基于SPOT高分辨率遥感数据的农作物估产方法研究

[目的]为了达到基于SPOT高分辨率遥感数据的农作物估产方法研究的目的。[方法]以邢台市为例,利用SPOT-5卫星2.5 m分辨率全色影像与10 m分辨率多光谱影像的融合得到高分辨率多光谱影像,以此对农作物估产方法进行研究。[结果]结果表明,基于SPOT高分辨率遥感数据的农作物估产结果与地面实测结果相比,其检验结果可信。[结论]该研究为农作物遥感估产的实践应用提供了参考依据。     

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.     

基于Landsat 8 OLI辅助的亚米级遥感影像树种识别

为研究高空间分辨率遥感影像与多光谱遥感影像协同进行面向对象树种识别的有效性,本研究以QuickBird高空间分辨率(全色0.61 m)和Landsat 8 OLI(30 m)遥感影像为基础数据,在分类的过程中采用2种分割方案(有Landsat 8 OLI遥感影像辅助的QuickBird遥感影像分割和无Landsat 8 OLI遥感影像辅助的QuickBird遥感影像分割)进行多尺度分割,对2种分割方案进行比较。基于QuickBird遥感影像和Landsat 8 OLI遥感影像提取光谱、纹理、空间3方面68种分类特征,应用最邻近分类法和支持向量机分类方法进行面向对象树种分类,采用相同的分类系统、统一的分割尺度以及同一套验证样本,利用Kappa系数、总精度、生产者精度和用户精度4个评价指标进行精度评价。结果表明:单独使用QuickBird高空间分辨率遥感影像的分割结果优于QuickBird高空间分辨率遥感影像与Landsat 8 OLI遥感影像协同分割的结果,最优分割阈值与合并阈值分别为25和90。在最优分割结果的基础上,多光谱Landsat 8 OLI遥感影像与QuickBird高空间分辨率遥感影像协同进行面向对象分类,最邻近分类法和支持向量机分类方法的分类总精度分别为85.35%(Kappa=0.701 3)和88.12%(Kappa=0.853 6);单独使用QuickBird高空间分辨率遥感影像进行面向对象分类,2种方法的分类总精度分别为79.67%(Kappa=0.693 9)和83.33%(Kappa=0.792 5)。QuickBird遥感影像在Landsat 8 OLI遥感影像辅助下,分类结果的地物边界更加清晰,总体精度及主要树种识别精度均得到了提高。研究成果应用在实地森林调查与区划时可有效缩短调査时间、减少调查成本、降低劳动强度、提高成果质量。      

一种自适应IHS的遥感数据融合方法研究

针对传统IHS变换融合算法存在光谱扭曲、仅适用于多光谱影像3个波段的处理等问题,提出了一种自适应的IHS变换融合算法。并以SPOT Pan(全色波段)和Landsat-TM321多光谱图像、worldview-2(全色与多光谱)、Quick Bird(全色与多光谱)3组遥感影像数据为基础,采用传统IHS和自适应IHS变换融合算法分别对3组试验结果进行定性和定量评价。结果表明,自适应IHS方法优于传统的IHS变换融合方法,在定性方面自适应IHS可得到较佳空间分辨率和光谱分辨率,在定量方面自适应IHS方法各项定量指标均优于传统IHS方法。     

QuickBird影像在城市土地利用现状调查中的应用研究

以QuickBird卫星影像作为主要数据源,采用主成分分析法对全色和多光谱图像进行融合,并与其它辅助信息进行综合分析,通过室内遥感目视解译,结合野外实地调查验证,对天津市塘沽区土地利用现状进行了遥感调查。研究表明:QuickBird提供的高分辨率卫星图像可以满足制作大比例尺城市土地利用现状图的要求,图像融合可以充分利用全色图像的高空间分辨率和多光谱图像的高光谱分辨率,提高了目视解译的精度。     

