基于Sentinel-2影像的甘蔗种植区遥感提取方法——以广西崇左市为例

为了解决在多云雨天气与复杂地形条件下难以快速精准大面积绘制喀斯特山区甘蔗种植区的问题,亟须探究适用于喀斯特山区甘蔗种植区提取的方法。以广西壮族自治区崇左市为研究区域,利用Sentinel-2数据计算多种植被指数,根据Sentinel-2原始波段、光谱指数和纹理信息特征分析,选取地物训练样本,并引入DEM、土地利用等辅助识别特征变量,采用神经网络、随机森林、支持向量机3种机器学习方法,实现2018—2021年甘蔗种植区遥感提取,再利用Google Earth影像和统计数据进行精度评价。结果表明,基于Sentinel-2的甘蔗种植区遥感提取效果较好,崇左市甘蔗种植区总体分类精度均高于91%,κ系数均大于0.88;3种分类方法提取面积误差均值为-4.84%。2018—2021年,崇左市甘蔗种植面积趋于较平稳状态;主要甘蔗种植区以扶绥县、江州区、龙州县及大新县南部和宁明县北部为主。Sentinel-2数据在识别地类复杂多样、农田极其碎片和多云天气频繁等特点的作物信息方面具有较好潜力。     

应用Sentinel-2A卫星遥感影像估测森林蓄积量

为了探讨应用Sentinel-2A遥感影像进行森林蓄积量估测的可行性,以内蒙古自治区某林业局的一类清查样地数据、二类调查小班数据、数字高程模型(DEM)以及林地数据为数据源,以遥感影像的波段灰度信息、比值波段及地形信息为自变量,采用k-近邻法(k-NN)、稳健估计及偏最小二乘估计等方法,分林型构建研究区域的森林蓄积量估测模型,从林业局、林场及小班尺度进行估测精度评价.结果表明:k-NN方法在林业局、林场和小班等3个尺度中的估测精度分别达到了97％、93.2％和83.6％,均表现出良好的估测效果;稳健估计法在3个尺度中的估测精度分别为89.3％、72.4％、69.3％;偏最小二估计法在3个尺度中的估测精度分别为85.7％、75.8％、71.7％.k-NN方法估测效果明显优于稳健估计方和偏最小二估计法,因此,Sentinel-2A遥感影像能够有效应用于森林蓄积量估测.     

面向Sentinel-2A影像的大理市土地利用分类方法适用性研究

  目的  获取更高效、准确的土地利用自动分类方法,为后续的高原山区土地利用分类研究提供理论支撑。  方法  选取中国典型的高原山区云南省大理市为研究区域,以Sentinel-2A影像为对象,提出一种面向对象特征的决策树分类方法,并将此方法分类结果与传统的ISODATA法和最大似然法土地利用分类结果进行对比。  结果  ①面向对象特征的决策树方法分类结果在空间分布和各地类的面积统计方面都优于ISODATA法和最大似然法,与研究区实际土地利用面积数据更为接近;②在大理市,最大似然法在水体和林地的提取上适用性较好,而面向对象特征的决策树分类方法在农田、草地、建设用地和其他这些地类的区分上适用性更强,且在冰川积雪的提取上也有更好的提取效果;③相比与传统的ISODATA法和最大似然法分类结果精度,面向对象特征的决策树分类方法可进一步提高分类精度,总体分类精度可达90.20%,Kappa系数为87.95%。  结论  相较于传统的分类方法,先粗分类再进一步细分类的分类思想,可避免区域之间的混淆问题。面向对象特征与决策树相结合的组合分类方法在高原山区有着更好的适用性,可以有效提高高原山区分类精度。图3表7参26     

