高分一号卫星影像监测水稻种植面积研究综述

简要介绍了高分一号卫星应用于农情遥感监测的优势和水稻种植面积遥感监测的原理,着重对遥感影像数据预处理、遥感影像分类方法与水稻面积提取技术等方面的研究进展进行了综述。高分一号卫星具有高空间分辨率和时间分辨率的特点,反映作物的光谱特征明显,适合选用为农情遥感监测的数据源;基于高分辨率卫星影像的水稻种植面积提取技术比较成熟;基于决策树、人工神经网络、专家知识、人工目视解译等分类提取方法应用前景广阔,但精度有待进一步提高。     

基于多时相高分一号影像水稻监测精度评价与修正——以德阳地区为例

以2014年四川省德阳地区为研究区域,建立10个(500m×500m)样方作为训练区,同时期建立水稻验证点。提取2个时相高分一号的NDVI值,分析其变化特征,确定阈值;利用数字高程图(DEM)及坡度图,采用决策树分类方法,进行水稻遥感监测。以水稻地块样点作验证,评价高分一号数据在水稻识别方面的精度,最后利用样方测算的修正系数对遥感监测面积进行修正。结果表明,在类似德阳地块比较破碎的平原和丘陵区域,高分一号影像遥感识别水稻的用户精度可达92.3%,制图精度可达96.5%。以78%系数乘积修正该区域水稻遥感监测面积,得到更为准确的水稻播种面积。高分一号影像作为全新的高空间分辨率遥感数据,在水稻监测方面,可作为一种可靠的、免费的遥感影像替代源在更大区域中探讨使用。     

不同遥感数据融合方法在南方水稻面积监测中的应用研究

在南方水稻遥感监测中,单一传感器影像数据已不能满足监测精度的要求,需要将高空间分辨率全色影像与中高空间分辨率多光谱影像进行融合,得到新的高空间分辨率多光谱影像,有利于改善影像识别与分类精度.该文利用江苏省金湖地区HJ-1A卫星30m分辨率多波段影像与ALOS卫星2.5m分辨率全色影像进行水稻监测,采用4种融合方法(Brovey变换、IHS变换、高通滤波和小波变换)对2种影像进行融合处理.随后对各种融合影像结果进行了目视定性和融合评价指标定量说明与评价,结果表明小波变换在空间与光谱信息上具有最佳的融合效果.进一步利用小波变换的融合影像进行水稻识别与面积提取,统计表明融合影像相比HJ-1A多光谱影像,水稻面积估测精度从79.26%提高到91.65%.因此,利用多源遥感数据融合的方法对南方水稻面积进行监测,可显著提高其监测精度.     

HJ星和GF1号数据在水稻种植面积提取中的应用

利用中高空间分辨率遥感技术监测农作物生长已成为当今农业遥感研究的热点问题。本研究选用国产中空间分辨率卫星HJ星和高空间分辨率卫星GF1号遥感影像数据,在分别对其进行大气校正、几何校正等预处理的基础上,选用PCA、Brovey、HPF和Wavelet 4种融合方法对HJ星和GF1号遥感数据进行融合,并对其融合效果进行定性和定量评价。通过计算融合影像的RVI和NDVI,比较其光谱特征的差异性,并对筛选出的最适融合影像进行水稻种植面积的提取与精度验证。结果表明,在4种遥感融合方法中,HPF融合效果最佳,其标准差和信息熵分别为10.984 3和1.468 6,信息量丰富,与原始影像的交叉熵和相关系数分别为1.848 5和0.370 2,保真度较好,HPF融合影像RVI和NDVI分别为6.508 1和0.713 6,与实测值最为接近,近似率分别为87.71%和98.63%,利用水稻种植面积提取样方验证的精度为98.08%。说明,对HJ星和GF1号遥感影像进行HPF融合,可以增强融合影像的信息量和光谱特征,有利于县域级水稻种植面积准确提取。     

