基于无人机影像的农情遥感监测应用

该文以中国农业科学院（万庄）农业高新技术产业园及周边地区4.2×3.1 km的范围为研究区域,利用无人机搭载RICOH GXR A12型相机进行了航拍试验,主要测试了定位定向系统（positioning and orientation system,POS）数据辅助下光束法区域网平差方法平面定位及面积测量精度,以及无人机影像的作物面积识别精度。结果表明,在无控制点约束条件下,直接采用POS数据进行光束法区域网平差后,以中误差表示的平面定位精度为X轴方向（东西方向）中误差为2.29 m,Y轴方向（南北方向）中误差为2.78 m,整体平面中误差3.61 m;采用3阶一般多项式模型进行几何精校正,X轴方向中误差为1.59 m,Y轴方向中误差为1.8965 m,整体平面中误差为2.32 m,符合《数字航空摄影测量空中三角测量规范》中对1∶10 000平地的平面精度要求,能够满足农作物面积遥感监测中作物面积调查定位精度的要求;采用监督分类和面向对象分类2种方法,对面积评价区域种植的春玉米、夏玉米、苜蓿和裸土4种地物类型进行分类,以差分GPS调查结果为评价标准,4种作物总体识别精度分别达到了88.2%（监督分类）和92.0%（面向对象分类）,单独分类精度分别为88.9%、86.7%、93.0%、86.6%和90.35%、92.61%、94.93%、93.30%。研究结果说明了无人机遥感影像获取小范围、样方式分布的作物影像方面具有广泛的应用前景,推广后能够满足全国农作物地面样方对高空间分辨率影像的需求,可以部分替代现有人工GPS测量的作业方式。     

GF-1遥感大数据自动化正射校正系统设计与实现

近年来随着遥感数据的爆炸性增长,快速、稳定的自动化影像正射校正成为遥感大数据处理的重要环节。该文在分析GF-1遥感大数据组织方式与元数据特征的基础上,将有理多项式模型正反变换与数字高程数据提取结合,设计实现自动化正射校正系统,并以提高正射校正计算效率与稳定性为目标,研究待校正影像对应数字高程数据快速提取方法,待校正影像分块读取策略等关键问题。在此基础上针对20景覆盖不同地形区域GF-1 8 m多光谱正射校正影像选择均匀分布的检查点,以Google Earth影像中同名点坐标为真值,分析校正误差及收敛情况,试验结果 X(纬线方向)方向和Y(经线方向)方向最大误差均小于16.863 m,距离误差小于23 m,并且92.25%的检查点误差小于16 m(2个像元)。该文提出的自动化正射校正方案在山地地形与平原地形均表现出良好的校正精度与稳定性。     

基于SPOT5影像的1∶1万土地利用矢量数据误差研究

基于遥感的1∶1万土地利用更新调查矢量数据的空间匹配误差是该应用能否实现的关键。实验选取浙江省绍兴市杨汛桥镇为例，利用控制点、检测点GPS野外实测数据，以及同期IKONOS数据，采用对比法，进行了基于SPOT5遥感影像的土地利用更新调查(平原区域)矢量数据的点、面的空间匹配误差的研究，最后得出了点位误差结果：水平方向7.38 m，垂直方向4.53 m，点位平面中误差8.66 m；以及面状地物空间匹配误差结果：绝大部分地类的面积吻合度及相对面积精度都可达95%左右。因此，基于SPOT5影像的1∶1万平原区域土地利用更新调查是完全可行的。     

基于Google Earth的一种浅沟侵蚀量的测算方法

针对黄土高原丘陵沟壑区浅沟侵蚀量测量费时耗力的问题,提出一种新的浅沟沟道侵蚀量测算方法。基于传统的"三棱柱"侵蚀量测算法及Google Earth所提供的公共数据图像源,利用Google Earth地形工具快速精确地测得浅沟侵蚀量。以在2013年延安极端降雨中,安塞马家沟流域多级梯田出现的典型浅沟侵蚀为算例,运用此方法,与实测值相比,田面高程相对误差23.2%,田面面积相对误差2.7%,侵蚀沟深度相对误差14.8%,侵蚀量相对误差4.8%,虽然在侵蚀量的一系列测算中存在误差,但完全可以通过数学方法进行削减。基于Google Earth的浅沟侵蚀量的测算方便快捷,是一种利用公共数据测量浅沟侵蚀量的新方法,可为高效开展黄土高原丘陵沟壑区坡面水土流失调查及治理提供技术参考。     