土地利用宏观监测中国产卫星的变化信息提取方法评估

选取全国范围内5个地形各异的地区,针对中等分辨率的国产卫星影像中巴资源卫星(CBERS-02B)、环境一号卫星(HJ-1)和北京一号卫星(BJ-1),采用多种土地利用变化信息提取方法,进行了土地利用变化信息提取方法的分析评估。通过实验得出比值法较适用于CBERS-02B数据,大部分地区属性精度和面积精度可达70%以上;差值法较适用于HJ-1和BJ-1数据,属性精度和面积精度也可达70%以上。在实际的宏观监测应用中,可优化各种数据使用模式,组合运用针对各种数据的最佳方法进行变化信息提取。     

基于Sentinel-2A影像的乡镇农业土地利用制图

目的 实现乡镇尺度准确的农业土地利用、作物分布快速制图。方法 文章选用Sentinel-2A遥感影像,基于时序遥感指数阈值分类、最大似然等方法完成各土地利用类型分类、作物空间信息提取,进行乡镇尺度农业土地利用制图,与基于WorldView-2融合图像的0.5 m分辨率农业空间信息图比较验证。结果 （1）研究区粮油作物用地、菜地、设施农用地和园地的面积精度良好,依次为92.93%、98.98%、95.71%和95.14%,与实际面积的差异在8%以内;（2）应用OSM道路数据和历史高分辨率影像等生产的地块边界、农田道路网、水渠网等空间信息与Sentinel-2A多光谱影像分类结果进行叠加制图,能提高10 m分辨率影像分类结果的地块边界信息精度。结论 使用多源信息融合方法和Sentinel-2A光学影像生产的乡镇农业土地利用、作物分布空间大数据,能有效提升乡镇尺度土地利用制图精度和时效性,为应用遥感大数据开展乡镇农业景观分析、农业产业结构优化调整等提供技术参考。     

西藏“一江两河”流域土地利用时空分布与地形因子关系研究

以西藏的"一江两河"流域为例,以1990年、2000年、2010年、2015年4期土地利用现状数据和数字高程模型(DEM)派生数据坡度、坡向和高程3个地形因子信息为基础,基于DEM并结合ArcGIS技术,对地形因子和土地利用数据进行叠加提取,采用土地变化强度指数(K)、土地分布指数(LDI)和土地转移分布指数(p)3个指标分析总结了地形因子对流域土地利用时空变化的影响特征及规律.结果表明:1990-2015年期间,居民地用地强度变化呈现最大,其余地类变化缓和;耕地、居民地、林地和草地的分布指数随高程坡度变化分布指数差异大,不同地类在各级因子中优势分布差异显著;林地最容易转移,耕地和建设用地向低海拔低坡度半阳坡转移明显,其余地类转移较为缓慢.综合来看,地形因子对土地利用变化的影响作用明显,土地利用优势分布和土地利用转移均出现不同的时空变化特征.     

基于Sentinel-2A影像的县域冬小麦种植面积遥感监测

小麦种植面积遥感监测是小麦估产的基本要素,准确而及时地提取不同灌溉类型冬小麦种植面积及其空间分布信息可为冬小麦长势监测以及产量评估提供科学依据。以山西省闻喜县冬小麦为研究对象,以Sentinel-2A影像为基础数据源,选择主成分(PCA)、红边归一化植被指数(RENDVI)、纹理特征等3个特征变量,结合实地调查样本点,采用随机森林算法,提取冬小麦种植面积,并结合数字高程模型(DEM)提取雨养区和灌溉区冬小麦种植面积。结果表明,Sentinel-2A遥感数据适合作为县域尺度冬小麦监测的数据源;主成分分析、纹理特征和RENDVI的引入可以提高单时相遥感影像对县域冬小麦分类的识别能力;随机森林算法和数字高程模型结合可以实现雨养区和灌溉区冬小麦种植面积的提取。     