基于Radarsat-2的水稻种植面积提取

选用2013年7月23日-10月27日期间5期分辨率为5.2 m×7.6 m的Radarsat-2影像为数据,采用支持向量机法(SVM)和最大似然法(MLC)分别对各时相水稻种植面积进行提取,并以地面实测GPS水稻样方进行精度验证。结果表明SVM和MLC方法的水稻面积提取精度均在9月9日达到最高,所以选择在9月9日的水稻面积提取结果上研究耕地地块优化和碎小图斑去除对精度的影响。通过耕地地块优化和碎小图斑去除处理,水稻面积提取精度显著提高,SVM法由原先的72.876%提高到95.482%,MLC法由74.224%提高到91.792%。     

基于GF-1/WFV EVI时间序列数据的水稻种植面积提取

随着国产高分系列卫星的发射,国产高分辨率遥感影像在作物种植面积提取方面逐渐得到了应用,但目前仅有少量基于高分一号(GF-1)卫星影像归一化植被指数(Normalized Difference Vegetation Index,NDVI)进行作物分类或遥感估产的研究。本文针对NDVI指数在南方多植被覆盖区域易饱和及不敏感的缺陷,利用在NDVI基础上改进的增强型植被指数(Enhanced Vegetation Index,EVI),首次提出基于GF-1卫星16m宽覆盖影像(Wide Field of View,WFV)EVI时间序列的水稻种植面积提取方法。选取四川省乐至县为研究区域,获取覆盖整个水稻生长周期的GF-1/WFV影像数据,构建EVI时间序列,并分析水稻不同生长期的EVI曲线特征。利用时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS)对EVI时间序列进行平滑处理,尽可能减少噪声影响,使EVI时间序列能够更好地反应水稻及其他植被或非植被随时间的变化规律;根据水稻和其他植被及非植被的EVI曲线特征差异构建水稻种植面积提取决策树模型,对水稻种植面积进行准确提取。通过与同期地理国情监测成果的对比,本研究方法提取的水稻种植面积和精度都较高,表明该方法对于提取水稻种植面积效果良好。研究表明,相对于以往用中低分辨率卫星影像进行作物种植结构提取,GF1/WFV影像在南方较破碎的水稻种植面积提取方面应用效果良好,GF-1卫星影像在农业遥感领域具备很大的应用潜力。     

协同多源国产高分影像和面向对象方法的南方农作物遥感识别

【目的】中国南方地区云雨频繁且农业景观破碎，是我国农作物遥感监测最具挑战的区域之一。我国自主研发的高分系列卫星具有高时空分辨率和高质量成像的特点。本研究挖掘多源高分系列卫星的时间和空间双重优势，实现多云雨及景观异质区作物精细化识别。【方法】基于国产高空间分辨率高分二号（GF-2）影像表征农田空间几何特征，协同中空间分辨率高分一号（GF-1）和高分六号（GF-6）加密影像观测时间序列，充分表征农作物光谱季相节律。通过构建光谱-时相-空间三维分类特征，基于随机森林进行农作物分类并计算不同特征的重要性。同时，设置不同影像组合和不同分类单元下的多种分类场景，进一步分析不同高分数据协同利用在农作物识别上的表现差异。【结果】基于GF-1、GF-2和GF-6影像和面向对象的农作物分类在湖北省潜江市研究区的总体精度为95.49%,Kappa系数为0.94；在枣阳市的总体精度为93.78%,Kappa系数为0.92。协同GF-2和GF-6进行农作物分类精度优于协同GF-2和GF-1。此外，基于GF-2进行面向对象的农作物分类效果优于面向像元，其中潜江总体精度提升了1.4%，枣阳提升了1.32%。相比GF...     

