多时相MODIS影像的浙江省水稻种植面积信息提取方法研究

    为准确获取水稻种植面积,以浙江省为研究区,利用8 d合成MODIS陆地表面反射率数据的特点和水稻典型物候特征,选取水稻种植前的休耕期、秧苗移栽期、生长期和成熟期等多时像MODIS地表反射率影像数据,通过归一化植被指数、增强植被指数及利用对土壤湿度和植被水分含量较为敏感的短波红外波段计算得到的陆地表面水指数进行水稻种植面积信息获取,将提取结果同现状水田与MODIS影像共同提取的数据以及浙江省统计年鉴数据进行对比分析.结果表明,利用MODIS影像的8 d合成地表反射率数据进行平原区域水稻种植面积提取,精度可达90%以上.因此,采用MODIS影像数据进行平原区域水稻遥感监测可以为政府决策部门提供信息服务.     

基于中巴资源卫星数据的水稻种植面积监测——以梁平县为例

以Landsat TM影像数据为参照标准, 中巴卫星CBRES CCD影像为基础数据, 并结合土地利用现状图与实地考查资料, 综合应用了RS和GIS技术手段, 对重庆市梁平县进行地物分类和水稻种植面积提取, 获得的研究区水稻种植信息与TM数据提取的结果相比较, 精度达到92.37%. 通过试验研究得到以下初步结论: (1) 利用CBRES-02 CCD数据提取研究区的水稻种植面积可以得到比较满意的效果. (2) 水稻识别精度受到海拔高度与地形因素的影响, 海拔越低, 地势越平坦, 水稻分布越集中, 水稻识别精度越高; 海拔越高, 地形条件越复杂, 地块越破碎, 水稻识别的精度越低.     

基于TM数据的MODIS雪盖产品精度分析

采用玛纳斯河流域2003年1月1日EOS/MODIS八日合成的雪盖数据和2003年1月4日TM雪盖图进行对比分析,通过TM数据的验证,MOD10A2的精度为95%,精度较高,MOD10A2对积雪进行监测可有效降低云层对遥感影像的影响,在一段时间内可有效对地面实施监测。     

不同遥感数据融合方法在南方水稻面积监测中的应用研究

在南方水稻遥感监测中,单一传感器影像数据已不能满足监测精度的要求,需要将高空间分辨率全色影像与中高空间分辨率多光谱影像进行融合,得到新的高空间分辨率多光谱影像,有利于改善影像识别与分类精度.该文利用江苏省金湖地区HJ-1A卫星30m分辨率多波段影像与ALOS卫星2.5m分辨率全色影像进行水稻监测,采用4种融合方法(Brovey变换、IHS变换、高通滤波和小波变换)对2种影像进行融合处理.随后对各种融合影像结果进行了目视定性和融合评价指标定量说明与评价,结果表明小波变换在空间与光谱信息上具有最佳的融合效果.进一步利用小波变换的融合影像进行水稻识别与面积提取,统计表明融合影像相比HJ-1A多光谱影像,水稻面积估测精度从79.26%提高到91.65%.因此,利用多源遥感数据融合的方法对南方水稻面积进行监测,可显著提高其监测精度.     

水稻叶面积指数遥感反演方法对比分析

利用环境星HJ-CCD影像与同步获取的LAI实测数据生成江苏省江淮之间西部和里下河地区水稻的30 m HJ/LAI,对MODIS/LAI数据产品和利用MODIS数据与4尺度几何光学模型反演的LAI数据集进行质量评价,结果表明,不同植被指数与研究区水稻LAI的相关性差别很大,其中GNDVI与水稻LAI的相关性最好,R2为0.72,估算精度达70.89%,而RMSE仅为1.38,适于该区水稻LAI的遥感估算;研究区MODIS/LAI和基于4尺度几何光学模型反演的LAI与HJ/LAI的变化趋势较为一致,均呈现出西南和东北部LAI值较低、北部和中部LAI值较高的特征,但MODIS/LAI和基于4尺度几何光学模型反演的LAI不仅变化范围较小,而且偏低明显,MODIS/LAI的低估现象更为严重;在1 km尺度上,MODIS/LAI和基于4尺度几何光学模型反演的LAI的精度分别为60.21%和66.56%,与HJ/LAI比较的R2分别为0.09和0.28(N=2 585),在0.01水平上显著相关。     

SAR数据与光学数据融合在土地覆盖分类中的应用研究

采用ALOS-1-PALSAR数据的强度信息、HV/HH极化比值信息和HVHH相干系数与TM影像融合,以支持向量机(SVM)的方法对土地覆盖进行分类,对比了TM影像、TM+SAR强度影像、TM+HV/HH比值影像、TM+相干影像的分类结果。结果表明:分类精度由高到依次为TM+相干影像TM+HV/HH比值影像TM+SAR强度影像TM影像;采用SAR数据与光学数据融合,可以在不同程度上提高土地利用覆盖分类的精度。     

