中低分辨率小波融合的玉米种植面积遥感估算

采用中分辨率与低分辨率数据相结合的遥感估算方法是获取大范围作物种植面积的主要趋势之一。在MODIS时序影像和TM影像支持下,采用小波变换融合方法获取30m分辨率的NDVI时间序列信息,构建主要秋季作物的NDVI标准生长曲线,以最小距离分类器进行分层分类,获得河南原阳县玉米种植面积总量信息和空间分布,并以野外实测地块样本进行精度评价。由于充分利用MODIS影像的时间序列优势和TM影像的空间分辨率优势,通过秋季作物之间的物候差异,有效地区分出各种秋季作物的空间分布,基于融合NDVI时间序列信息玉米种植面积遥感估算的位置和面积精度分别达到79%和89%,远高于常规的监督分类,为大范围玉米种植面积遥感估算提供了一种可行的方法。     

乡镇尺度的玉米种植面积遥感监测

以快速、准确提取玉米种植面积为目标,以多时相HJ-1A/1B CCD影像和数字高程模型（DEM）为信息源,选取吉林省长春市为试验区,将试验区种植结构、物候特征、地形特征、光谱特征及植被指数等多元信息引入决策树分类模型,构建基于决策树分层分类的玉米种植面积遥感估算模型,并将空间化的农普数据作为参考值,以乡镇为基本评价单元对玉米种植面积遥感测量结果进行精度评价。研究表明：利用该方法可以有效提高玉米识别精度,满足作物种植面积估算大范围、多时相的需求,有助于解决作物种植面积遥感估算业务运行时空分辨率的矛盾,乡镇尺度的玉米种植面积总量提取精度可达92.57%。     

基于多源数据和决策树估算夏玉米种植面积

以低空间分辨率遥感数据为主要信息源提取大范围作物种植信息时,为克服混合像元影响,提高提取精度,提出一种基于多源数据和决策树的夏玉米种植面积估算方法。综合FY-3/MERSI数据的时间序列特征和TM数据的中空间分辨率光谱特征,在对作物物候历进行分析的基础上制定多时相决策树规则,融合多时相MERSI数据和TM数据,分析多源融合后NDVI时序数据的光谱特征确定阈值,提取夏玉米种植信息,根据农业统计数据验证种植面积提取精度为95.1%,根据野外调查数据验证位置精度为81.0%。研究结果可为大范围的作物种植信息准确提取提供方法支持。     

基于时间序列环境卫星影像的作物分类识别

环境星影像具有较高的时间和空间分辨率,利用其时序遥感数据进行作物信息提取优势明显。该文以黑龙江垦区友谊农场作物为研究对象,利用2010年6月至9月共10景HJ-CCD数据进行作物种植分类信息提取。首先,通过SPLINE算法对云影响区域插值去噪,重构时间序列影像数据;其次,通过分析试验区主要作物的光谱和植被指数时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了黑龙江友谊农场大豆、玉米和水稻的种植信息,分类总体精度达到96.33%。同时,将分类结果同基于时间序列植被指数影像的支持向量机和最大似然法分类结果相比较,结果表明,决策树分类效果最好,支持向量机次之,最大似然分类较差。研究表明,通过去云处理后构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,借助于决策树分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。     

基于TM影像的河套灌区区域蒸散发研究

通过对遥感数据进行分析,采用非监督分类法对影像进行分类,最终得到灌区土地分类及耕地种植结构。利用高分辨率IKONOS影像对分类结果进行精度评估,证明TM影像应用于灌区尺度土地利用分类具有较高的精度,能有效克服人为因素的影响,较为准确地提取灌区耕地种植面积及其空间分布。利用SEBAL模型对蒸散发进行反演,反演结果与实测值误差在允许范围内。研究结果可为河套灌区用水量研究提供新的方法。     

基于多时相遥感影像的作物种植信息提取

为了快速、准确地在遥感影像上对作物种植信息进行提取,该研究运用多时相的TM/ETM+遥感影像数据和13幅时间序列的MODISEVI遥感影像数据,采取基于生态分类法的监督分类与决策树分类相结合的人机交互解译方法,建立决策树识别模型,对黑龙港地区的主要作物进行遥感解译,总体分类精度达到了91.3%,与单纯对TM影像进行监督分类相比,棉花、玉米、小麦、蔬菜4类作物的相对误差的绝对值分别降低了1.3%、20.5%、2.0%、13.8%。结果表明该方法的分类精度高,能较好的反映作物的分布状况,可为该地区主要作物种植结构调整提供科学依据,还可为其他区域尺度作物分布信息的提取提供参考。     

