基于ENVISAT ASAR的长乐市水稻种植面积监测

以多时相、双极化ENVISAT先进合成孔径雷达(ASAR)影像为例研究福建省长乐市试验区水稻种植面积提取方法.利用2005年不同水稻生长季节的多时相ASAR数据,通过分析2种极化方式下水稻后向散射系数变化规律,采用构建新波段方法来增强水稻信息,然后采用监督分类法分别提取早、晚稻信息,最后,结合两季水稻提取结果分区域提取得到总的水稻种植面积.该方法极大地减小了水稻和背景地物信息混淆的概率,取得了较好的分类结果,总精度达到96.68%.可见,多时相、双极化ENVISAT ASAR数据能够对水稻种植面积进行有效监测.     

基于随机森林的水稻信息提取研究

以重庆市永川区朱沱镇Sentinel-2多光谱影像为例,构建随机森林分类模型,分别以单时相和多时相特征变量集为变量提取水稻空间分布,并对水稻对不同波谱特征集的响应程度及提取精度进行分析。分类结果显示,研究区水稻分布相对较为分散,且地块特征较为复杂,与区域典型地貌基本相适应;处于分蘖期的水稻稻田比处于灌浆期的稻田更有区分特征,利用多时相数据能够有效提高提取精度;通过传统的最大似然法、光谱角分类器提取地物精度有限,而基于机器智能分类的随机森林模型提取方法提取结果总体精度90%以上,Kappa系数达到0.80以上,可为西南山地地区作物信息提取提供参考。     

基于ENVISAT ASAR数据的水稻遥感监测

以江苏省兴化市水稻试验区为例,利用单时相多极化ENVISAT ASAR(Advanced Synthetic Aperture Ra-dar)数据进行水稻识别和生长参数反演。通过分析水稻和其他地物在该时相上的VV极化和HH极化后向散射特征,选择合适的阈值和条件,利用阈值分类算法从影像中提取水稻分布。另外,利用实测水稻生长参数和获取的植被指数(NDVI)数据与水稻后向散射系数进行相关性分析。分析结果表明,水稻VV极化后向散射强度与水稻形态结构、叶面积指数和生物量具有较好的相关性,而水稻HH极化后向散射强度对水稻冠层含水量的变化更敏感。基于上述分析,建立反演水稻株高、叶面积指数和NDVI等参数的关系模型。经过验证,水稻识别精度为84.36%,反演的水稻生长参数的空间变化和实际情形相符合。     

应用哨兵2A多时相遥感影像对树种的识别

森林树种类别的准确识别和专题图制作对于森林经营管理具有重要作用。以哨兵2A多时相遥感影像数据源,通过对单时相影像以及根据基尼系数(Gini系数)和信息熵进行的不同影像组合,利用随机森林算法对大孤家林场的树种类别进行识别和分类制图。结果表明:哨兵2A多时相影像组合能够显著改善树种分类的精度,多时相影像组合总体分度最高为87.45%,Kappa系数为0.825,比单时相遥感影像分类总体精度提升了4%~7%。     

利用面向对象变化向量分析(OCVA)检测土地利用变化

为推广国产高分数据在土地利用变化检测方面的应用,以延庆区张山营镇2015和2018年2期高分二号(GF-2)影像为数据源,采用面向对象变化向量分析法(OCVA),先通过不同分割模式获取对象,其次利用引入权重的欧氏距离构建变化向量的模,再通过目标函数确定最佳检测阈值后对研究区进行变化检测,最后对变化区域进行面向对象分类,得到具体的"从…到"变化类型。结果表明:1)多时相组合分割模式下的OCVA法精度要高于多时相分别分割模式;2)利用加权组合方法构建对象变化向量的模更易确定最佳检测阈值,且最后的总体精度要高于传统OCVA法;3)结合面向对象分类的OCVA法能有效减少面向对象分类后变化检测法和单一OCVA法的伪变化,检测精度达到92.50%。     