绿地信息遥感提取方法分析——以芜湖市为例

以芜湖市为例,选用2007年成像的TM影像数据,采用阈值分类与整体—局部多尺度迭代模型相结合的方法,对该地区绿地信息进行提取,并与监督分类方法、阈值分类法提取的精度进行比较。结果表明,阈值分类与整体—局部多尺度迭代模型相结合的方法明显高于监督分类法和阈值分类法,在适宜阈值取165时,其用户精度和生产精度分别达84.21%和87.89%。     

反算线性混合模型方法的应用研究

以ETM影像为基准对MODIS影像进行匹配,同时对ETM影像进行分类,结合配准后的MODIS影像和影像分类图生成丰度矩阵,再将配准后的MODIS像元反射率数据和丰度矩阵相结合解算线性混合模型,获得其端元反射率,实验实现从低空间分辨率影像提取高空间特征端元反射率,结果验证与精度评价证明了反算线性混合模型方法的科学性和可行性。     

基于遥感的西南地区水稻种植信息提取

为探索西南地区水稻种植信息的有效提取方法,以重庆市永川区朱沱镇为例,根据Sentinel-2多光谱影像,结合高分一号(GF-1)影像数据选取样本分布点,构建水稻作物信息随机森林提取模型,同时分析样本地类像元光谱曲线,构建不同地类样本影像像元光谱库,并将随机森林分类结果与传统最大似然法、光谱角及基于时差的光谱角水稻空间种植信息分类结果进行对比及精度分析。结果显示,通过光谱角分类器提取地物精度有限,结合时差特征能够明显提高目标提取精度,而基于水稻样本信息训练构建的光谱角模型提取方法获取水稻种植面积准确率高达90.62%,分类结果总体精度达91.50%,Kappa系数达到0.83,实现了对西南地块破碎地区分散作物种植信息的有效提取,可为西南地形复杂、地块破碎地区农作物信息提取提供一定参考。     

集成多源遥感数据与生育期时序光谱特征的水稻种植面积提取

为快速、有效地提取水稻空间分布信息，利用水稻生育期内的光学和雷达影像，依据水稻不同生育时期内的光谱变化规律，提出了简单实用的时序像元频率约束模型（TPFCM）。首先，采用中值合成法分别将Sentinel-2、Landsat-8和Sentinel-1合成为月度数据，将合成后的Sentinel-2和Landsat-8进行融合以减少云阴影对水稻像元的影响，并选取3种融合影像的特征光谱波段计算归一化植被指数（NDVI）、增强植被指数（EVI）和地表水分指数（LSWI），生成月度多维特征成果影像。其次，检索水稻5个生育时期的遥感影像数据，利用随机森林（RF）分类器提取各生育时期的种植面积，并输入TPFCM模型计算水稻生育期内每个水稻像元的频率，最终依据预提取精度、提取面积误差阈值条件控制模型输出最优水稻空间分布信息。结果表明，TPFCM模型输出的水稻提取面积相对误差为-3.83%，与基于RF分类器的单一生育时期的水稻提取面积相对误差相比绝对值减少了3.94百分点，且提取面积与统计参考面积相关性显著（R2=0.97）。     

Winter wheat identification by integrating spectral and temporal information derived from multi-resolution remote sensing data

Timely crop acreage and distribution information are the basic data which drive many agriculture related applications. For identifying crop types based on remote sensing, methods using only a single image type have significant limitations. Current research that integrates fine and coarser spatial resolution images, using techniques such as unmixing methods, regression models, and others, usually results in coarse resolution abundance without sufficient detail within pixels, and limited attention has been paid to the spatial relationship between the pixels from these two kinds of images. Here we propose a new solution to identify winter wheat by integrating spectral and temporal information derived from multi-resolution remote sensing data and determine the spatial distribution of sub-pixels within the coarse resolution pixels. Firstly, the membership of pixels which belong to winter wheat is calculated using a 25-m resolution resampled Landsat Thematic Mapper (TM) image based on the Bayesian equation. Then, the winter wheat abundance (acreage fraction in a pixel) is assessed by using a multiple regression model based on the unique temporal change features from moderate resolution imaging spectroradiometer (MODIS) time series data. Finally, winter wheat is identified by the proposed Abundance-Membership (AM) model based on the spatial relationship between the two types of pixels. Specifically, winter wheat is identified by comparing the spatially corresponding 10×10 membership pixels of each abundance pixel. In other words, this method takes advantage of the relative size of membership in a local space, rather than the absolute size in the entire study area. This method is tested in the major agricultural area of Yiluo Basin, China, and the results show that acreage accuracy (Aa) is 93.01% and sampling accuracy (As) is 91.40%. Confusion matrix shows that overall accuracy (OA) is 91.4% and the kappa coefficient (Kappa) is 0.755. These values are significantly improved compared to the traditional Maximum Likelihood classification (MLC) and Random Forest classification (RFC) which rely on spectral features. The results demonstrate that the identification accuracy can be improved by integrating spectral and temporal information. Since the identification of winter wheat is performed in the space corresponding to each MODIS pixel, the influence of differences of environmental conditions is greatly reduced. This advantage allows the proposed method to be effectively applied in other places.     

