基于多光谱影像和专家决策法的作物分类研究

[目的]探讨基于多光谱影像和专家决策法的作物分类,验证利用单时相多光谱影像区分农作物的可行性。[方法]以呼伦贝尔地区典型农业种植区为研究区,根据野外实测光谱数据,寻找区分研究区主要作物大麦、小麦、油菜的最佳时间,根据作物波谱特征,采用决策树方法,结合光谱角度制图（SAM）等光谱匹配方法,开展了作物分类研究。[结果]利用8月上旬获取的LandsatTM影像,在对影像进行几何校正、大气校正的基础上,构建决策树,成功提取了小麦、大麦、油菜、种植草场的种植信息,分类总体精度达到86.90%,Kap-pa系数达到0.831 1。[结论]以典型时相的多光谱影像为数据源,应用决策树方法提取作物类型信息,具有较好的应用前景。     

基于Softmax分类器的小春作物种植空间信息提取

[目的]使用浅层机器学习分类方法和多光谱遥感影像快速准确提取研究区小春作物(油菜、小麦)种植空间信息。[方法]选择研究区小春作物识别最佳时期的Sentinel 2A MSI多光谱影像,融合得到10 m分辨率影像,然后降尺度生成15、20、30 m分辨率影像,结合地面调查数据,建立油菜、小麦、林地、居民地、水体等典型地物感兴趣区,训练Softmax分类器,基于不同空间分辨率影像提取油菜、小麦种植空间信息。[结果]①基于Softmax分类器和10 m分辨率融合影像的小春作物分类总体精度为90.02%,Kappa系数为0.8344,其中油菜生产者精度和用户精度分别为93.14%、91.42%,小麦的分别为87.93%,98.09%;②Softmax法的小春作物分类精度随影像空间分辨率下降而降低,15、20、30 m分辨率影像的分类精度较10 m的分别下降9.80%、12.04%和13.04%,Kappa系数依次减少0.1538,0.1873和0.2088;③15、20、30 m分辨率影像的油菜分类精度较小麦的低,影响因素为油菜花期和种植地块破碎分散。[结论]Softmax分类器在10～30 m中高分辨率影像小春作物分类中具备较高的精度,可作为常规方法应用于业务化的作物监测工作。     

遥感在作物分类中的应用

在提取作物种植分类信息方面,多时相和多光谱特征信息综合应用十分重要。环境与灾害监测预报小卫星影像具有较高的时间、空间分辨率,采用时间序列分析的方法提取作物种植分类信息优势显著。本研究以宁夏平罗地区作物为研究对象,利用HJ-CCD数据提取主要农作物分类信息,采用非监督分类、最大似然分类、决策树分类3种算法挖掘数据。研究表明,通过构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,能够有效进行农作物分类。     

基于多时相Sentinel-2遥感影像的江汉平原夏收作物提取方法

以江汉平原潜江市为研究区,选取2017年9月至2018年7月期间12幅Sentinel-2多光谱(MSI)影像,通过分析研究区夏收作物不同生长期的光谱特征和归一化植被指数的时序变化,利用决策树算法提取2017—2018年夏收作物种植面积;将提取结果与最佳时相的多光谱数据面向对象、随机森林算法的提取结果进行对比试验,利用实测数据计算混淆矩阵评价分类精度.结果表明,基于Sentinel-2时序NDVI的面向对象决策树方法的提取精度最高,总体精度为96.47%,Kappa系数为0.951 8.基于Sentinel-2的面向对象决策树分类能够准确而有效地提取研究区农作物种植面积,并直观地反映作物的空间分布格局,为江汉平原地区调整作物种植结构提供依据,也为其他区域精细尺度作物的提取提供参考和借鉴.     

基于多时相GF-1遥感影像的作物分类提取

为了提高遥感影像数据对作物分类提取的精度,更多地反映作物的空间分布结构和物候差异,以黑龙江农垦赵光农场为研究对象,提出一种基于分区与决策树分层分类相结合的作物遥感分类方法,利用2014年高分一号卫星(GF-1)WFV遥感影像数据(4景)开展主要作物的识别分类提取。首先,结合实地调查与影像光谱特征信息的总体分布,将研究区分割成3个子区域(西南区、北部区和东南区);其次,基于多时相遥感影像序列,分析主要作物的反射光谱和植被指数的时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了赵光农场主要作物的空间种植信息。结果表明,2种分类方法的精度都很高,总体精度均在97.00%以上,Kappa系数均在0.900 0以上。分区分类更优于整幅图像非分区分类,总体精度达到98.10%,Kappa系数达到0.960 7;非分区分类总体精度为97.50%,Kappa系数为0.948 3。研究表明,基于分区与决策树分类法相结合的作物分类结果精度,明显优于不使用分区分类的结果。由分区与决策树分层相结合的分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。     