基于多时相 Sentinel-2 卫星数据的农作物分类研究

【目的】探究研究区农作物分类最佳时相;结合遥感指数探究一种有效的多时相分类方法,提取主要农作物种植分布情况。【方法】基于多时相Sentinel-2卫星数据,采用支持向量机的分类方法对不同时相进行分类,对比分类精度;融合时间序列的NDVI、MNDWI指数之后采用支持向量机的方法进行分类,之后分别利用MNDWI和CI指数结合决策树的分类方法提取水域和田埂。【结果】7月份的分类效果最好,总体精度达到91.05%,Kappa系数达到0.8518;通过时相数据不同组合的分类精度比较,采用3—10月NDVI数据叠加后分类的效果较好,总体精度达到92.25%,Kappa系数达到0.8736;对比3种不同分类方法,以支持向量机的分类结果精度最高,总体精度达到94.19%,Kappa系数达到0.9024。【结论】7月份是研究区农作物分类的最佳时相;多时相分类精度明显高于单景数据分类;结合多时相NDVI、MNDWI、CI 3种遥感指数进行分类可以有效提取研究区主要农作物的种植分布情况。     

基于缩影的多时相遥感语义变化检测方法

针对高分辨率遥感图像标签稀缺和标签技术增长缓慢限制了多时相语义变化检测发展的问题，提出了采用有噪声、低分辨率的弱标签替代高分辨率标签进行多时相语义变化检测的方法。首先，采用低分辨率卫星数据平滑高分辨率遥感图像输入的质量差异。其次，通过将缩影（epitomes）模型和标签超分辨率算法作为统计推理算法相结合的方法预估高分辨率遥感图像分类图，并拟合一个小型FCN网络对生成的遥感图像分类图进行后处理来改善其分类的效果。最后，通过对比不同时相土地覆盖分类图像之间的差异得出变化检测结果。结果表明，本研究提出的方法与其他多时相语义变化检测方法 FCN/all相比，平均交并比（mIoU）提高了8.9个百分点，能够有效检测土地覆盖分类变化。     

应用U-Net模型和多时相Landsat-8影像对森林植被的分类

为了探讨深度学习全卷积神经网络模型(U-Net)在多时相Landsat-8影像上的森林植被分类效果,以黑龙江孟家岗林场为研究区,采用多时相的Landsat-8影像为数据源,根据各森林类别多时相的光谱曲线确定分类的最佳时相,并对优化后的U-Net模型进行训练并验证.同时,进一步构建多时相植被指数特征,训练分类模型并对森林植被进行分类,比较优化后的U-Net分类方法和最大似然分类法的分类精度.结果表明:加入多时相植被指数的U-Net模型分类精度为83.5％,比单一时相分类精度高6.1％;优化后的U-Net模型分类方法精度明显高于最大似然分类方法,说明加入多时相植被指数的U-Net模型分类方法可以有效的提高森林分类精度.     

水稻极化散射特征分析及稻田分类方法研究

通过对江苏省洪泽试验区2004年获取的多时相、多极化雷达卫星(Envisat)数据分析,从图像上提取后向散射系数,建立了水稻生长模型,分析了不同极化方式的水稻后向散射特征。利用该试验区同年获取的气象卫星(NOAA)数据,提取水稻的归一化植被指数(NDVI),分析了其与水稻后向散射系数之间的相关性。最后,根据水稻的多极化后向散射特征和获取的多时相雷达数据,利用阈值法提取稻田信息,识别精度达90%以上。结果充分说明利用多时相、多极化雷达卫星数据对水稻长势监测及面积提取具有明显的优势和潜力。     

基于C5.0算法的森林资源变化检测方法研究——以山东省徂徕山林区为例

以山东省徂徕山林场为试验区,利用两时相的TM与ETM+遥感数据对该地区的针叶林、阔叶林等森林资源的变化进行研究。将基于C5.0算法的决策树分类方法应用于森林变化检测,并对3种检测方案进行试验比较:(1)以单一时相图像作为数据源并各自分类,分类后作比较提取变化信息;(2)以两时相图像的原始波段数据作为数据源训练规则,并生成变化检测图;(3)以两时相图像加上邻近相关分析图像作为数据源训练规则,生成变化检测图。试验结果表明,基于C5.0算法的决策树分类可以有效的进行森林变化检测,并且加入邻近相关分析图像后的变化检测精度达到最高。     

