遥感技术在农作物种植结构的研究现状

农作物种植结构信息是农业生产管理和决策的重要基础,遥感技术在此领域的应用逐渐成为研究热点。以遥感数据源、分类特征变量和分类算法为论述框架,首先介绍了不同的遥感数据源,然后从分类特征变量和分类算法两方面对遥感数据源在农作物种植结构提取中的应用现状进行综述,最后展望未来遥感发展方向。有利于提高农作物种植结构信息提取的精度和效率,为农业高效发展和乡村振兴提供重要支持。     

基于高分辨率遥感影像的耕地信息快速提取方法研究

本研究以北京市昌平区作为研究区域,基于2.5 m空间分辨率的SPOT5遥感影像,同时利用SEa TH算法和CART决策树两种分类方法,在自动获取分类规则的基础上,实现了对耕地信息的快速提取。结果表明,两种分类方法的总体精度均在90%以上,KAPPA系数均能达到0.80;SEa TH算法与CART决策树相比,在从高分辨率遥感影像中快速提取耕地专题信息时,耕地的漏分现象得到明显改善,且分类的稳定性更好。     

基于高光谱遥感的农作物分类研究进展

【目的】农作物类型识别是农作物面积、长势监测与产量预测的重要前提。及时、准确地获取农作物类型、空间分布以及种植面积对制定农业政策、促进社会经济发展和保障国家粮食安全具有重要意义。近年来,高光谱遥感凭借光谱分辨率高、光谱信息丰富等优点,已广泛应用于农作物制图中。【方法】文章归纳了高光谱遥感应用于农作物分类的研究进展,总结了国内外农作物分类常用的高光谱数据源,并分析了各种数据源的适用范围。梳理了农作物高光谱遥感分类方法,讨论了各种分类方法的优缺点。【结果】现有农作物高光谱遥感分类研究存在一些不足:(1)机载高光谱影像光谱分辨率高,但影像监测面积小,不适合大区域农作物面积提取研究;(2)星载高光谱影像监测面积较大,但空间分辨率较低,某些农作物面积提取实际应用中精度较低;(3)由于缺乏对农作物高光谱特征的研究,导致分类算法机理性不足,普适性较差。【结论】农作物高光谱遥感分类未来研究方向是:(1)丰富高光谱遥感监测的农作物类型;(2)提高高光谱影像的空间分辨率,实现农作物种植结构复杂、地块破碎地区的农作物分类研究;(3)进一步研究利用高光谱遥感进行农作物分类的机理和多源数据融合的方法。     

基于遥感技术的森林树种识别研究进展

基于遥感手段的森林类型/树种（组）的精准识别是森林参数提取和计算的前提,是林业遥感领域的研究前沿,可为宏观尺度快速获取森林资源信息提供重要途径。对多源遥感数据在森林树种识别中的应用研究进行总结分析发现,当前基于遥感数据的树种识别已成为林业遥感的研究热点。利用卫星遥感数据和近地低空遥感数据结合随机森林、支持向量机等分类方法进行树种识别已相对成熟。近年来,无人机技术不断发展,以其灵活性强的特点在林业中有较强的应用潜力,在计算机技术、数字图像处理技术和机器学习领域不断发展成熟背景下,低空遥感数据结合深度学习技术应用于森林树种的精确识别是值得深入研究的科学问题。     

多源遥感数据支撑的耕地质量监测与评价

【目的】耕地质量监测与评价可为土地整治、占补平衡、新增耕地质量评估和基本农田管护提供科学依据,多源遥感为实现长时序大范围的耕地质量监管提供了数据基础和技术支撑。【方法】文章从耕地质量的定义出发,研究了基于遥感技术耕地质量监测与评价的两种策略:(1)从地学特征、土壤特性、环境状况、建设水平和生物多样性等5个维度表达耕地质量的科学内涵,构建以多源遥感数据为基础的耕地质量监测与评价指标体系,并梳理利用遥感技术获取各关键指标因素的方法;(2)从系统思维的角度,利用长时间序列遥感数据监测作物长势间接反映耕地质量综合状况。【结果】以多源遥感支撑的耕地质量监测与评价体系可实现耕地质量信息的实时、大范围获取,对耕地质量监测与评价工作具有重要意义;遥感技术支撑的耕地质量监测与评价,逐渐向更高精度、更多样化和更融合的方向发展。【结论】该研究结果可为耕地质量的实时大范围监管和耕地资源的"三位一体"管护提供参考。     

