基于高分卫星影像的青岛市冬小麦种植信息提取

为了准确获取青岛市主要农作物冬小麦的种植信息,以GF-1/16 m卫星影像为主要数据源,将高程、土地利用和田间调查数据作为辅助数据源,根据冬小麦主要发育期与其他地物在GF-1/16 m卫星影像上的光谱差异,计算得到4月份为青岛市冬小麦遥感面积提取的最佳时相。在最佳时相内,采用决策树分类法,通过分区解译方式,提取出青岛市2017年冬小麦种植面积和分布区域,并利用GF-2融合后 1 m卫星影像、地面调查数据和统计局公布数据对分类结果进行精度验证。结果表明:利用GF-1/16 m卫星影像在幅宽、时间和空间分辨率的优势,将土地利用和高程等引入决策树分类模型,进行区域尺度的冬小麦种植面积遥感估算的方法是可行的。经精度验证,2017年青岛市冬小麦遥感解译总精度为94.3%,Kappa系数为0.857。遥感提取面积略小于统计局公布数据,面积总量提取精度为93.6%。本研究为基于高分卫星影像的区域尺度作物种植面积提取提供参考。     

基于Landsat-8 影像森林植被信息计算机自动提取研究

Landsat-8能够提供15 m全色波段和30 m分辨率的多光谱波段,Landsat-8上携带有OLI（operational land imager,陆地成像仪）和TIRS（thermal infrared sensor,热红外传感器）2个主要载荷,OLI陆地成像仪包括9个波段,TIRS包括2个热红处波段,全色波段Band8波段范围较窄,这种方式可以在全色图像上更好区分植被和无植被特征。本研究以攸县为例,采用Landsat-8遥感影像为数据源,进行缨帽变换及主成分分析处理,利用决策树分类模型进行提取。结果表明：Landsat-8遥感数据经过缨帽变换和主成分分析处理后,增强纹理信息,突出各地物的特征,把各地物在经过处理后的灰度值作为决策树分类模型的阈值,利用计算机自动提取,提取的总体精度为84.7%,攸县森林植被的面积为150911.7 hm2与以往的只利用波段的灰度值及植被指数等作为阈值相比,精度明显提高,方法也得到改善,得到了比较好的提取结果。     

利用环境减灾卫星估测增城水稻产量

为了探讨将国产环境减灾卫星遥感影像应用于田块破碎度大,生长季多云、雨天气的增城地区水稻产量估测的可行性。试验于2010年在增城地区进行,获取了水稻生长季长势、产量信息,及多时相环境减灾卫星遥感影像,提取了水稻种植面积信息,并基于“光谱信息-长势-产量”间相互关系,利用主成分分析算法建立水稻产量估测模型。结果表明,国产环境减灾卫星的特点可使其有效获取研究区水稻遥感影像,便于准确提取水稻种植面积及估测产量。本研究获得的2010年早稻种植面积的提取精度在97.3%,估产模型的预测决定系数为0.73,预测相对误差为12%。推动了国产卫星在该区域的应用。     

基于遥感的黑龙江省东部水稻种植信息提取

为了实现黑龙江省东部地区水稻种植信息遥感监测的业务化,通过采用实地调查、ISODATA非监督分类、遥感数据融合和光谱耦合等方法,研究提取研究区水稻种植分布的方法,并进行面积推算。结果表明,2012年黑龙江省东部地区水稻种植面积为15389.01 km2,主要集中在佳木斯、双鸭山和鸡西地区,分类精度达89.19%。该方法可为区域水田空间分布信息提取提供借鉴。     

基于环境卫星数据和实测地物光谱数据估算中稻面积

为准确获取水稻种植面积,提高遥感监测精度,利用环境卫星数据,在农作物掩膜的基础上,结合野外实测地物光谱确定端元组分,采用线性光谱混合模型提取湖北省监利县中稻种植面积,将其结果分别与统计数据和实地调查数据相比较。结果表明：采用确定端元选取的方法是可行的,其混合像元分解方法提取作物面积总量精度为93.68%;样本精度为83.67%。因此,利用HJ卫星影像数据开展平原地区水稻遥感监测可为政府决策部门提供信息服务。     