基于面向对象的光学和ASAR数据的早稻种植面积早期提取

针对目前利用ASAR数据提取作物种植空间分布的精度因相干斑点噪声问题而达不到业务运行要求问题,以全国水稻种植面积最大的湖北省监利县为例,运用空间分辨率为16 m的高分一号多光谱数据,采用图像切割和融合方法提取农田边界,将早稻早期三景ASAR数据以每个对象(一个对象代表一块农田)取均值,以此消除相干斑点噪声,结合早稻早期ASAR数据变化特征(早稻灌水前期ASAR后向散射系数大,灌水后最小,秧苗后期变大),提取监利县2015年早稻种植空间分布。通过与调查区(面积23.4 km2)对比,其Kappa系数为0.83,其精确度较单独用ASAR数据提取方法提高一个层次,该早稻提取方法适合业务化运行。     

基于ERS-1/2和Envisat ASAR数据的大区域森林制图研究

分别利用1995—2000年的ERS-1/2串行数据和2005年的Envisat ASAR数据对我国东北林区进行森林制图研究。针对ERS-1/2数据相干模型,采用一种不依靠地面实况数据而是基于MODIS植被连续覆盖产品进行训练的方法,从而实现进行大区域森林蓄积量分级制图的目的。分级制图包括0～20、20～50、50～80和80 m3/hm2 4个蓄积量等级。基于Envisat ASAR数据,采用面向对象的分类方法,进行自动化森林和非森林分类处理。基于2005年Landsat TM-5分类结果的交叉验证表明:这2种传感器SAR数据均可用于大区域森林制图。2期森林制图结果为进一步的森林变化分析以及制图更新研究提供支持。      

基于多极化机载合成孔径雷达(SAR)数据的水稻识别

基于多极化(HH/HV/VH/VV)机载合成孔径雷达(SAR)数据,分析水稻和典型地物在不同极化方式上的响应特征及其差异,并根据水稻的极化响应特征进行识别.结果表明:水稻在不同极化方式上的响应差异比较大,而且水稻在水平极化(HH)和垂直极化(VV)上的差异明显高于其他地物;基于这一特点,利用水平极化和垂直极化的比值〈HH〉/〈VV〉提取水稻信息,取得了较好的效果,水稻识别精度可以达到90%以上;对增强水稻信息的图像进行自动分类,分类结果表明不同生长期的水稻能够得到一定程度的区分.     

新一代星载云雨测量雷达系统技术研究

双频率、多极化星载云雨测量雷达是遥感探测技术发展的必然趋势。深入研究了新一代双频多极化星载云雨测量雷达系统技术,给出了双频多极化雷达系统框图与主要指标,分析了天线子系统实现方案,提出了天线子系统的技术指标;考虑了中央电子设备子系统的实现方案,并计算了星载云雨测量雷达的数据率。该研究为开展空间云雨测量雷达系统研究进行了有益的尝试,可为我国未来空间云雨测量雷达的设计与研制提供参考。     