基于Segformer网络的地块尺度作物种植结构精细化识别与分类

防止耕地“非粮化”、稳定粮食生产是中国粮食安全的基石。为实现地块破碎化地区作物类型及种植结构精细化识别和分类,本研究以江苏省泰兴市为研究区,基于高分辨率遥感影像和多尺度融合特征显著的Segformer语义分割模型,实现地块尺度的耕地信息精细化提取;同时结合多源遥感数据构建主要植被类型归一化植被指数(NDVI)时序曲线及植被生长关键时间节点的光谱反射特征,开展地块尺度的作物种植结构分类。结果表明：基于Segformer模型的分割方法可有效识别耕地,F1系数达92.4%;基于主要植被类型多时相NDVI时序特征及植被生长关键时间节点光谱反射特征的作物种植结构分类方法能够实现地块尺度的种植结构分类,总体分类精度达82.38%。因此,本研究建立的方法可有效实现地块尺度耕地信息的精细化提取及种植结构识别和分类,为耕地保护提供技术支持。     

遥感技术在耕地类型分类中的应用Application of remote sensing technology in classification of cultivated land 孙玉璟

耕地是人类在地球上赖以生存的主体,耕地面积对粮食产量的保证起到至关重要的作用。在卫星或航拍得到的遥感图像中提取耕地类型,是遥感图像分类中的难点,本文分析了基于遥感图像的耕地类型识别与分类的重要性,并列出耕地类型分类的主要算法,为提高耕地利用率、促进农业发展提供科学依据。     

基于无人机可见光遥感影像的耕地精准分类方法研究

无人机可见光遥感具有使用成本低、操作简单、实时获取遥感影像、地面分辨率高等优势。提出了一种利用无人机可见光遥感影像进行耕地精准分类的方法,以广东省惠州市惠东县铁涌镇石桥村部分耕地的可见光遥感影像为研究对象,对耕地的面积信息、形状信息以及位置信息进行监测和提取,采用面向对象法对影像中两种基于可见光波段的植被指数、纹理信息、形状信息进行分析,研究出分类提取耕地信息的较佳方案。经过反复实验确定分割尺度45、合并尺度90为分割参数,同时利用波段信息和纹理信息对未种植作物耕地和其他地物进行分离。该方法总体精度为89.23%,Kappa系数为0.72。实验结果表明利用无人机可见光遥感数据对耕地进行分类虽然存在一些细碎地块被错提、误提的情况,但总体精度仍然保持在一个很高的水准,可以为耕地作物分类提供参考,为实现精准农业提供精准的数据基础。     

基于遥感和GIS的区域生态环境分类研究

本文以石羊河流域为例,研究了基于卫星遥感数据与数字高程模型的区域生态环境分类方法.其研究机理是:利用遥感技术获取相关生态环境专题信息,运用GIS空间分析技术自动生成流域范围的生态环境边界,形成了一种科学的区域生态环境分类方法.     

一年一季农作物遥感分类的时效性分析

【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。     

国家尺度土地利用/覆被变化遥感监测方法

以中国科学院国家资源环境数据平台土地利用/覆被专题数据库的建设为背景,总结了国家尺度土地利用/覆被变化涉及的主要遥感监测技术和方法,包括基于遥感监测的土地利用/覆被分类系统、遥感信息源、土地利用/土地覆盖信息提取方法、土地利用分类1 km栅格成分数据构建技术以及土地利用分类面积汇总技术,并在此基础上分析了国家尺度土地利用/土地覆盖专题空间数据库应用现状和未来发展前景。     

植被信息提取过程中ETM+遥感影像的分类方法

遥感图像分类是研究土地利用覆盖变化的基础。本文以南京市为例,采用监督分类与非监督分类相结合的方法,先以ISODATA非监督分类法获得初始训练模板,通过实地调查对模板进行调整,再在此基础上以最大似然法进行监督分类。研究结果表明,用改进的分类法提取植被信息,可以取得良好的分类效果,是进行植被信息调查较为理想的方法。     