基于多时相影像植被指数变化特征的作物遥感分类

高分一号GF1/WFV遥感影像具有较高的时间和空间分辨率,利用多时相影像开展农作物分类调查具有明显优势。以安徽省颍上县为研究区域,利用2017年5月至9月共6景多时相GF-1/WFV卫星遥感影像数据对主要农作物的分类识别提取。首先,通过分析研究区主要农作物的典型植被指数NDVI、EVI和WDRVI时序变化特征,明析了不同作物在各时相对不同VI的响应特征;其次,基于作物在不同时相的敏感VI变化响应,构建了决策树分层分类模型,成功提取了研究区玉米、水稻、大豆和甘薯四种主要作物种植空间分布情况。结果表明:总体精度达到90.9%,Kappa系数为0.895。同时,采用最大似然法、支持向量机对研究区作物进行分类,通过分类效果对比发现,最大似然法最差,支持向量机次之,决策树分类方法最佳。研究表明:利用多时相时间序列的遥感影像数据,结合作物植被指数特征,采用决策树分类方法可以有效提高作物分类的精度。     

基于资源三号卫星遥感影像的山区套种烟草面积估测

[目的]针对传统实地测量难以实现山区大面积套种烟草面积监控的问题,研究一种快捷、高精度的估测途径。[方法]利用ENVI5.1软件处理资源三号卫星2.1 m全色影像和5.8 m多光谱影像,导入1∶1万DEM数据进行正射校正以纠正地形起伏引起影像上的误差。野外获得具有代表性的地面控制点(GCP),利用面向对象分类方法,对影像进行智能化的分割和合并,以GCP的光谱、纹理和形状属性创建规则,进而提取烟草面积。[结果]经过分类后处理提取的研究区烟草面积为14 088.46 hm2,分类精度达到94.63%。[结论]面向对象分类方法提取遥感影像信息的实用性较高。     

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。     

基于GF-1与Landsat8 OLI影像的作物种植结构提取——以新疆阿克苏地区为例

作物种植结构监测和估产是精准农业遥感应用的重点领域,其研究对于指导作物种植结构和制定农业政策具有重要意义。本文以新疆阿克苏地区为研究区,以2016年多时相Landsat8 OLI和GF-1影像为数据源,基于物候信息、时相特征、积温和光谱特征确定农作物识别关键时期和特征参数,构建决策树分类模型,开展作物种植结构监测研究。结果表明:多源与多时相遥感数据可以反映不同农作物的季相特征,研究中所构建的决策树分类模型能够在大区域范围内高精度地实现作物分类,总体精度达83%,Kappa系数为0.77。与统计数据对比,棉花面积精度在85%以上,玉米为81%,小麦为80%以上,水稻达80%以上。因此,利用Landsat 8和GF-1影像在大区域提取农作种植结构是可行的,为今后遥感在农业上的应用提供一个广阔前景。     

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。     

浙江省麦田和油菜田杂草发生种类及危害

１９８６～１９８８年在浙江省嘉兴、杭州、金华和温州４个农区,对大小麦和油菜田杂草发生种类和危害程度开展全面系统调查,涉及６个市、２３个县（市）和１个大型农场,计７０００多块样田,取样面积约６６７ｈｍ＾２。调查结果,浙江省大小麦和油菜田共有杂草５０科２７７种,杂草群落结构复杂,危害程度较高,杂草群落组成与地域、地势、土质、前茬作物及耕作习惯等有关。最后提出大小麦和油菜田杂草防除对策和措施,并附浙江省大小麦和油菜田杂草名录。     

多时相高分一号影像在丘陵地区大宗农作物提取中的应用

【目的】基于多时相的高分一号(GF-1)影像,利用面向地块对象分类法提取广西崇左市江州区大宗农作物种植面积,为南方多云雨丘陵地区提取作物信息提供参考。【方法】以2 m分辨率的GF-1影像为数据源,采用人机交互的方式准确识别地表覆盖的地块信息,基于对多时相GF-1影像进行云影检测,并处理生成影像的光谱、归一化植被指数(NDVI)、亮度等特征,采用面向地块对象的分类方法提取甘蔗、水稻和香蕉的作物信息。【结果】根据混淆矩阵评价分类的结果可知,提取大宗农作物的总体精度为90.08%,Kappa系数达0.85,满足农业成果应用的精度要求。【结论】利用有效影像数据,结合地块数据完成作物信息提取,该技术方法能够准确提取丘陵地区大宗农作物信息,为解决南方多云雨丘陵地区提取作物信息难题提供了有效途径。     