基于Sentinel-1/2数据的中国南方单双季稻识别结果一致性分析

【目的】微波遥感因具有全天时、全天候数据获取的特点,在多云雨的中国南方水稻识别研究中表现出巨大潜力。本研究通过对比Sentinel-1SAR遥感数据和Sentinel-2光学遥感数据用于水稻遥感制图的效果,分析光学和SAR遥感数据对于单双季稻识别结果的一致性,并探索水稻识别的最优SAR影像特征。【方法】本研究使用Sentinel-1/2卫星数据,基于面向对象的随机森林分类算法和Google Earth Engine平台,提取洞庭湖平原4个典型水稻种植区的单双季稻空间分布。通过比较9种不同传感器和特征组合场景的分类精度和分类结果统计指标,并计算NDVI和SAR特征时序（VH、VV、VH/VV）的R²和DTW距离,分析识别单双季稻的最优SAR特征,评估光学和SAR遥感数据对于单双季稻识别结果的一致性。【结果】VH、VV和VH/VV时序识别单双季的总体精度分别为90.42%、82.08%和88.33%,而联合VH和VH/VV时序识别单双季稻的总体精度可达91.67%。VH（VH/VV、VV）时序与单双季稻NDVI时序的R²和DTW距离分别为0.870（0.915、0.986）、4.715（1.896、5.506）（单季稻）和0.597（0.783、0.673）、2.396（1.839、3.441）（双季稻）。较高的R²和较低的DTW距离说明单双季稻的VH/VV时序与NDVI时序相关度更高,可以较好地反映单双季稻的生长周期规律。同时,VH可以较好地反映单双季稻移栽期的淹水特征。基于光学数据和SAR数据在6个时间窗口的特征（S-2：NDVI、EVI、LSWI;S-1：VH、VH/VV）识别单双季稻的总体精度分别为91.25%和90.00%,识别结果面积相关性可达95.70%。【结论】SAR遥感数据与光学遥感数据水稻识别结果一致性较高。应用Sentinel-1在多云雨区识别单双季稻具有巨大潜力,VH和VH/VV后向散射系数时序是识别水稻的优质特征。研究结果为多云多雨区使用SAR数据进行特征优选以高精度识别单双季稻提供了重要技术支撑。     

Using proximal sensor data for soil salinity management and mapping

Over the past five decades, increased pressure caused by the rapidly growing population has resulted in a reclamation of agricultural and urban buffer zones along China's coastline. However, information about the spatio–temporal variation of soil salinity in these reclaimed regions is limited. As such, obtaining this information is crucial for mapping the variation in saline areas and to identify suitable salinity management strategies. In this study, we employed EM38 data to conduct digital soil mapping of spatio–temporal variation and map these variations of different site-specific zones. The results indicated that the distribution of soil salinity was heterogeneous in the middle of, and that the leaching of salts was significant at the edges of, the study field. Afterwards, fuzzy-k means algorithm was used to divide the site-specific management zones within the time series apparent soil electrical conductivity(ECa) data and the spatial correlations of variation. We concluded that two management zones are optimal to guide precision management. Zone A had an average salinity level of about 165 mS m–1, in which salt-tolerant crops, such as cotton and barley can grow normally, while crops such as soybean and cowpeas may be planted using leaching and increasing the mulching film methods to reduce the accumulation of salt in surface soil. In Zone B, there was a low salinity level with a mean of 89 mS m–1 for ECa, which allows for rice, wheat, and a wide range of vegetables to be grown normally. In such situations, measures such as an optimized combination of irrigation and drainage, as well as soil amendment can be taken to adjust and control the salt content. Particularly, flattening the land with a large-scale machine was used to improve the ability of micro-topography to influence salt migration; rice and other dry, land crops were planted in rotation in combination with utilizing salt-leaching multiple times to speed up desalinization.     

参数加速失效模型定位生存性状位点

大多数现存的检测数量性状位点的统计方法,不适于去分析带有偏态分布和删失机制的生存性状。因此,将生存分析中参数和半参数模型镶嵌到数量性状区间定位的框架内,去定位生存性状。在生存性状分析领域里,加速失效时间模型被认为是用于分析数据的一个非常重要模型。基于加速失效时间模型,提出定位生存性状的参数模型,采用EM算法获得参数的极大似然估计。同时,视贝叶斯信息标准为模型选择标准。通过选取带有极大似然和寡参数的指定误差分布,构建了优化模型。为了证明方法的有效性,分析了一个实际数据集,结果表明,在生存分布的五个常用分布函数,对数Logistic分布是控制小鼠高氧性急性肺损伤的最优分布函数。     

淠史杭灌区水稻水分生产函数与优化灌溉制度研究

依据2年的水稻水分生产函数专项试验和淠史杭灌区试验总站历年试验统计资料,结合面上调查和室内理论分析计算,建立了适合淠史杭灌区水稻的"作物-水模型",确定了模型的结构形式和参数取值,在此基础上建立了水稻优化灌溉制度数学模型,并采用动态规划方法求出不同水文年型以产量为目标的优化灌溉制度,为淠史杭灌区水资源的优化配置提供依据.