基于HJ-1卫星数据的甘蔗种植面积调查方法探讨

以南宁市为研究区,利用手持GPS实地调查取样,获得甘蔗及其它作物训练样本区。通过分析甘蔗等作物年度内光谱特征变化规律,依据不同作物物候历不同的原理,利用多时相HJ-1CCD卫星数据,采用监督分类、决策树分类和逐步剔除相结合的遥感方法,提取研究区甘蔗种植信息。野外验证和分类精度分析表明,无论从空间分布趋势还是面积数据来看,其信息精确度均较高,分类精度达到92.3%。由此可见,环境减灾卫星数据结合分类方法能基本满足制糖企业对甘蔗种植面积提取精度的要求,可以在制糖企业中推广应用。     

无人机遥感影像面向对象分类方法估算市域水稻面积

针对如何高效地从无人机遥感影像中提取农作物样方数据,用于农作物面积遥感估算,该文以浙江省平湖市为例,利用面向对象分类方法对无人机影像进行水稻自动化识别,作为样方数据与卫星遥感全覆盖空间分布分类结果结合,采用分层联合比估计进行2014年单季晚稻面积估算。然后,与人工目视解译识别方法获取的水稻样方数据推断的区域水稻面积估算的结果进行精度、效率对比分析。研究结果表明:1)利用面向对象分类方法对无人机影像进行分类,总体分类精度达到93%以上,满足构建样本的要求;2)通过区域作物估算对比分析发现,面向对象分类方法对无人机影像进行水稻识别,构建平湖市单季晚稻的样方数据,能够替代人工目视解译样方准确推断区域作物种植面积,有效地提高了无人机影像在遥感面积估算中的应用效率。     

基于地块尺度多时相遥感影像的冬小麦种植面积提取

针对仅利用单一遥感影像数据获取农作物信息精度不够问题，该文选择冬小麦主产地河南省兰考县乡镇作为研究区，以2017年多时相中分辨率Landsat8 OLI影像和Google earth上下载的亚米级高分影像为遥感数据源，结合光谱差异和农田地块信息实现冬小麦的精确提取。该算法首先构建不同时相决策树模型，分别实现2个时相的冬小麦区域初步提取；其次通过将对高分影像多尺度分割产生的地块信息分别与2个时相冬小麦播种面积初步区域相互叠加，完成地块单元控制下的冬小麦播种面积分地块统计，并通过设定不同统计阈值，分析落在每一地块单元下的冬小麦区域，生成基于地块单元的冬小麦播种面积分布图；最后通过多时相交叉验证，获取最终冬小麦播种区域。结果表明：该方法能更加准确提取冬小麦种植面积，保持较低的误判率（1.3%）水平下，得到较高的提取正确率（95.9%），较通过对比单一Google earth高分辨率影像获取冬小麦精度（85.6%）高，该研究对通过融合多源多时相影像数据获取农作物提供参考。     

基于多时相OLI数据的宁夏大尺度水稻面积遥感估算

为客观获取宁夏水稻面积空间分布信息,也为区域农作物遥感监测奠定技术基础,该文以宁夏回族自治区为研究区域,选择美国LandSat-8携带的陆地成像仪(operational land imager,OLI)数据,采用2016年3月11日-7月01日间的15景影像,基于水稻田耕地与水体特征反射率随着季节变化规律的分析,采用归一化植被指数(normalized difference vegetation index,NDVI)、近红外波段反射率(infrared reflectance,IR)、短波指数(short waved index,SWI)3个指数,以及多时相NDVI最大值、IR最小值、SWI最小值3个衍生指数,共6个指数为基础进行决策分类树构建,对全区水稻进行识别与提取,采用该区水稻面积本底遥感调查结果进行精度验证,水稻种植面积提取误差仅.4.22%,Kappa系数为0.83,水稻空间分布的用户分类精度分别为85.11%,制图精度为81.67%;同时与监督分类方法提取的水稻面积进行对比,该文方法提取水稻的用户精度提高了8.13个百分点,制图精度更是提高了20.01个百分点。研究结果表明,利用中高分辨率的OLI遥感时间序列卫星影像,在大宗农作物时间序列的变化规律分析基础上,构建分类决策树,可以准确地提取大宗农作物种植面积,是区域农作物面积遥感监测业务运行中具有潜力的方法。     