玉溪地区前茬作物对烤烟产质量的影响及施肥改进措施

[目的]为玉溪烟区生态优质烟叶生产提供理论指导。[方法]依据不同小生态气候,选择玉溪有代表性的前茬轮作烟区,通过1年田间试验研究了小麦、油菜、豌豆、绿肥、叶菜类蔬菜、休闲对照等6类前茬对烤烟产质量、土壤养分变化的影响及施肥改进措施。[结果]对于叶菜类前茬,烤烟栽前土壤速效氮相比休闲对照显著增加,绿肥和叶菜类前茬处理烤烟长势强,后期落黄较慢,烟叶产量显著高于对照,但品质差,均价偏低;而对于小麦、油菜和豌豆前茬,烤烟栽前土壤速效氮和休闲对照相比无差异,烟叶品质、产值略高于对照。对于绿肥、叶菜类前茬,适当降低氮肥可增加钾肥供应,烟叶品质明显提升;对于小麦、油菜和豌豆前茬,保持烤烟施肥总量不变,适当减少基肥用量增加追肥用量,烟叶产质量显著高于休闲对照。[结论]烤烟施肥量和方法应根据不同的前茬作物而适当地调整,以实现烟叶生产的稳产提质,持续发展。     

河北省冬麦北移DSS研究(英文)

[目的]研究河北省冬麦北移决策支持系统(Decision Support System for "Northing of Winter Wheat" in Hebei,DSSNWWH ) ,为提高农业系统决策的科学性和信息化程度提供方法。[方法]介绍了河北省冬麦北移决策支持系统的功能、开发流程、运行向导以及输入输出方式,并对该系统的相关预测结果进行了实际验证。[结果]该研究建立的决策支持系统可以在以往气象数据或当地气象预报的基础上,对某一冬小麦品种在河北省北部某一地区能否安全越冬及其生长发育状况进行预测,并给出相应的栽培管理措施,用户可根据预测结果来判断该品种在这一地区能否种植[结论]该研究建立的DSSNWWH可有效地辅助决策者进行决策,为冬小麦的北移提供科学的指导。     

鄂西山区日本落叶松人工林立地分类及质量评价

[目的]对鄂西山区日本落叶松人工林进行立地分类和质量评价.[方法]以鄂西山区日本落叶松人工林为研究对象,选取143块有代表性的日本落叶松标准地,利用数量化理论I方法对该区日本落叶松人工林进行了立地分类与质量评价研究.[结果]在选取的5个立地因子中,土层厚度、坡向、海拔是影响日本落叶松生长发育的主导立地因子;依据该3个立地因子,构建了鄂西山区日本落叶松人工林立地类型,共划分为16类;16类立地类型按照立地质量得分情况共划分为优、良、中、差4个等级,研究区整体立地质量处于中等水平以上.[结论]立地分类与质量评价结果可为研究区日本落叶松人工林的科学营造及可持续经营提供参考.     

我国干旱地区区域间虚拟水贸易策略研究

[目的]对我国干旱地区区域间虚拟水贸易策略进行研究。[方法]以与水资源关系最为密切的粮食生产为例,运用机会成本和比较优势理论,将水资源纳入经济增长、粮食安全、提高人民福利等一系列国家宏观目标下构建模型,对虚拟水贸易策略的有效性分析验证,并提出我国干旱区域实行虚拟水贸易的相关建议。[结果]水资源短缺的地区可通过实施虚拟水战略生产需水量较低的产品,并与水资源丰富地区交换水资源密集型产品而获益,但前提是水资源丰富地区水资源密集型产品的生产技术较缺水地区更高,这样该地区才有足够的驱动力参与到水资源短缺地区的虚拟水战略中,从而通过贸易的方式提高彼此收益,缓解水资源短缺地区的水资源短缺以及生态破坏等问题,促进其经济协调发展。[结论]该研究为解决我国干旱地区的水资源短缺问题提供了科学依据。     

结合地理信息的洞庭湖湿地分类方法研究

湿地遥感影像分类是遥感研究的一大难题。利用洞庭湖TM数据,并辅助地面GIS信息,通过专家分类知识库建立决策树分类方法,结合研究区的DEM进行洞庭湖湿地的影像分类,通过决策树层次实现了包括水体、泥沙滩地、防护林滩地、湖草、芦苇滩地和苔草滩地以及其他水体7种湿地类型的分类。其中,决策树分类总体精度80.29%,总体Kappa系数为0.883 9,分类精度相对于传统手段要高,证明基于该方法得到的数据准确度能够满足实际工作的需要;另外,基于知识分类的影像分类结果能够较好地解决一些错分的现象,针对湿地而言,混分现象最严重的泥滩地,在传统分类中大量地被分为了建筑用地或者裸地,同时草滩地与林地的混分在基于知识分类的影像中边界也较明显。相比传统分类方法,决策树分类以规则为基础,可以同时利用多个条件进行分类,减少了数据处理时间,同时还提高了分类精度,最终得到试验区较为可靠的遥感分类图像。