地块数据支持下的玉米种植面积遥感测量方法

统计行政单元内粮食作物种植面积及其空间分布是粮食产量估算的基础,也是制定粮食政策和调整种植结构的重要依据。以3S为代表的空间信息技术,是实现农作物种植面积统计的关键技术,也是实现常规统计进入空间统计的重要因素。该研究以玉米种植面积遥感测量为目标,选取种植结构复杂的农业区河南省原阳县为试验区,通过高分辨率融合影像建立地块边界数据,以TM影像为核心数据源,对TM数据进行预处理,结合NDVI及特征波段信息采用决策树方法对试验区进行预分类,初步获取玉米种植范围;将玉米预分类结果与耕地地块数据空间叠加分析,以地块内玉米的预分类面积比例为分层标志,建立分层模型,结合交通数据,布设野外样方;采用遥感影像与车载GPS结合的方式,设计合理的野外调查路线,开展野外样方实测工作,获取样本地块内的玉米种植比例;然后以野外GPS调查点为依据,通过决策树方法对玉米预分类结果进行修正。最后通过野外测量获取的样本地块玉米百分比及统计数据对TM数据提取的玉米种植面积结果进行评价,求得位置精度为81.8%,总量精度为91.1%。说明借助耕地地块数据库,能够提高多时相TM分类的位置精度和总量精度。     

湖北省第四次水土流失遥感调查正式启动

2006年7月10日-13日，由华中农业大学、湖北省水土保持监测中心组成的野外调查小组赴红安县开展了遥感调查相关的地面详查工作。调查小组在红安县遥感影像上选取了17个详查样方，每个样方控制面积1km^2，利用GPS定位对每个样方的土地利用、植被类型、地貌特征、水土流失等状况进行了详细的调查，为建立湖北省水土流失第四次水土流失遥感调查图象解译标准提供了基础数据。野外调查还将在全省的其它20多个县市开展。此次野外详查标志着湖北省第四次水土流失遥感调查正式启动。     

基于SPOT5影像的1:1万土地利用矢量数据误差研究

基于遥感的1：1万土地利用更新调查矢量数据的空间匹配误差是该应用能否实现的关键。实验选取浙江省绍兴市杨汛桥镇为例，利用控制点、检测点GPS野外实测数据，以及同期IKONOS数据，采用对比法，进行了基于SPOT5遥感影像的土地利用更新调查（平原区域）矢量数据的点、面的空间匹配误差的研究，最后得出了点位误差结果：水平方向7．38111，垂直方向4．53m，点位平面中误差8．6m；以及面状地物空间匹配误差结果：绝大部分地类的面积吻合度及相对面积精度都可达95％左右。因此，基于SPOT5影像的1：1万平原区域土地利用更新调查是完全可行的。     

简讯

湖北省第四次水土流失遥感调查正式启动2006年7月10日~13日,由华中农业大学、湖北省水土保持监测中心组成的野外调查小组赴红安县开展了遥感调查相关的地面详查工作。调查小组在红安县遥感影像上选取了17个详查样方,每个样方控制面积1 km2,利用GPS定位对每个样方的土地利用、植被类型、地貌特征、水土流失等状况进行了详细的调查,为建立湖北省水土流失第四次水土流失遥感调查图象解译标准提供了基础数据。野外调查还将在全省的其它20多个县市开展。此次野外详查标志着湖北省第四次水土流失遥感调查正式启动。湖北省第四次水土流失遥感调查…     