基于几何语义知识的冬小麦自动分类

【研究目的】为了实现遥感影像的作物自动分类，并探索空间信息在分类中作用，【方法】本文提出结合光谱和空间信息的作物分类方法。首先，借助光谱信息实现地物初始分割，然后以目标作物历史空间分布为语义约束，根据隶属度提取目标作物。最后，在多时相遥感影像条件下，以冬小麦为目标作物进行了方法的验证，【结果】结果显示，本文方法可实现冬小麦自动提取与识别，总体精度为95.33%，Kappa系数为0.90，可满足农情监测的实际需求。另外，在单时相遥感影像条件下，本文结合几何语义知识的作物分类精度也达到了较高水平。【结论】相对于遥感影像单一光谱信息的分类方法，本文方法利用了作物空间信息，不仅能满足精度要求，还实现了分类的自动化，对工程化应用具有一定的参考价值。     

随机森林方法在玉米-大豆精细识别中的应用

研究基于遥感影像的作物精确识别技术方法, 对获取作物分布信息具有重要意义。随机森林分类(random forest classification, RFC)是机器学习的一种, 本文使用Landsat-8 OLI卫星影像数据, 针对研究区内的大豆、玉米和其他地物等3种主要作物类型, 系统比较了该方法与较为成熟的最大似然分类(maximum likelihood classification, MLC)、支持向量机分类(support vector machine, SVM)方法的分类精度。结果表明, MLC、SVM、RFC的总体分类精度分别为91.68%、91.49%、94.32%, Kappa系数分别为0.87、0.87、0.91, RFC方法作物识别精度比MLC和SVM分类显著提升。对原始7波段影像进行主成分变换(principal component analysis, PCA), 提取前4个主成分分量, 同时计算归一化植被指数(normalized difference vegetation index, NDVI)和归一化水体指数(normalized difference water index, NDWI), 将6个额外辅助特征波段叠加到原始7个波段影像上进行再次分类, MLC和SVM方法作物识别精度未有提升, RFC方法总体精度提高了1.49个百分点, Kappa系数提高0.03, 精度提升幅度有限, 主要原因是6个辅助波段在类型识别中作用较小。在分类耗时上, MLC、SVM、RFC分别为145 s、11 000 s、1800 s, 表明随机森林分类具有最好的分类精度和适中的耗时。综合评价后, 随机森林分类方法在进行大豆-玉米精细识别中具有较大优势, 具有业务应用的潜力。     

台湾水源特定区土地利用及环境变迁研究

台北水源特定区为台湾地区第一个经由都市计划法划设的水源、水质、水量保护区,为大台北地区最主要的自来水来源。为保证水源、水质不受破坏与污染,使得水源区土地管理工作更加重要。该文主要利用高分辨率SPOT5卫星影像,辅以航空影像数据,采用高斯最大似然方法和类别变化检测法,进行水源区域土地利用变迁和环境变迁分析,成功取得了水源区域内植被、地形、地貌、土地利用及变迁情况资料。项目中,分类整体精度达到95.60%,变迁分析结果标示出两个变化较大区块。     

冬小麦非监督分类结果的类别选择研究

为了实现基于遥感影像作物的自动分类，发挥遥感技术宏观、迅速的大范围监测特点，本文在遥感影像非监督分类的基础上，提出了一种基于ISODATA非监督分类结果的自动分类方法。该方法分为ISODATA非监督分类过程和自动分类过程，自动分类过程又可分为冬小麦样本点占比排序和类冬小麦类别确定两个方面。当非监督分类类别设置为40或50类、每类样本数量为4或5类时，冬小麦遥感分类精度较高且分类精度稳定。在200个样本点组合（40个分类类别，每个类别中5个样本点）中，基于ISODATA非监督自动分类结果的总体精度相较于最大似然分类方法提高了2.5个百分点，KAPPA系数提高了19.4%。在500个样本点组合（100个分类类别，每个类别中5个样本点）下，基于ISODATA非监督自动分类结果总体精度和KAPPA系数与最大似然分类方法相近。基于ISODATA非监督分类结果的自动分类方法可以在样本量较少时保持较高的分类精度，人机交互少，分类效率高，适用于业务化应用。     

