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。     

基于多时相环境卫星的冬前油菜种植面积估算

【目的】油菜是我国重要的油料作物之一,监测油菜种植面积有助于了解油菜生长状况,为油菜病虫害、湿渍害、冻害等灾害损失评估提供数据基础。【方法】文章以湖北省荆州市江陵县为研究区,使用国产HJ-1A/B 30 m分辨率时序多光谱数据,通过地面调查及资料分析确定油菜与其它易混淆作物的主要NDVI时序特征,建立油菜识别决策树,估算了2009—2015年(不包括2011—2012年生长季)冬前油菜种植面积。将基于油菜开花期影像的最大似然法提取的油菜面积作为定性验证数据。以油菜籽面积统计数据和Google Earth高分辨率影像数据对冬前油菜提取的面积和空间位置结果进行定量评价。【结果】定性评价结果:2009—2011年生长季的决策树方法提取冬前油菜面积结果与开花期影像最大似然法提取结果基本一致,2012—2015年生长季的油菜提取面积空间分布差异较大。定量评价结果:决策树方法提取冬前油菜面积的用户精度达到80.40%～95.56%,生产者精度达到82.56%～91.43%,相对误差低于15%。【结论】基于NDVI时间序列特征的决策树算法估算冬前油菜面积具有可行性,但仍受到云和冬小麦的影响。     

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。     

农作物种植面积“一张图”遥感监测业务设计及应用

【目的】农作物种植面积遥感监测是世界农业大国农情遥感监测业务的主要内容,监测结果也是政府宏观监测与生产管理的重要依据。所以农作物种植面积"一张图"遥感监测业务的设计及应用为农业生产定量化管理提供进一步服务。【方法】文章在农作物种植面积"一张图"概念定义的基础上,提出了基于低、中高空间分辨率2种数据源的"一张图"遥感监测技术方案,并采用EOS/MODIS、GF-1/WFV数据实现了全球、中国大陆区域冬小麦空间分布"一张图"的监测方案应用。【结果】农作物种植面积"一张图"概念的提出,是从监测范围与监测内容上对农作物种植面积遥感监测业务的规范,对遥感监测技术从基础研究向实际应用具有推动作用。【结论】现有遥感数据、分类识别技术能够保证"一张图"遥感监测业务方案的实施与实现。限制遥感数据向"一张图"成果转化的技术瓶颈,是遥感监测自动识别技术的精度与能力。在今后较长一个时期内,从全球及国家尺度出发,开展作物光谱分布规律研究,进而提出普适性较高的算法,是提高全球、国家尺度农作物种植面积"一张图"遥感监测业务效率的主要途径。     

基于高分一号卫星数据的新疆棉花种植面积信息提取研究

棉花作为新疆主要经济作物,种植面积和产量的变化显著影响新疆经济的发展与决策。为及时准确地获取棉花种植面积,以新疆玛纳斯河流域为研究区,在"3S"技术支持下,利用地面样方数据采集的光谱与GF-1卫星遥感影像农作物光谱进行分析,采用阈值分析、监督分类和非监督分类三种方法提取棉花面积。结果显示,选取9月作为识别棉花种植面积的最佳时相,采用非监督分类方法能得到精度较高的棉花种植面积提取结果。     

基于环境卫星的混合像元分解提取江汉平原油菜种植面积

利用中低分辨率卫星影像进行油菜面积提取时,需要考虑混合像元产生的影响,以提高面积提取的精度。通过选取2011年湖北省江汉平原油菜生长期内不同生育期的两景HJ-1A/B-CCD数据,生成1组8波段的数据;采取阈值技术结合夏收作物NDVI指数变化特点,提取夏收作物在江汉平原的空间分布;选取线性光谱混合模型进行油菜种植面积的分解计算研究。结果表明,线性光谱混合模型能够高精度地提取油菜的种植面积,是一种很好的油菜种植面积监测方法。     

湖南省中稻种植面积遥感监测方法研究

综合考虑大面积水稻种植区耕地地块破碎,种植结构复杂,插花、套种、错季种植现象明显,影像解译、分类难度大等特点,充分利用国产卫星GF-1数据,以湖南省中稻种植为例,通过精确作物识别与混合像元处理,实现像元尺度的中稻识别;结合国土资源土地调查数据,统计中稻的像元数量与丰度(种植面积比)水平,并扣除耕地图斑内的非耕地成份,建立中稻种植面积估算模型,最终得到精确到县级报告单元的种植面积估算结果。结果表明:通过遥感数据估算面积和地面样方调查计算结果的可决系数达到0.869 6,说明遥感监测方法在湖南省中稻种植面积估算中行之有效。GF-1卫星遥感数据的空间分辨率、波段覆盖范围、影像覆盖能力等能满足大面积农作物种植面积监测要求,基于抽样技术的地面调查与遥感影像分类相结合提取作物种植面积信息的方法可用于省级、区域级的粮食种植面积遥感监测。     

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。     

川西平原油菜种植区域时空变化分析

【目的 】 提取四川省粮食生产核心区川西平原油菜种植区域空间分布信息,分析种植区域的空间特征和面积变化,以期为四川省农业政策制定、产业结构进一步调整和优化提供参考。 【方法 】 文章将GF-1、Sentinel-2和Landsat-8全色波段影像和多光谱影像进行融合,分别得到空间分辨率为15 m、10 m和15 m的融合图像;利用最大似然分类法对融合图像的RGB假彩色图像进行地物分类,提取油菜种植区域信息。以Google Earth 发布的历史影像建立验证样区,通过目视解译提取油菜种植区域,验证遥感影像的提取精度。 【结果 】 获得了该地区2016年和2018年共2期油菜种植区域空间信息。川西平原油菜主要分布在北部、东北部、西部和南部浅丘地带,零散分布于中部平原地区。2018年油菜种植面积较2016年有所增长,主要增加区域在川西平原崇州市、大邑县、邛崃市等市县。 【结论 】 川西平原近年来油菜种植面积总体保持增长势态。四川省油菜产业的发展使得油菜种植区域差异化逐渐明显,需要进行针对性分析,因地制宜地研究和确定产业的战略目标与规划、区域农业产业化经营应遵循的法律或规则。     

区域总量控制下的冬小麦种植面积空间分布优化

【目的】利用传统遥感与抽样相结合的方法进行农作物种植面积测量,只能获得区域总量,无法有效获取农作物种植面积空间分布信息。针对以上不足,开展区域总量控制下的冬小麦种植面积空间分布优化研究,从而提高冬小麦种植面积测量的空间分布精度。【方法】将整个遥感影像像元划分为3部分:"纯净冬小麦像元"、"混合冬小麦像元"和"典型非冬小麦像元"。综合软、硬分类方法各自的优势,在区域冬小麦总量面积一定的前提下,设定阈值确定混合冬小麦像元的空间分布范围。【结果】传统遥感与抽样相结合的方法提取出的冬小麦结果RMSE为0.13,优于硬分类方法(RMSE为0.16)和软分类方法(RMSE为0.20)。【结论】区域总量控制下的软、硬分类方法能够有效地对冬小麦种植面积空间分布进行优化,既保证了区域测量精度,又提高了空间分布的准确性。