黑河中上游典型地区草地植被退化遥感动态监测

选择黑河中上游草地植被的典型区域,利用卫星遥感、GIS以及GPS定位测量技术,结合实地调查和采样测定,构造基于地面实测数据的草地植被退化指数,建立草地植被退化的遥感监测模型,并利用研究期2003年TM影像GPS定位点所对应的灰度数据,对1986年TM影像进行辐射特征标准化处理,监测草地植被退化的时空变化规律,旨在探讨通过TM影像数据结合野外样方数据,简单而快速评价草地植被退化的定量方法。结果表明：利用卫星遥感数据和地面草地样方实测数据,分析草地植被退化地面评价指标与遥感评价指标之间的关系,建立草地植被退化的遥感评价模型,能够较为快速、准确地监测和评价区域尺度的草地植被退化。研究区1986年轻度、中度和重度退化的面积分别为499.86、772.67和916.74 km2,2003年轻度、中度和重度退化的面积分别为322.23、815.20和1 015.84 km2。从草地植被的变化幅度、变化趋势和变化强度方面对比分析1986年和2003年的草地植被退化情况表明草地植被退化过程是一种慢速的渐变过程,重度退化、中度退化的比例较高而且呈增长趋势,总体态势仍旧呈现退化加剧、局部改善、整体恶化的变化格局。草场退化呈现由草原草场向荒漠化草原草场再向荒漠化草场演替的趋势。     

基于Cokriging插值修正冬小麦面积遥感监测

在研究区内冬小麦种植区选取149个地面样方,筛选样方内反映种植结构、地块破碎程度、地形因素的参数并利用差分GPS测量,对3个参数量化并确定插值的主辅变量。探讨和比较了利用普通克里格和协同克里格2种插值方法对研究区的冬小麦种植面积比例的插值结果。结果表明,相同采样数量下,协同克里格法相对于普通克里格法的均方根误差降低1.48%,预测值与实测值之间的相关系数提高了6.82%,利用COK插值获取研究区内冬小麦种植面积比例分布状况,可以分区域对大尺度冬小麦面积遥感提取结果进行修正。     

基于超分辨率重建和多模态数据融合的玉米表型性状监测

无人机遥感技术已逐渐成为获取作物表型参数的重要工具,如何在不降低测量精度的同时提高空间分辨率和测量通量受到表型研究人员的重视。该研究以玉米为研究对象,获取5个生育期无人机图像序列,结合小波变换与双三次插值对数码影像进行超分辨率重建,提取原始影像和重建影像的冠层结构、光谱等参数。基于单一参数和多模态数据构建地上生物量估算模型。结果表明：重建影像质量较高、失真较小,其峰值信噪比为21.5,结构相似性为0.81。航高60 m的重建影像地面采样距离与30 m的原始影像相近,但每分钟可多获取0.2 hm2地块的图像。多模态数据融合在一定程度上克服冠层饱和问题,相对于单一参数获得更高的生物量估测精度,拟合的决定系数为0.83,单一参数拟合的决定系数为0.095～0.750。在采用更高飞行高度条件下,结合超分辨率重建和多模态数据融合估算生物量的精度没有降低、反而略有提高,满足更高测量通量的需求,为解码基因型与表型关联的策略提供依据。     

玉米作物系数无人机遥感协同地面水分监测估算方法研究

该文研究不同水分胁迫条件下无人机遥感与地面传感器协同估算玉米作物系数的可行性。利用自主研发的六旋翼无人机遥感平台搭载多光谱传感器获取内蒙古达拉特旗昭君镇试验站不同水分胁迫下大田玉米冠层光谱影像,计算植被指数,采用经气象因子和作物覆盖度校正后的FAO-56双作物系数法计算玉米的作物系数,研究作物系数与简单比值植被指数(simple ratio index,SR)、叶面积指数(leaf area index,LAI)和表层土壤含水率(surface soil moisture,SM)的相关关系,结果表明,作物系数与SR、LAI和SM的相关程度与水分胁迫程度有关,但均呈现出显著或极显著的线性关系,说明了基于这些指标建立作物系数估算模型的可能性。利用逐步回归分析方法建立了作物系数的估算模型,其估算模型,修正的决定系数、均方根误差和归一化的均方根误差分别为0.63、0.21、25.16%。经验证,模型决定系数、均方根误差和归一化的均方根误差分别为0.60、0.21、23.35%。研究结果可为利用无人机多光谱遥感平台进行作物系数估算提供技术参考。     

