航天宏图PIE-Engine遥感云平台带你看世界顶级的新疆棉花！

2021-03-29 15:29 作者:航天宏图 0人读过 | 我要投稿

我国是世界上最大棉花消费国，第二大棉花生产国。新疆是我国的主要棉产区，棉产量占国内总产量的百分之八十以上。新疆棉花质地柔软，手感舒适，色彩鲜艳，吸水性好，特别是新疆长绒棉，是世界顶级的棉花。新疆棉花不只是顶级纺织品，它还是人民币的原料，它更是战疫的关键一环，是口罩的重要材料，新疆半年以来拿出近300万吨棉花支援抗疫。

近年来，航天宏图在遥感监测新疆棉花方面做了诸多工作。今天，让我们一起了解一下吧。

基于PIE-Engine的新疆棉花种植面积提取

（1）棉花种植面积提取方法

首先，利用GlobaLand 30全球地表覆盖分类数据获取石河子市的所有耕地区域。另外，通过分析石河子市棉花耕地在影像中的敏感特征（光谱与指数），棉花在红光波段的反射率相比其它波段表现出了更高的敏感性，并且该区域处于生长季的棉花NDVI指数普遍大于0.5。由此，我们可以根据这两个敏感特征在影像中的耕地区域内快速识别与提取棉花耕地，计算棉花的NDVI、NDWI以及叶绿素，并进一步分析棉花涨势与产量。根据我们的监测结果，新疆多地棉花长势喜人，产量稳定增长。

计算公式如下：

式中：B3为影像的绿光波段反射率，B4为影像的红光波段反射率，B6为红边2波段反射率，B7为红边3波段反射率，B8为近红外波段的反射率。

（2）棉花种植面积提取结果

基于PIE-Engine实现新疆棉花监测，代码如下：

向下滑动阅览

1.//加载显示石河子市矢量边界数据

2.var shz = pie.FeatureCollection("NGCC/CHINA_COUNTY_BOUNDARY")

3. .filter(pie.Filter.eq("name", "石河子市"))

4. .first()

5. .geometry();

6.Map.centerObject(shz, 9);

7.Map.addLayer(shz, {color: "ff0000ff", fillColor: "00000000", width: 1}, "石河子市");

9.//加载显示全球地表覆盖GlobeLand30数据集并筛选耕地

10.var lc = pie.ImageCollection('NGCC/GLOBELAND30')

11. .filterDate("2019", "2021")

12. .select("B1

13. .first()

14. .eq(10)

15. .clip(shz);

16.Map.addLayer(lc, {uniqueValue: ["0", "1"], palette: ["f5fffa", "9acd32"]}, "耕地", false);

17.

18.//加载显示2020年7月石河子市Sentinel-2 L2A合成影像

19.var img = pie.Image("user/3408/SHZ_S2_L2A");

20.Map.addLayer(img.select(["B4", "B3", "B2"]), {min:0, max: 3000}, "石河子市S2_L2A合成影像",false);

21.

22.//计算影像NDVI、NDWI以及SPAD

23.var green = img.select("B3");

24.var red = img.select("B4");

25.var re2 = img.s

26.var re3 = img.select("B7");

27.var nir = img.select("B8");

28.var NDVI = (nir.subtract(red)).divide(nir.add(red)).rename("NDVI");

29.var NDWI = (green.subtract(nir)).divide(green.add(nir)).rename("NDWI");

30.var SPAD = (re3.divide(re2)).multiply(25.34).subtract(28.06).rename("SPAD");

31.

32.//根据敏感特征提取棉花并显示

33.var cot_RGB = img.select(["B4", "B3", "B2"])

34. .updateMask(lc.eq(1).and(nir.gt(4500)).and(NDVI.gt(0.5)));

35.Map.addLayer(cot_RGB,

36.

37.//掩膜获取棉花NDVI

38.var cot = NDVI.updateMask(lc.eq(1).and(nir.gt(4500)).and(NDVI.gt(0.5)));

39.

40.//按不同阈值显示NDVI

41.var cot_NDVI = cot.where(cot.gt(0.50).and(cot.lte(0.75)), 1)

42. .where(cot.gt(0.75).and(cot.lte(0.80)), 2)

43. .where(cot.gt(0.80).and(cot.lte(0.85)), 3)

44. .where(cot.gt(0.85).and(cot.lte(0.90)), 4)

45. .where(cot.gt(0.90).and(cot.lte(1.00)), 5);

46.Map.addLayer(cot_N

47.

