraccuracyandproductionaccuracyinAugust.Secondly,aftertheprocessofMajorityanalysis,wecanmakeaprogressforthericeaccuracyusingthemethodofANN,andthe四号TimesNewRoman加粗，全部大写，应与中文题名一致。六号TimesNewRoman五号加粗五号TimesNewRoman居中，姓氏字母大写，名字首字母大写，其余小写。《中国农业资源与区划》论文写作模板accuracyhasincreased0.14%,0.5%forriceuseraccuracyandproductionaccuracyinJune,1.56%,1.43%forriceuseraccuracyandproductionaccuracyinAugust.Thirdly,choosingthepropertimeimagescangetahigheraccuracyricearea,andthericeaccuracyatreturninggreenstageisbetterthantheaccuracyattheatthemilk-ripestage,suchas,riceuseraccuracyandproductionaccuracycanincrease2.67%and3.45%usingANNmethod,canincrease2.6%、2.48%usingthemethodofobject-orientedclassification.Infuture,weshouldfocusontheseareaswherewecanmakemoreprogressintheclassaccuracy,suchasbuildinglongtimeseriesofricephonologicalcalendar,thebetterautomatizedsegmentationdegr