农村土地承包经营权调查中面积精度问题分析

面积精度是农村土地承包经营权调查的主要技术指标之一,为确保农村承包土地调查的面积精度,该文以界址点精度和面积精度的关系为基础,结合测量误差传播理论,从理论上分析了农村承包土地调查面积精度的影响因素,从实践角度分析了不同调查方式界址点精度对面积精度的影响。分析表明：1）地块面积精度主要受界址点精度、地块面积和地块形状（长宽比）的影响;2）仅从满足面积精度的角度考虑,实测法适用于全国所有地区,南方大部分区域可采用不低于1∶1000的比例尺,北方大部分区域可采用不低于1∶2000的比例尺;3）采用比例尺为1∶10000的国土“二调”影像开展承包经营权调查时,平地区域南方和北方的地块面积不应小于1.25和4.56 hm2,山地区域不应小于2.81和10.25 hm2。该研究为不同方式调查农村承包土地的面积精度问题提供了理论和实践参考。     

株间除草装置横向偏移量识别与作物行跟踪控制

株间机械除草技术与装置能有效摆脱田间除草的繁重体力劳动并消除化学除草方法所带来的危害,株间机械除草装置的牵引拖拉机在跟踪作物行时总会产生航向偏差,导致除草装置出现横向偏移,甚至无法进入除草的株间区域,同时还会增加伤苗率。为增大株间机械除草的作用区域和降低伤苗率,该文提出了通过作物行信息识别出株间机械除草装置与作物行横向偏移量的方法,并设计了株间机械除草作物行跟踪机构和控制器,实现了株间机械除草跟随作物行。采用正弦波和三角波2种标准信号作为横向偏移补偿量信号,对作物行跟踪控制器的性能进行了测试,试验结果表明：作物行跟踪控制器能较好地控制除草装置跟随横向偏移补偿信号,前进速度为0.5 m/s时正弦波信号跟踪最大误差10 mm,平均误差0.8 mm,三角波信号跟踪最大误差11 mm,平均误差1.2 mm。除草试验表明,作物行跟踪控制系统能较好地控制株间除草装置跟踪作物行,在0.5 m/s前进速度下跟踪最大误差为20.8 mm,平均误差2.5 mm;作物行跟踪控制明显减少了除草爪齿未进入株间区域的比例,在300 mm株距下,可保证93.3%的株间区域有除草爪齿进行除草作业,在200 mm株距下为85.9%;作物行跟踪控制降低了除草爪齿对作物的损伤,伤苗率从20%以上降到了12%以内,提高了株间机械除草的作业效果。     

遥感信息与作物生长模型的区域作物单产模拟

利用外部数据同化作物生长模型提高区域作物单产模拟精度是近年来的研究热点.该文以遥感反演的叶面积指数(LAI)作为结合点,以黄淮海粮食主产区典型县市夏玉米为研究对象,在区域尺度利用全局优化的复合形混合演化( SCE-UA)算法进行了遥感反演LAI信息同化EPIC (environmental policy integra...     

使用高分遥感立体影像提取黄土丘陵区切沟参数的精度分析

为了研究高分立体像对测量黄土丘陵区切沟参数的适用性,选取陕北黄土区合沟小流域,以三维激光扫描全站仪获取的数据为参照值,分析使用GeoEye-1高分遥感立体像对测量切沟参数的精度,得到如下研究结果.1)刃沟面积、周长、沟长和沟宽等线状和面状参数平均测量误差分别为3.58 m2,0.55 m,0.13m和-0.10 m,其中面积、周长和沟长的百分误差主要集中在5％以内,沟宽百分误差主要分布在10％以内.2)切沟三维参数沟底宽、最大沟深、平均沟深的平均测量误差分别为-0.67、0.14和-0.46 m.截面积和体积的平均误差分别为-6.30 m2和-54.01 m3.最大沟深的百分误差主要集中在30％以内,沟底宽、平均沟深、截面积和体积的百分误差则主要分布在50％以内;相较于三维激光扫描的切沟,立体像对提取的切沟沟底形态误差较大,主要是沟底宽和平均沟深偏小.3)切沟规模越大,切沟体积、截面积和沟底宽的测量值偏小的幅度越大.但是,切沟体积测量误差与切沟体积之间可以建立较好的线性回归模型,在缺少其他测量手段时,可以使用该模型对测量误差进行校正.总体上看,高分立体遥感为切沟线状和面状参数测量以及切沟体积测量提供了新的方法,为黄土丘陵区沟蚀监测提供了便捷、且相对可靠的数据源.     