面向对象的土地利用遥感分类方法研究

以重庆市忠县为研究区,以LANDSAT-5 TM影像为数据源,利用TM及其衍生指数、DEM及其衍生数据,借助ENVI4.8、ArcGIS10.0以及eCognition软件,进行土地利用遥感信息提取方法研究,通过综合利用基于知识的决策树分类和基于样本的最近邻分类,对研究区进行土地利用遥感信息提取,并与监督分类和非监督分类方法相比进行精度评价。研究结果表明,与传统分类方法相比较,面向对象分类方法精度更高。     

基于遗传算法改进 BP 神经网络的遥感影像分类研究

遥感影像分类是遥感信息提取的重要手段,是目前遥感技术中的热点研究内容,有效地选择合适的分类方法是提高遥感影像分类精度的关键。BP神经网络具有收敛快和自学习、自适应性强的特点。在遥感图像分类中,BP神经网络能充分利用样本集的信息,自动建立分类模型,但由于BP神经网络的权值和阀值能直接影响BP神经网络模型的分类精度,因此该研究通过遗传算法来确定BP神经网络的最优权值和阀值,从而提高BP神经网络的分类精度。以LandsatTM遥感图像作为数据源,以长江中游一武汉市为研究地区,建立了基于BP神经网络模型的遥感分类模型和基于遗传算法改进BP神经网络模型的分类模型,对分类结果进行了定量分析。结果表明：在样本相同的情况下,基于遗传算法改进BP神经网络的遥感影像分类精度要高于BP神经网络的遥感影像分类精度。     

森林类型遥感分类研究进展

从光学遥感和微波遥感2方面分析森林类型遥感分类的理论基础,总结国际和国内关于森林类型识别及提取技术,以及森林物理参数估测等方面的相关研究和探讨,归纳目前常用的森林类型遥感分类方法,并介绍其相关研究成果,还从3方面阐述森林类型遥感分类技术的发展趋势。     

Landsat-8与GF-1遥感影像土地利用数据提取比较——以咸宁市为例

针对Landsat-8 OLI和GF-1 WFV传感器参数的特点,选择支持向量机(SVM)分类方法分别对咸宁市同一时段的Landsat-8遥感影像和GF-1遥感影像进行土地利用分类研究。结果表明,Landsat-8在耕地与林地、水域与裸地可分离性方面高于GF-1,提取的林地面积占比和耕地面积占比更接近于真实值;Landsat-8和GF-1的分类总精度分别为85.76%和88.38%,Kappa系数分别为0.807 1和0.820 4,说明GF-1的分类效果好于Landsat-8;GF-1具有较高的分辨率优势,对分布零散的地物识别效果优于Landsat-8。     

基于遥感影像的土地利用分类系统的设计——以石河子垦区为例

[目的]有效保护、合理开发利用土地资源,把握真实、准确和实时的土地利用信息.[方法]以石河子垦区为例进行了基于遥感影像的土地利用分类系统的设计.[结果]遥感影像处理、分析的方法在区别不同的目标、不同的状态时,效果也有很大的差异,针对具有明显区域特征的示范区,研究确定了最佳的土地类型分类的方法与模型.[结论]设计了在示范区建立适应的土地利用分类系统的技术路线,并介绍了数据分析、影像处理、遥感影像分类处理以及分类精度评价与方法验证等关键研究方法.     

高分辨率遥感影像在台塬区土地整治项目设计中的应用

土地整治工程的实施已成为缓解和改善耕地数量不足的重要方式,但由于耕地后备资源数量不断减少,集中连片程度的不断降低,项目前期立项和设计工作所需数据信息获取难度越来越大,尤其是渭北台塬区主要为丘陵沟壑地貌,部分区域甚至已无法通过人力踏勘的方式去完成,给设计工作带来了巨大的困难。结合现代计算机技术以及移动通讯技术等相关技术的发展,高精度卫星遥感影像为土地整治类项目项目区范围确定、地块信息获取、工程整体布局以及规划设计工作带来了极大的便利,本文以宝鸡市陇县LJB村土地整治项目为例,对高精度遥感影像在土地整治项目中规划设计工作的应用进行研究分析,以期为高精度遥感影像在土地整治设计工作的应用研究提供案例。