基于Sentinel-1A卫星SAR数据地震同震形变场反演——以意大利佩鲁贾地震为例

目的验证Sentinel-1A卫星SAR数据在地震导致的地表形变测量方面的可行性。方法利用获取到的意大利佩鲁贾市地震前后两景Sentinel-1A卫星SAR数据并使用ENVI软件反演其地震同震形变场,得到雷达视线(LOS)方向地表形变图。结果反演结果表明:(1)地震导致的雷达视线方向地表沉陷和抬升最大值分别约为0.31 m和0.32 m,地震中心地表形变量约为0.1 m;(2)地震中心附近形成"西北-东南"走向长约30km的断层;(3)由地表形变剖面图可知:位于地震中心以北、以西和以南3个方向的地表有所沉陷,地震中心以东地区地表被抬升。结论 Sentinel-1A数据在地震地表形变场反演具有可行性,可作为研究地震机理和防灾减灾参考数据,但实际精确形变值还需要GPS测量数据验证。     

溧水县DEM的建立及坡面土地面积的提取

介绍了利用生成的1∶5万3、0 m分辨率溧水县DEM数据和土地利用类型栅格数据,借助于GIS软件,首先对DEM数据提取坡度信息,然后将坡度信息与土地利用类型栅格数据结合进行空间叠加分析,研究了溧水县不同土地利用类型在各个坡度级内的面积大小。     

GIS和RS技术在土地利用动态监测中的应用

土地利用遥感动态监测能够快速提取土地利用变化信息,更新土地利用现状图,对于土地资源合理利用、科学管理具有重要的意义.以不同时相遥感影像为主要数据源,结合其他多种数据,探讨了土地利用遥感动态监测的技术流程.以1989年和2000年石河子垦区及周边地区TM影像为基础,分析了该区域土地利用的变化趋势.研究区内的土地利用变化总体趋势是耕地(农田)面积大幅度增加,以草(林)地向耕地(农田)的转化最为显著,各种土地利用类型处在相互转化中.     

耦合时序特征的林分类型遥感识别

【目的】结合多源遥感数据进行特征提取,获取最优分类策略并探究时间序列特征在林分类型识别中的重要性,为遥感林分类型识别提供技术途径。【方法】结合Sentinel-2光谱特征和时间序列特征、Sentinel-1雷达后向散射特征和SRTM DEM地形特征在Google Earth Engine中进行各特征变量的提取,构建不同特征组合使用随机森林分类器进行分类并对不同分类结果进行制图输出和精度评价。【结果】（1）使用Sentinel-2时间序列光谱特征、Sentinel-1雷达后向散射特征和SRTM DEM地形特征的方案分类效果最好,总体精度为84.62%,Kappa系数为0.82;(2)在构建的5个不同特征组合方案中,多特征组合的方案分类效果优于单一特征;（3）地形特征、后向散射特征和时间序列特征对于分类结果非常重要,尤其是时间序列特征的加入能大大提升林分类型识别精度。光谱特征中短红外波段B11和B12最重要,时间序列特征中4月份和10月份为最重要的时间节点。【结论】基于多源遥感数据提取的多特征分类方案能够有效进行研究区林分类型识别,地形特征、后向散射特征和Sentinel-2时间序列特征可...     

基于Landsat-8和Sentinel-2A多光谱影像的陆良县日光温室面积估算

【目的】选取云南省陆良县,开展基于Landsat-8 OLI和Sentinel-2A MSI影像的设施种植区域监测研究,及时为农业生产管理提供准确的设施农业空间信息。【方法】首先分析日光温室及其他典型地物的遥感特征,然后使用目视解译以及最小距离法、马氏距离法、最大似然法、支持向量机等4种监督分类方法提取设施种植空间信息,再使用亚米级Google earth历史影像为底图建立验证样区。通过目视解译提取样区设施种植区域信息,以此验证Landsat-8和Sentinel-2A影像的监测精度,选择最优监测方法。【结果】使用Landsat-8影像,基于目视解译及4种监督分类方法的精度依次为97. 54%、77. 31%、91. 35%、91. 89%和83. 15%;使用Sentinel-2A影像,基于目视解译及4种监督分类方法的精度依次98. 82%、80. 80%、87. 01%、93. 89%和85. 41%。【结论】①2种影像的日光温室监测均适于使用最大似然法,其估算精度与目视解译精度误差分别为5. 65%和4. 93%;②遥感监测显示,2016年陆良县日光温室主要集中于该县湖积平原区。基于Landsat-8影像监测的面积为5381. 62 hm2,基于Sentinel-2A影像监测的面积为5347. 84 hm2。     