基于机器视觉的冬小麦叶片形态测量软件开发

随着图像处理与识别技术的快速发展,作物表型识别技术日趋成熟。为实现不同品种、不同生育期冬小麦叶片面积和面积系数的精准快速测定,依托VB.net和OpenCV在.NET平台下的图像处理封装库,研发了基于机器视觉的冬小麦叶片形态测量算法并设计开发了软件,软件可实现数字图片的畸变校准并可以同时测量多个叶片长、宽和面积。为验证软件测定效果,选取冬小麦绿色展开叶100 片,通过与人工测量的叶片长宽、WinDIAS叶面积分析系统测量的叶面积结果对比,分析图像识别方法的准确性和稳定性。结果表明,图像识别法与人工和WinDIAS测量的冬小麦叶片长、宽和面积的相关系数均≥0.975,归一化均方根误差均≤0.10%;针对数字照片畸变校准功能进行测试,对叶片水平（垂直）缩放50%且垂直（水平）斜切30°的图像校准后,其测量结果与原始图像测量结果的最大相对误差仅为2%。说明基于机器视觉的冬小麦叶片形态识别方法,可对多种畸变图像进行准确的几何校准,可作为一种可同时准确测定多个叶片面积和长宽的新方法,在农业科学测量、农情信息业务、农业气象观测业务等领域推广应用。     

基于无人机影像的SEGT棉花估产模型构建

及时、准确的产量估算对农业经营管理和宏观决策具有重要意义。该研究利用无人机高分辨率遥感影像,提出了一种基于苗铃生长趋势的SEGT(Seedling Emergence and Growth Trend)模型用于棉花产量估算。首先借助无人机可见光影像数据,通过植被指数与大津法、形态学滤波相结合的方法,获取研究区内棉花出苗信息;然后利用无人机多光谱时间序列影像数据,分析各时期归一化差异植被指数NDVI(Normalized Difference Vegetation Index)与实际产量的相关特征,对棉花生长状态进行等级划分,反演每株棉花的预测成铃数;最后结合棉花单铃质量构建SEGT模型进行产量估算,并根据实测产量数据进行精度验证。试验结果表明:ExG-ExR(Excess Green-Excess Red)植被指数对棉花苗识别和提取效果较好,精确率、召回率、F1值分别达到93%、92.33%和92.66%,VDVI(Visible-band Difference Vegetation Index)植被指数精度次之;将预测产量与实测产量进行对比验证,估产模型的决定系数达到0.92,表明利用SEGT模型进行棉花产量估算是一种切实可行的方法。研究结果可为无人机遥感在作物估产中的应用提供参考。     

基于全视域GA-SVR模型的鱼类行为双目视觉观测系统标定

针对大视场水下环境鱼类行为视觉观测系统较难准确标定的问题,该文以双目立体测量系统为例,提出一种基于全视域GA-SVR(genetic algorithm-support vector regression)模型的鱼类行为三维观测系统标定方法。该方法选用具有圆点靶标的方形标定板为标定工具,通过设计具备前后左右移动能力的简易滑动轨道,实现了标定板的全视域空间定位。然后利用HALCON算子获取标定板靶点二维坐标,联立标定板空间位置,构建训练样本集。选取SVR模型对样本集进行训练,对比不同的寻优算法对支持向量回归模型的参数组合寻优结果,选用最优参数分别建立X,Y,Z轴标定模型。试验结果表明,利用遗传算法进行参数寻优构建的标定模型,其X、Y、Z轴测量均方误差分别为0.959、0.893和4.381 mm,互相关系数分别为0.999 988,0.999 998和0.998 356,优于差分进化算法和粒子群算法参数寻优的标定结果。与传统标定方法比较,该方法单点测量均方误差为1.861 mm,距离测量均方误差为0.706 mm,均低于空气中标定方法(单点均方误差27.75 mm;距离均方误差10.188 mm)和水下测量标定方法(单点均方误差8.215 mm;距离均方误差2.832 mm)的标定结果,有效的提高了鱼类行为视觉观测系统的定位精度。该研究可为鱼类行为量化方法研究和优化提供理论支持和技术参考。