1994－2018年新疆塔河干流农作物播种面积时空变化及影响因素分析

基于农作物物候信息和多季相遥感观测等相结合的方法，分析沙雅县1994-2018年的农作物播种面积变化的时空特征，并从水资源要素、耕地与胡杨林转化等分析播种面积变化的原因。研究结果表明：1）沙雅县农作物播种面积在1994-2018年呈现增长趋势，尤其在2006年以后加速增长；2）渭干河灌区的播种面积空间上呈现由内向外、由碎片化向集中连片化的趋势发展，而塔河干流区播种面积增加的区域沿着塔河两岸不停游移；3）渭干河灌区农作物播种面积的增加与渭干河上游的来水量变化呈现较强的相关性，而塔河干流区二者相关性较低；4）塔河干流的胡杨林区每年被耕地侵占的面积呈现增长趋势，尽管2006年以后胡杨林保护措施不断加强，然而林区的农作物播种面积在2008年以后呈现增速加快的趋势，出现了被侵占的胡杨林未能恢复、新的胡杨林又遭破坏的现象。     

多时相遥感影像检测平乐县晚稻种植面积变化

为检测中国主要的粮食作物水稻的种植面积变化,该文以广西平乐县为例,利用多时相陆地卫星专题成像仪(landsat thematic mapper)影像数据和面向对象的分类方法,提取出晚稻种植的变化区域。该文探索了变化强度计算和阈值确定的方法,并利用晚稻在不同时相的影像光谱特征变化来提取晚稻种植区域。试验结果表明:3种变化强度计算方法中,变化向量分析法对河流、滩地变化的抑制效果优于相关系数方法,而相关系数方法对山体阴影的抑制效果则优于变化向量分析法,向量相似度法对山体阴影非常敏感,对水田变化则敏感度较低;3种阈值确定方法中最小错误率方法比最大类间方差法更为精确,比双窗口变步长阈值搜寻法更为稳定。综合利用3种变化提取方法对平乐县晚稻种植面积变化进行检测,得到变化检测混淆矩阵总正确率为96.8%,稻田面积变化误差为2.85%。该方法可为作物种植面积的变化检测提供参考。     

近30年阴山南北麓农牧交错带标准耕作制度变化研究

标准耕作制度作为农用地分等定级的基础,是衡量区域农业可持续发展的重要因素。本文基于2012—2013年调研的农户数据、1980—2010年作物播种面积与农业气象数据,从种植结构变化、标准耕作制度类型的空间变化研究了阴山南北麓农牧交错带标准耕作制度的变化规律,并从气候与经济效益两方面进行了变化原因分析。结果表明,1980—2010年,阴山北麓小麦种植面积比例从1980年40.00%下降至2010年的11.48%;莜麦种植面积比例从1980年30%左右下降到2010年的13%左右;马铃薯种植面积逐年增加,种植比重逐渐上升至2010年的47.32%。1980—1990年,阴山南麓小麦种植面积比例逐年增加至1990年21.70%,杂粮种植面积比例稳定在35%左右,同期玉米与马铃薯种植比例较小;1990—2010年,麦类作物种植面积比例逐年下降,2010年小麦种植比例仅为8.55%,杂粮种植面积所剩无几,同期玉米与马铃薯种植面积逐年扩大。标准耕作制度的空间变化特征表现为:阴山南北麓标准耕作制度由小麦、杂粮、小麦与杂粮类型变化为马铃薯、玉米、马铃薯与玉米、小麦与马铃薯类型。气候变化与经济效益共同影响着标准耕作制度的变化,气候暖干化及经济效益低导致麦类作物种植面积大幅度减小,经济效益明显是马铃薯与玉米种植面积迅速增加的主要原因。     