利用高分一号影像提取水稻种植面积方法研究——以长春榆树市为例

利用遥感技术提取水稻种植面积,一直以来都是难点。利用高分1号卫星影像作为数据源,找到一种能快速、准确提取水稻种植面积的方法。通过对水稻成熟期遥感影像的光谱分析,根据水稻成熟期的"蓝移"现象,发现在蓝光和绿光波段光谱特征与其它地类差异明显,并通过波段运算,建立模型,增强了这种差异,使得水稻种植面积提取精度更高。利用东北地区独特的气候特点,把影响水稻种植面积提取的林地去除,利用该方法提取水稻种植面积精度达到93.5%。     

基于GF-1影像的冬小麦面积提取及年际变化动态监测

为探讨国产高分一号(GF-1)卫星影像在作物面积提取中的适用性,以冬小麦主产区山东省菏泽市为研究区域,利用GF-1卫星携带的多光谱宽幅相机(WFV)16米遥感影像为主要数据源,以菏泽市土地利用类型和野外地面调查数据作为辅助,采用决策树分类法和监督分类—最大似然分类法相结合的方法,通过分区解译方式,分别提取出菏泽市2014和2015年冬小麦种植面积和分布区域,并利用地面样方数据对分类结果进行精度验证,同时开展年际变化动态监测分析。结果表明:以GF-1/WFV 16米影像为主要数据源,将多源信息引入决策树和监督分类模型,进行种植结构复杂地区冬小麦种植面积遥感估算的方法是可行的。GF-1/WFV 16米影像在作物面积遥感监测业务运行中具有较大的开发应用潜力。2014和2015年菏泽市冬小麦位置提取精度分别达到96.5%和96.7%,面积总量提取精度分别达到96.8%和95.0%;遥感提取的两年冬小麦种植面积均略小于官方提供的统计数据,但两者呈现出的变化趋势一致,即菏泽市两年间的冬小麦种植面积呈减少趋势。     

基于高分六号影像的四川盆地油菜种植调查

目的:使用高分六号多光谱影像调查评价四川地区油菜种植空间分布现状。方法:以四川盆地四川部分油菜种植区为调查区,选择油菜识别最佳时期的高分六号卫星多光谱影像,进行正射校正及几何精纠正,通过最大似然监督分类方法提取调查区内油菜种植空间信息,初步评价该区油菜种植区的空间分布现状。结果:结合地面调查样方数据验证:①基于高分六号影像的油菜分类总体精度为82.06%,Kappa系数为0.6997。②盆地内四川地区2019年油菜种植面积约为103.24万hm~2,规模种植区主要分布于成都、德阳、绵阳、雅安、眉山、乐山等地区。结论:高分六号遥感数据及监测结果可为四川农业产业发展及种植结构调整优化提供参考信息。     

基于国产高时空分辨率卫星影像的作物种植信息提取研究

在面向对象技术支持下,首先利用高空间分辨率ZY-3遥感影像提取农田地块专题信息;然后在地块边界控制下以地块对象为单元融入HJ-1及GF-1中分传感器的多时相光谱信息,获取作物生长关键期内的时间序列光谱特征;最后,结合不同作物的物候差异性规律构建作物种植信息提取模型,对甘蔗和水稻进行识别。结果表明,所有地类的总体分类精度为86.80%,Kappa系数为0.84,总体分类效果良好。甘蔗的制图精度和用户精度分别达到92.11%和90.91%,水稻的制图精度和用户精度分别达到88.89%和90.91%。说明协同利用国产卫星的高空间和高时间分辨率影像数据提取作物种植信息确实可行,可作为作物种植面积和种植结构的精细化、快速调查方法。     

国产高分系列遥感卫星影像的批量自动配准研究

【目的 】遥感影像的精确几何配准对于国产高分系列卫星影像处理以及后续的农情监测等应用至关重要。【方法 】文章基于自动配准和正射校正程序包AROP,选择16 m分辨率的高分1号、高分6号宽幅影像和3 m分辨率高分2号、高分7号多光谱影像作为实验数据,以经过几何精校正的10 m分辨率的Sentinel-2影像和3 m分辨率的谷歌影像为基准影像,在农业用地场景和城市用地场景下,进行批量的几何配准实验,对配准的结果进行目视检验和定量评价。同时,为了更好地匹配高分影像与Sentinel-2影像,将高分1号、高分6号宽幅数据重采样到15 m的分辨率进行几何配准。【结果 】在农业用地和城市用地场景下,配准精度大多达到了0.5个像元以内,满足了影像配准的精度标准。其中15 m分辨率的高分1号和高分6号的配准精度分别为0.31～0.54和0.33～0.53,均小于0.6个像元;3 m分辨率的高分2号的配准精度在0.47～0.6之间,小于0.6个像元;高分7号的配准精度在0.44～0.49之间,小于0.5个像元,而且所有高分系列遥感卫星在配准后均目视效果出色,接边良好。【结论 】利用AROP对15 m分辨...     