基于sentinel-1A的武汉市武昌区洪水监测

洪水淹没范围的提取精度是城市内涝监测的关键问题之一.洪水一般发生在阴雨天气,利用光学遥感影像存在大量云层阻挡,无法有效监测洪水淹没区域,而星载合成孔径雷达(SAR)可以穿透云层,获得类似光学的高分辨率雷达图像,可全天候观测.基于哨兵1号数据,对武汉市武昌区灾前影像采用基于监督分类和非监督分类共5种方法对水体进行了提取.结果表明:支持向量机法的提取精度最高;利用该方法对灾后影像进行提取,对灾前灾后影像进行差值运算,得到城市洪水的淹没范围.利用雷达影像进行洪水监测对抗洪救灾和改进城市洪水模型具有重要意义.     

DEM重采样坡度衰减分析

通过数字高程模型(DEM)重采样发现,随着水平分辨率的降低,地形也随着趋向平缓,坡度信息不断丢失,地面表达能力逐步下降.利用1∶10 000数字地形图生成5m水平分辨率DEM,以此为基准重采样生成10、20、40m水平分辨率的DEM,提取各水平分辨率DEM的坡度.对提取的5m水平分辨率DEM的坡度进行邻域分析,提取10、20、40m水平分辨率DEM的最大坡度,以此求取其与直接由相对应水平分辨率DEM提取的坡度的差值,并对坡度差值进行频率统计分析,同时分析了剖面曲率在重采样过程中的变化.结果表明,随着DEM水平分辨率的降低,坡度平均值不断降低,较小坡度的频率逐渐增大,较大坡度的频率逐渐减小.DEM水平分辨率较高时,坡度差值分布集中于较小坡度差值处,且范围集中;DEM水平分辨率越低,坡度差值分布曲线愈加分散,且集中于较大坡度差值处.DEM水平分辨率越高,剖面曲率曲线分布越广,DEM水平分辨率越低,曲线分布越窄,且变得集中,其中剖面曲率较高部分损失严重.     

多时相Sentinel-2A与SPOT-7影像在油菜识别中的差异

[目的]研究多时相Sentinel-2A识别种植结构复杂的小尺度区域中的油菜面积,获取高精度的作物分布信息。[方法]以多时相Sentinel-2A和一景SPOT-7数据为数据源,选取种植结构复杂的小尺度区农业区为研究区,构建不同特征向量组合,利用支持向量机(support vector machine,SVM)的方法提取油菜种植面积。[结果]通过对比分析基于不同特征向量组合的油菜识别精度,利用一景油菜最佳识别期内的Sentinel-2A影像可以得到高达89.1%的制图精度和92.1%的用户精度;添加油菜最佳纹理特征后,多时相Sentinel-2A数据的制图精度与用户精度分别提高了2.9%和2.5%,仅比SPOT-7影像的识别精度低了1.7%和2.1%,2种数据的油菜提取精度差异进一步减小;Sentinel-2A与SPOT-7数据油菜最优分类结果对比后,一致性精度和Kappa系数分别为93.3%和0.89。[结论]多时相Sentinel-2A数据可以很好地识别种植结构复杂地区的油菜,加入最佳纹理信息能够提高油菜的识别精度;Sentinel-2A可以广泛应用于小尺度区域作物分布信息的快速提取。     