基于GF-1 WFV数据的玉米与大豆种植面积提取方法

准确掌握农作物的空间种植分布情况,对于国家宏观指导农业生产、制定农业政策有重要意义。针对黑龙江省玉米与大豆生育期接近、光谱特征相似,较难区分的问题,以多时相16 m空间分辨率高分一号(GF-1)卫星宽覆盖(wide field of view,WFV)影像为数据源,选择归一化植被指数(normalized difference vegetation index,NDVI)、增强植被指数(enhanced vegetation index,EVI)、宽动态植被指数(wide dynamic range vegetation index,WDRVI)、归一化水指数(normalized difference water index,NDWI)4个特征,结合实地调查样本点,采用随机森林分类算法,提取黑龙江省黑河市嫩江县玉米与大豆种植面积。研究表明,区分玉米与大豆的最佳时段为9月下旬至10月上旬,即大豆已收获而玉米未收获的时段,在4个待选特征中,NDVI、NDWI与WDRVI指数组合表现最佳;随机森林算法与最大似然算法、支持向量机算法相比,分类精度更高,其总体分类精度为84.82%,Kappa系数为77.42%。玉米制图精度为91.49%,用户精度为93.48%;大豆制图精度为91.14%,用户精度为82.76%。该方法为大区域农作物的分类提供重要参考和借鉴价值。     

基于决策树和混合像元分解的江苏省冬小麦种植面积提取

归一化植被指数(normalized difference vegetation index,NDVI)时间序列曲线能提供作物生长动态变化信息,将其应用于农作物种植面积提取具有一定优势。该文以江苏省为研究区域,采用2013年1月1日-2014年12月19日46景250 m空间分辨率的MODIS-NDVI时间序列数据、2014年4月23日的MOD09A1反射率影像及Landsat数据,开展冬小麦种植面积的遥感识别,首先利用MODIS数据建立作物的归一化植被指数时间序列曲线,再采用Savitzky-Golay滤波方法对NDVI时间序列数据进行重构,并基于农作物物候历、种植结构和种植模式等信息,提取研究区域典型地物物候生长期的关键值,在分析冬小麦、林地、水稻物候期(生长期开始时间、生长期结束时间、生长期幅度、生长期长度及生长期的NDVI最大值)变化趋势的基础上,综合比较分析不同地物平滑重构后的NDVI时间序列曲线特征,界定作物种类,确定训练规则,利用快速、高效的决策树方法,通过多阈值限定进行分类,初步提取冬小麦的空间分布范围;但是由于存在混合像元,阈值范围的设定会影响冬小麦种植面积的提取精度,针对此类问题,运用地表反射率影像数据提取冬小麦端元波谱曲线,结合线性光谱混合模型进行混合像元分解,进而根据冬小麦丰度比例精确提取冬小麦种植面积;最后利用统计数据和空间分辨率较高的Landsat TM 8影像数据对提取结果进行县域级验证。精度评价结果表明,研究区域的冬小麦种植面积提取精度达到90%,能够较准确地反映研究区域冬小麦的分布情况,表明运用中高分辨率遥感时间序列影像数据可以准确提取作物种植面积,为农作物种植面积信息提取提供参考。     

基于HJ时间序列数据的农作物种植面积估算

通过对长时间序列遥感影像的波谱变化特征分析,可以有效地进行农作物种类识别与信息提取,提高农作物种植面积的遥感监测精度。中空间分辨率多光谱遥感影像适合于中国大范围大宗农作物面积监测,也是能够提供稳定时间序列遥感数据源之一。该研究以河北省衡水市为研究区域,采用2011年10月3日-2012年10月24日期间,16景30 m空间分辨率的HJ-1A/B卫星CCD(电荷耦合元件,charge-coupled device)影像月度NDVI(归一化植被指数,normalized difference vegetation index)时间序列数据,针对冬小麦、夏玉米、春玉米、棉花、花生和大豆等主要作物类型,在全生育期波谱特征曲线分析基础上,提取主要作物类型的曲线特征,采用基于NDVI阈值的决策分类技术,进行了农作物种植面积遥感识别,以15个规则的2 km×2 km的地面实测GPS(全球定位系统,global positioning system)样方进行了精度验证。考虑到大豆和花生2种作物的NDVI时间序列特征相似性较高,将这2种作物合并为一类进行分类,并命名为小宗作物。结果表明,冬小麦、夏玉米、春玉米、棉花和小宗作物等5类目标可以有效识别,分类总体精度达到90.9%,制图精度分别为94.7%、94.7%、82.4%、86.9%和81.2%,其他未分类类别精度为85.9%。利用中高分辨率遥感时间序列卫星影像,在大宗农作物时间序列的变化规律分析基础上,可以准确地提取大宗农作物种植面积,在农作物面积资源调查中具有较大的应用潜力。