基于OLI影像的四川丘陵地区水稻种植面积监测

【目的】为使用Landsat8 OLI遥感影像准确监测四川丘陵地区水稻种植面积。【方法】根据丘谷相对高差分别选定浅丘、深丘水稻样方各4个,通过地面样方调查和同生长季Google Earth影像解译获取的样方水稻种植面积作为验证数据,评价基于OLI融合影像的川中丘陵的水稻种植面积监测精度。OLI影像经正射校正后,使用15 m全色波段影像和30 m多光谱影像融合,得到15 m分辨率的融合影像,使用最大似然法进行监督分类,获取监测结果。【结果】与样方验证数据比较,在样方面积相同的情况下基于OLI影像的水稻种植面积监测结果显示,浅丘区的平均精度为93.7%,误差范围为1.0%~8.7%;深丘区的为92.5%,误差范围为1.5%~15.8%。【结论】根据浅丘区、深丘区监测结果的误差范围差异,随着丘谷高差增大,地形趋于复杂、地块趋于狭长与破碎,OLI影像监测结果的不确定性增加,精度有下降的趋势。该研究为改进OLI影像监测四川丘陵地区水稻种植面积精度提供参考。     

GF-1卫星影像的空间分辨率对水稻识别精度的影响

基于GF-1卫星影像数据,选择建湖县3块5 km×5 km水稻种植区为试验区,分析了水稻识别精度与GF-1卫星3种分辨率之间的关系。结果表明,随着空间分辨率由2. 0 m变化到16. 0 m,混合像元内水稻所占比例从0. 92下降到0. 73,水稻图斑平均面积从1. 66 hm2上升到13. 28 hm2,水稻识别的总体精度由92. 41%降低到89. 20%;水稻识别精度与高、中、低3个农田景观破碎度密切相关,破碎度增加导致水稻识别精度下降;同等分辨率下,破碎度越高水稻识别精度越低。     

基于高分一号与Landsat 8卫星影像的库尔勒市香梨种植面积识别研究

库尔勒香梨是一个地域性极强的名优特优品种,是库尔勒地区乃至全国最优异的地方梨品种之一,利用遥感技术快速、准确获取库尔勒市香梨的种植面积、长势等信息,可为政府管理部门制定各种决策提供数据支持。本研究利用高分一号(GF-1,分辨率2 m和16 m)、Landsat 8(分辨率30 m)2015年4—10月的库尔勒市遥感影像,依据地面调查建立的感兴趣区域(ROI),采用5种不同方法进行监督分类,通过识别精度比较筛选出最佳识别方法,并对库尔勒市的香梨种植面积进行识别、提取。结果表明,GF-1影像数据的最佳识别月份为8月,最佳识别方法是最大似然法,识别精度为95.94%;Landsat 8影像数据的最佳识别月份为10月,最佳识别方法也是最大似然法,识别精度为94.43%。因此,选择利用8月份的GF-1影像数据提取库尔勒市的香梨栽植面积,经最大似然法进行监督分类,最终解译面积为2.827万公顷,与实际统计资料相比,识别精度96.45%,说明利用该方法监测库尔勒市的香梨栽植情况可行。     