基于Pleiades-1高分辨率卫星影像的干旱沙区遥感影像分类——以甘肃民勤青土湖为例

研究旨在应用高分辨率遥感卫星影像对干旱沙区的植被进行调查、监测和统计。以甘肃省民勤县石羊河下游的青土湖为研究对象,运用法国Pleiades-1卫星的影像数据,通过面向对象分类方法对沙区的植被信息进行提取分类,对分类结果进行精度评价。结果表明,面向对象分类的方法提取精度达到95%,Kappa系数为0.8035,分类结果精度较高,有效地避免了基于像素分类方法的噪声和光谱的影响,具有极强的实用性,为高分辨率卫星影像分类提供了新的思路和方法。     

HJ卫星数据在棉花种植面积提取中的应用研究

 探索利用环境小卫星数据进行棉花种植面积的提取,旨在利用国产卫星数据建立一种方便快捷的棉花种植面积提取技术,为棉花的遥感估产奠定基础;选取2011年新疆北部国营农场棉花不同生育期内两期HJ卫星影像,根据棉花与研究区其他作物物候和光谱差异性、农作物生长规律,运用监督分类算法、密度分割和逻辑运算,辅助于人机交互的目视解译,得到研究区棉花种植面积;结果表明：不同监督分类算法中,神经网络分类法和最大似然法分类效果最佳;最终提取的棉花面积总体精度为87.7%;本文采用的方法较为实际、便捷,提取棉花种植面积的精度符合农场生产要求,可为棉花估产和作物种植结构分析提供科学依据。     

3个时期达里诺尔国家级湿地自然保护区土地利用动态研究

受气候暖干化和人类活动影响,蒙古高原干旱区内陆湿地土地利用变化显著,及时掌握湿地土地利用变化,可为湿地自然保护区土地资源管理提供参考依据。[方法]本研究以1994、2005和2016年达里诺尔国家级自然保护区Landsat-TM/OLI影像为数据源,采用决策树分类、转移矩阵和动态度等方法对其进行动态分析。[结果]结果表明：研究区土地利用类型分类总体精度较高,主要以草地、林地、湖泊为主,沼泽、沙地、滩地、裸地所占比例较小。1994—2005年238.93 km2地物发生变化,占总面积18.81%,其中,林地和草地分别增加了19.25%和10.94%;沙地和裸地分别减少了66.63%和47.19%。2005—2016年,191.72 km2地物发生变化,占总面积15.09%,其中,沙地和滩地分别增加了19.73%和12.64%;裸地、沼泽和林地分别减少了59.51%、21.36%和15.72%。[结论]研究区地物覆盖类型变化明显,1994—2016年草地、林地、滩地面积增加,湖泊、沼泽、裸地面积减少。土地利用类型主要转移的方向为湖泊类型转化为滩地和沼泽,沼泽和裸地类型转化为草地,总体上湿地功能具有退化趋势。     

基于HJ卫星的中国南方地区甘蔗面积提取研究

为了研究大范围甘蔗种植面积的提取方法，以广西、云南、广东湛江和海南为研究区，以30 m空间分辨率的多时相HJ卫星影像为数据源，采用基于NDVI时间序列的决策树分类模型提取研究区内2014/2015年度甘蔗种植面积。结合农业部门的统计数据对甘蔗种植面积提取结果进行精度评价，总体精度达到87.5%。对研究区广东湛江甘蔗种植区域进行抽样调查，抽样调查精度达到93.2%，Kappa系数为0.81。表明该方法可以高效地应用于中国南方地区的甘蔗种植空间信息识别。     

柴达木地区枸杞种植区遥感提取方法对比研究

枸杞作为柴达木地区特色经济作物之一,利用高分辨率遥感影像开展枸杞种植区识别与提取,有利于政府和农业部门开展市场调控和作物精细化管理。以柴达木典型枸杞种植区诺木洪农场为例,利用随机森林、Softmax、支持向量机、BP神经网络和最大似然5种分类器开展农场内不同生长年限枸杞种植区精细化提取,并对结果进行精度验证。结果表明：采用随机森林的分类效果最佳,其总体分类精度达到93.8%,Kappa 0.93,采用Softmax、支持向量机和BP神经网络方法也均获得了较高的分类精度,其总体分类精度均达到了86.6%~87.6%,Kappa系数达到0.84~0.86,而最大似然法分类效果最差,其总体分类精度仅为76.9%,Kappa系数为0.73。通过实验利用国产高分辨率卫星结合较优的分类器能够实现包括枸杞等小宗特色经济作物种植区域和种植结构的精细化识别和监测。     