基于多源数据的水稻种植面积提取

引入水稻关键期提取和变化向量分析方法,以江苏省海安县水稻为研究对象,以MODIS数据和环境小卫星数据为主要数据源,分析了2009年水稻物候期内的规律,并根据该指示选择合适的中分辨率数据进行变化向量分析。研究表明,该方法可以有效地反映耕地地块内水稻像元的变化规律,且基于物候关键期内的时相选择可以提高水稻种植面积识别精度。     

利用GIS与TM数据资料集成技术估算中国南方早稻面积--以龙游县为例

提出利用 GIS与 TM数据集成技术估算中国南方丘陵山地早稻种植面积的方法 .该方法首先利用 ARC/INFO对土地利用现状图进行数字化 ,建立拓朴关系后将其转化为栅格 ,然后进行投影变换 ,使土地利用现状图、行政图、TM数据具有相同的坐标 ,最后利用土地现状图 ,提取水田分布图 ,对水田分布图进行分类估算早稻种植面积 .不同方法比较结果表明 :非监督分类法不能用于提取丘陵山区的水稻种植面积 ;只用 TM资料估算龙游县早稻面积 ,与统计数据相比 ,平行六面体分类法、最大似然分类法分别达到 82 .83 %和 59.95% ;而用 GIS与 TM数据资料集成技术对水田分布图进行分类估算早稻面积 ,平行六面体分类法、最大似然分类法的估算精度分别达到 93 .98%和 60 .65% ,所以利用平行六面体分类法对南方丘陵山地早稻种植面积估算是可行的 .     

基于时序遥感数据的玉米种植面积提取方法研究

探讨了在Landsat TM图像上进行玉米分布区域信息提取的基础上,利用MODIS数据NDVI植被指数的时间序列进行提取的方法,并以吉林省榆树市实验区为例,提取了2007年的玉米种植面积。研究结果发现,该方法提高了用单一时相landsat TM进行玉米面积识别的精度。     

土地利用动态监测中多源影像融合方法的比较研究--以陕北黄土丘陵沟壑区为例

在陕北黄土丘陵沟壑区,采用单一传感器的遥感影像提取土地利用信息,存在着识别的土地利用类别少、某些类别混分现象较严重、分类结果的精度较低等问题。以TM多光谱数据和SPOT全色光谱数据的融合为例,提出了适宜于该地区的两种影像融合方法:主成分变换法和乘积运算法,并从影像的光谱质量、纹理信息和目视效果等方面对其进行了对比与评价。结果显示,主成分变换法为较理想的融合方法。以陕北无定河流域为实验样区的土地利用自动分类结果表明,该方法的应用使土地利用各类别的提取精度都有不同程度的提高;水体、水田和城镇用地等面积较小的类别分类正确率提高达到10%以上;坡耕地与林草地的混分明显减少,分类精度均提高了5%以上;分类总精度从82.0%提高到89.2%,取得了良好的分类效果。此研究对于遥感影像融合技术的评价与应用进行了有益的探索,同时为该地区的土地利用动态监测提供了关键技术。     

基于多源遥感数据的北京城市热岛研究

首先利用MODIS数据在像元尺度上获取地表温度反演中所需大气参数一大气水分含量,再利用LandsatTM影像采用Jimenez-Munoz和Sobrino的普适性单通道算法反演地表温度,通过地面实测数据对反演结果进行验证。结果表明,利用多源遥感数据反演地表温度具有较高的精度。用该方法对北京城市热岛状况进行研究,发现北京城市热岛效应十分明显,地表植被覆盖度低是城市热岛出现的主要原因之一。     

Forest Evapotranspiration in Pearl River Delta based on Remote Sensing Technology

对珠江三角洲六类主要林分（区域）的蒸散发比进行了研究,6类林分包括桉树林、果树林、针阔混交林、灌木林、针叶、混交林、阔叶混交林。同时对基于 Priestley-Taylor扩展模型的物理机制进行分析与推理,发现可以通过 MODIS和 TM热红外数据计算的地温值来评估较大区域上的蒸散发能力,并结合2008~2009年的晴空数据进行计算分析。结果表明珠三角6类林分（区域）的蒸散发作用相当,桉树林并非耗水量最大的林种。     

基于遥感技术的珠三角6类林分的蒸散比研究

对珠江三角洲六类主要林分(区域)的蒸散发比进行了研究,6类林分包括桉树林、果树林、针阔混交林、灌木林、针叶混交林、阔叶混交林.同时对基于Priestley-Taylor扩展模型的物理机制进行分析与推理,发现可以通过MODIS和TM热红外数据计算的地温值来评估较大区域上的蒸散发能力,并结合2008-2009年的晴空数据进行计算分析.结果表明珠三角6类林分(区域)的蒸散发作用相当,桉树林并非耗水量最大的林种.     

基于环境星的混合像元分解水稻面积提取

以河南省息县水稻种植面积提取为例,选取线性光谱混合模型对环境小卫星数据进行分类,并计算出水稻种植面积,将其结果与高分辨率ALOS数据进行位置精度计算,得到平均精度达87.89%。同时,与决策树分类方法和神经元网络分类等方法进行对比,混合像元分解方法总量精度显著提高。表明针对环境小卫星的混合像元分解方法可以提高水稻种植面积的提取精度。