48.//计算棉花NDVI最大值、最小值以及均值

49.var NDVI_max = cot.reduceRegion(pie.Reducer.max(), shz, 30).get("NDVI").getInfo();

50.print("NDVI最大值

51.var NDVI_min = cot.reduceRegion(pie.Reducer.min(), shz, 30).get("NDVI").getInfo();

52.print("NDVI最小值", NDVI_min);

53.var NDVI_mean = cot.reduceRegion(pie.Reducer.mean(), shz, 30).get("NDVI").getInfo();

54.print("NDVI平均值", NDVI_mean);

55.

56.//计算棉花耕地的面积，单位：公顷

57.var area = cot.pixelArea()

58. .multiply(cot)

59. .reduceRegion(pie.Reducer.sum(), shz, 30)

60. .getInfo()

61. .constant/1000000;

62.print("棉花种植面积", area);

63.

64.//掩膜获取棉花NDWI

65.var wat = NDWI.updateMask(lc.eq(1).and(nir.gt(4500)).and(NDVI.gt(0.5)));

66.

67.//按不同阈值显示NDWI

68.var water = wat.where(wat.gt(-1.00).and(wat.lte(-0.90)), 1)

69. .where(wat.gt(-0.90).and(wat.lte(-0.85)), 2)

70. .where(wat.gt(-0.85).and(wat.lte(-0.80)), 3)

71. .where(wat.gt(-0.80).and(wat.lte(-0.70)), 4)

72. .where(wat.gt(-0.70), 5);

73.Map.addLayer(water, {min: 1, max: 5, palette: ["FF0000", "FFC800", "B6FF8F", "33C2FF", "0000FF"]}, "棉花-NDWI");

74.

75.//计算棉花NDWI最大值、最小值以及均值

76.var NDWI_max = wat.reduceRegion(pie.Reducer.max(), shz, 30).get("NDWI").getInfo();

77.print("NDWI最大值", NDWI_max);

78.var NDWI_min = wat.reduceRegion(pie.Reducer.min(), shz, 30).get("NDWI").getInfo();

79.print("NDWI

80.var NDWI_mean = wat.reduceRegion(pie.Reducer.mean(), shz, 30).get("NDWI").getInfo();

81.print("NDWI平均值", NDWI_mean);

82.

83.//掩膜获取棉花SPAD

84.var crp = SPAD.updateMask(lc.eq(1).and(nir.gt(4500)).and(NDVI.gt(0.5)));

85.

86.//按不同阈值显示SPAD

87.var chlorophyll = crp.where(crp.gt(0.0).and(crp.lte(1.5)), 1)

88. .where(crp.gt(1.5).and(crp.lte(2.5)), 2)

89. .where(crp.gt(2.5).and(crp.lte(3.5)), 3)

90. .wh

91. .where(crp.gt(4.5), 5);

92.Map.addLayer(crp, {min:1, max:5, palette: ["FFFF80", "71EB2F", "55FF00", "216E9E", "0C1078"]}, "叶绿素");

93.

94.//计算棉花SPAD最大值、最小值以及均值

95.var SPAD_max = crp.reduceRegion(pie.Reducer.max(), shz, 30).get("SPAD").getInfo();

96.print("叶绿素最大值", SPAD_max);

97.var SPAD_min = crp.reduceRegion(pie.Reducer.min(), shz, 30).get("SPAD").getInfo();

98.print("叶绿素最小值", SPAD_min);

99.var SPAD_mean = crp.reduceRegion(pie.Reducer.mean

100.pri

PIE-Engine Landscape风景农业大数据监测系统

PIE-Engine Landscape（简称：风景）农业大数据系统是面向农业全生命周期提供信息化服务的产品。该产品支持农业生产前期的农作物分类提取、种植适宜性评价，生产过程的播期预测、长势分析及施肥建议、土壤墒情监测及灌溉建议，临近成熟期的作物估产、成熟期预测及收获进度监测服务。能够提供生产全周期的气象保障，包括寒潮、高温等灾害预报，以及干旱、洪涝等灾害监测。

（1）地膜覆盖监测

2019年5月初新疆局部地区棉花地膜覆盖评估结果