基于定量化遥感数据的土地利用变化自动监测

针对当前土地利用变化遥感监测主要依赖于人工交互解译,存在成本高和耗时久的问题,在多时相遥感数据定量化处理基础上,设计了一种土地利用变化自动监测方法。试验区两景Landsat 8数据处理结果显示,该方法可自动提取两景影像间的土地利用变化信息,提取结果的精度较好。     

基于TM影像和DEM的佳县水土流失强度监测方法的研究

以陕西省佳县为例,从遥感信息入手,以TM影像为主要信息源,并结合土地利用数据和DEM高程数据,探讨了如何通过遥感和GIS技术利用植被覆盖度、地形坡度、土地利用类型等因子快速、准确地提取水土流失信息。这一研究不仅能为水土流失调查、监测提供重要的信息源,而且为水土保持研究提供可靠的依据。     

川西高原多时相干涉雷达土地覆盖分类研究

获取了川西高原区多时相Sentinel-1星载合成孔径雷达(SAR)影像,引入了地形辐射校正技术,发展了一种阴影双视向补偿算法,综合分析后向散射系数、纹理特征、相干系数、数字高程的统计特征,采用支持向量机进行了土地覆盖分类.结果表明,对地形起伏大的高原山区,该方法能够有效提取常绿针叶林、混交林、灌木林、天然草地、水体等地物信息,分类总精度为83.62%.     

基于Sentinel-2A NDVI时间序列数据的冬小麦识别

鉴于农作物类型识别中存在严重的"异物同谱"效应,基于归一化植被指数(normalized difference vegetation index,简称NDVI)时间序列数据及物候特征的农作物遥感识别已成为热点。针对现阶段NDVI时间序列数据空间分辨率普遍较低的问题,以河北省辛集市为研究区,基于Sentinel-2A数据构建了10 m高空间分辨率NDVI时间序列,并提出了积分法、斜率法和决策树法3种冬小麦识别模型,同时与传统的光谱角质图(spectral angle mapper,简称SAM)法进行了比较。结果表明,以上方法均达到了较好的识别效果,其中积分法、斜率法和决策树法的总体精度均优于97.6%,而SAM法因仅仅考虑了时间序列曲线的形态,使得稀疏林地与冬小麦之间容易误分;Sentinel-2A卫星(Sentinel-2星座重访周期为5 d)提供的高时空分辨率时间序列数据,在农作物的季相节律特征提取以及农作物的识别中具有巨大潜力。     

Sentinel-2A多特征变量反演针叶林地上生物量能力评估

  目的  森林生物量是衡量森林碳储量的关键因子，准确估算生物量对掌握森林现状和森林资源合理利用具有重要意义。欧空局发射Sentinel-2A数据因其丰富的光谱信息和较高的空间分辨率为生物量的反演和监测提供了新的机会。本文旨在评估基于Sentinel-2A的各类特征变量反演针叶林地上生物量的能力以及完成区域尺度的针叶林地上生物量定量估测。  方法  试验以内蒙古赤峰市喀喇沁旗旺业甸林场针叶林为研究对象，以Sentinel-2A为主要数据源，提取了10个波段反射率、20个植被指数和5个生物物理参数共3种类型变量，分别建立基于光谱反射率、植被指数、生物物理参数，以及融合3类变量的多元逐步回归生物量估算模型，同时每组均加入高程因子分析地形对估算精度的影响。  结果  （1）基于多种类型参数建立的模型估算效果最好，模型决定系数达到0.765，均方根误差为39.49 t/hm2；（2）在3组单类型变量模型中，基于植被指数的预测结果最好，说明相比于波段反射率和生物物理参数，植被指数对针叶林地上生物量的估算贡献更大；（3）无论基于何种类型参数建模，高程信息的加入都会提高针叶林地上生物量的估算精度。  结论  基于Sentinel-2A植被指数与地形特征的针叶林地上生物量反演模型较好，可用于区域生物量估算。该研究对区域性森林资源监测的实际应用具有指导意义。