城镇化背景下基于时序TM/NDVI的建成区检测方法——以福州市为例

对1990—2010年49景福州市TM时间序列影像进行处理,采用MODTRAN4+模型进行大气校正,得到研究区土地覆盖类型的NDVI值的多时相轨迹图。分析城镇化背景下建成区的变化特征和NDVI时间序列数据的季节特征,添加耕地发展为建设用地的地物特征到学习样本,比较不同数据组合对最大似然法、支持向量机、神经网络法、面向对象法对分类和检测城镇化背景下建设用地精度的影响,以及比较添加样本特征后对城镇化进程中建设用地检测方法的影响。结果表明,对于小样本数据集,面向对象法具有最高的分类精度,不同的数据组合与不同季节对面向对象法分类精度的影响分别达3.49%和5.22%,引入NDVI时间序列数据和添加变化地物的学习样本,总体分类精度提高了3.54%,建设用地的制图精度提高了4.24%。     

基于决策树方法的淡水沼泽湿地信息提取——以扎龙湿地为例

为了及时准确地获取湿地基础信息,对湿地进行动态监测和保护。以扎龙湿地为研究区,以区域湿地遥感信息提取为目标,采用TM影像数据、DEM数据、归一化植被指数、纹理信息等复合识别指标构建决策树模型,对研究区不同地类进行分类。然后与传统的最大监督分类法所得到的结果进行对比。结果表明,采用基于指数的决策树分类方法对扎龙湿地类型进行分类,较传统的最大似然监督分类精度提高了14.6%;总体Kappa系数提高了0.1751,分类精度较监督分类有明显的提高,证明基于多源数据决策树分类方法是内陆淡水沼泽湿地信息提取的有效手段。     

1990-2013年抚远市水田扩张遥感监测

为了揭示1990-2013年抚远市水田扩张规律,以Landsat TM/OLI遥感影像为数据源,采用面向对象与人工目视解译结合的分类方法,提取抚远市1990、2013年水田信息,采用土地利用动态度法、叠加分析法和景观质心平移法,在辅以气候和经济数据,分析水田扩张特征及驱动因素。结果表明：面向对象与人工目视解译结合的方法能够准确完成对抚远市水田信息的提取,总体精度达到85%以上;2013年抚远市水田面积3193.81km2,比1990年增加2977.67km2,土地利用动态度为7.17%,变化率达到129.46%;23a间水田与其他地类之间转换最剧烈的是湿地,湿地转变成水田面积1739.75km2,占水田面积增加总量的58.15%;空间上,抚远市水田面积扩张呈现北扩东移趋势。1990-2013年抚远市水田扩张的驱动因素不仅有积温和降水等自然因素,同时也有人口增加、经济发展、科技进步和政策调控等人文因素。本文通过遥感手段对抚远市水田扩张现状进行了研究,为未来研究区农业发展提供了方向。     

长春市建设用地扩张对耕地资源的影响

通过分析长春市区建设用地与耕地的时空变化特征及建设用地扩张对耕地的影响,为黑土区土地合理利用与耕地保护提供参考。本文采用2005年和2019年的Landsat TM/OLI遥感影像,基于面向对象-决策树的分类方法提取研究区土地利用信息,对长春市区建设用地和耕地的时空变化及建设用地对耕地数量、质量和结构的影响进行了研究。结果表明：2005年以来,长春市区建设用地扩张21163.30 hm²,而耕地面积则减少19011.81 hm²。新增加的建设用地占用耕地18170.84 hm²,为建设用地增加面积的85.33%,建设用地的扩张导致耕地破碎化程度增大;建设用地侵占的耕地多为优质耕地,Ⅰ~Ⅲ级的面积比例达72.17%。研究结果对协调黑土区快速城市化过程中耕地资源的保护具有重要的指导意义。