基于多时相影像植被指数变化特征的作物遥感分类

高分一号GF1/WFV遥感影像具有较高的时间和空间分辨率,利用多时相影像开展农作物分类调查具有明显优势。以安徽省颍上县为研究区域,利用2017年5月至9月共6景多时相GF-1/WFV卫星遥感影像数据对主要农作物的分类识别提取。首先,通过分析研究区主要农作物的典型植被指数NDVI、EVI和WDRVI时序变化特征,明析了不同作物在各时相对不同VI的响应特征;其次,基于作物在不同时相的敏感VI变化响应,构建了决策树分层分类模型,成功提取了研究区玉米、水稻、大豆和甘薯四种主要作物种植空间分布情况。结果表明:总体精度达到90.9%,Kappa系数为0.895。同时,采用最大似然法、支持向量机对研究区作物进行分类,通过分类效果对比发现,最大似然法最差,支持向量机次之,决策树分类方法最佳。研究表明:利用多时相时间序列的遥感影像数据,结合作物植被指数特征,采用决策树分类方法可以有效提高作物分类的精度。     

基于HJ-1 CCD影像的玉米种植面积估算研究

本研究以HJ-1 CCD影像为主要数据源,风云三号(FY-3)和高分一号(GF-1)影像为辅助数据源,选取作物种植结构复杂的菏泽市为研究区域,采用多时相NDVI阈值剔除法与监督分类相结合的分类方法,以土地利用类型和训练样本区数据作为辅助,提取出菏泽市玉米种植面积和分布区域,并检验其精度。结果显示:在复杂的作物混合种植区可以利用HJ-1 CCD影像提取出玉米种植面积和分布信息,总体分类精度为90.2%,面积总量精度为91.7%。本研究为其他区域利用HJ-1卫星影像提取作物种植面积提供了参考。     

利用高分一号影像提取水体信息的方法研究

高分一号卫星影像以高空间分辨率、多光谱分辨率以及高时间分辨率为优势在水资源领域中具有广阔的应用空间。为了能够找到一种及时、快速、准确提取水体信息的方法,本文采用单波段阈值法、谱间关系法、NDVI法以及NDWI法结合光谱分析等方法对吉林省扶余市与长春市交界的松花江部分河段的水体信息进行提取,并对提取结果进行对比、分析。结果表明利用归一化差异水体指数(NDWI)法,再结合阈值法能够将水体信息完整地提取出来,此次试验研究为利用高分一号卫星影像提取水体信息提供了可靠地参考依据。     

GF-1卫星数据在水稻长势监测中的应用

GF-1国产高分辨率卫星遥感数据具有高空间分辨率、高时间分辨率和高光谱分辨率的优点。该研究利用GF-1卫星宽视场遥感数据,在GPS实地取样的基础上,利用增强型植被指数(EVI),提取建湖县2014年多时相水稻长势信息。结果显示,GF-1卫星宽视场影像可以清晰反映水稻长势要素,能够在遥感估产中推广应用。     

基于不同时相遥感的冬小麦种植面积的提取

卫星遥感技术能够快速、准确、大面积对农作物生长进行监测,多时相遥感监测可克服单时相遥感监测的不足,利于实现对农作物生长变化的动态监测。以江苏省大丰市为研究区域,选用拔节期和抽穗期两景环境(HJ)卫星遥感影像进行不同地物光谱信息识别与种植面积提取研究。首先,在分析两景HJ星影像植被光谱信息的基础上,提取出各自影像的归一化差值植被指数(NDVI)影像,并对两景NDVI影像分别进行加运算和减运算,得到另外两景NDVI合成影像。其次,通过对提取到的四景NDVI影像光谱信息进行比较分析,最终选用植被光谱信息特征较为明显的加运算合成影像进行冬小麦种植面积提取。最后,基于影像不同地物的NDVI阈值划分,并叠加GPS样点信息校正,提取到大丰市冬小麦种植面积数据及其空间分布信息。结果显示,大丰市遥感提取冬小麦种植面积为78 712.13 hm2,精度为92.51%。在该市20个乡镇(或农场)冬小麦种植面积提取精度中,精度大于95%有9个乡镇(或农场),精度在90%至95%之间的有7个乡镇(或农场),仅有4个乡镇(或农场)提取精度在80%至90%之间。说明,利用不同时相遥感合成运算方法得到的合成影像,能明显增强冬小麦光谱信息与其他植被信息特征区别,有利于实现高精度提取冬小麦种植面积的目的。