森林植被遥感监测影像最佳分辨率选择

遥感影像分辨率的高低直接影响着森林植被监测的精度、成本和效率,故选择适合森林植被监测的影像最佳分辨率具有重要的应用价值。针对森林植被监测影像最佳分辨率选择方法及结果缺乏的问题,从林业实际应用出发,提出了基于1个步长的变异函数分析空间变异并综合考虑监测精度、成本和效率来确定森林植被监测影像最佳分辨率方法。基于最新的国产高分二号（GF-2）全色影像,利用1个步长的变异函数对湖南常宁洋泉镇林区3种典型分布类型森林植被进行拟合分析,初步确定适合森林植被监测的影像最低分辨率。然后对重采样形成的不同尺度多光谱影像分别进行监督分类,并对结果进行定量定性分析,结合影像成本和数据处理时间,找到适合不同类型森林植被监测的影像最佳分辨率。研究表明:不同分布类型的森林植被,适合遥感监测的影像最佳分辨率不同:①小冠幅森林植被3.2 m;②大冠幅森林植被16.0 m;③混合冠幅森林植被8.0 m。该森林植被遥感监测影像最佳分辨率确定方法和结果可为其他区域森林植被遥感监测影像最佳分辨率确定提供借鉴。     

基于面向对象的QUICKBIRD数据和SAR数据融合的地物分类

为了实现精确植被类型信息提取,以福建省三明市将乐林场Quickbird影像和Radarsat-2全极化影像作为基础数据,探讨高空间分辨率光学遥感影像与SAR(合成孔径雷达)全极化影像融合进行地表覆盖及森林类型识别的可行性。采用面向对象多尺度分割方法对Quickbird全色与多光谱的融合影像进行处理,SAR影像采用Gram-Schmidt融合方法处理,运用处理的Quickbird与SAR的融合影像,分类提取植被的光谱、纹理和几何特征信息,建立类层次结构,并对分类结果进行比较分析。结果表明:基于对象与知识的方法对高空间分辨率影像分类取得了较好的分类效果,多源遥感数据分类的总体精度为0.903。     

基于多进制小波的森林遥感影像融合

为监测森林资源动态变化信息,探讨了基于多进制小波变换与RGB特征融合相结合的遥感影像融合方法。在融合过程中,首先对高分辨率全色影像和多光谱影像进行M进制小波分解,再将高分辨率影像的高频分量分别与多光谱影像的R、G、B波段高频分量以区域能量为融合准则进行特征融合,形成新的高频分量;然后与多光谱影像的低频分量进行多进制小波逆变换,最后经RGB合成为彩色影像。结果表明,该方法既改善了影像的清晰度和分辨率,同时也保留了原影像的光谱信息,利用融合后的影像进行森林资源动态监测,效果明显提高。     

水体叶绿素遥感反演中的多尺度分析

水体遥感影像提取污染物信息普遍存在着尺度效应问题,选择合适的空间分辨率影像能够准确地表征水域污染的空间分布状况.充分利用水体空间尺度信息,研究水色遥感的尺度问题,有利于提升湖泊水体遥感反演模型的应用能力.以巢湖水域HJ-lA卫星HSI高光谱和CCD多光谱遥感数据为例,以Matlab为平台,采用基于离散小波多尺度变换分析方法,生成多光谱尺度和空间尺度影像,然后利用水体污染物的定量遥感反演方法,获取湖面水体叶绿素多尺度空间分布浓度,并利用水面同步实测数据对反演结果进行验证.通过结果比较,确定100 m分辨率的HSI高光谱数据为较优分析空间尺度.     

SPOT-5影像分析的三种融合方法比较——以洪雅县柳江镇退耕还林工程监测为例

以洪雅县柳江镇为试验区,选用SPOT-5全色影像和多光谱影像为材料,采用PCA、Brovey以及IHS变换融合方法,对SPOT-5全色与多光谱图像进行融合处理,为退耕还林工程面积监测奠定基础。通过对各融合结果图像进行主观和客观的综合评价,得到评价结果:Brovey变换融合方法得到的结果图像在其空间质量和光谱质量综合表现的最好,适宜于低山丘陵区的遥感监测使用。     

面向耕地的高分一号卫星遥感影像融合方法研究

选择国产高分一号(GF-1)卫星2 m全色/8 m多光谱影像,对增强耕地信息的遥感影像融合方法进行了研究,研究所选择的融合方法包括Subtractive法、Brovey变换法、MHIS法、HCS法和Gram-Schmidt法,并从主观和客观方面对融合影像质量进行了评价,基于融合影像对研究区耕地信息的增强进行了分析。结果表明,面向耕地信息时,MHIS法融合影像最好。     

辉腾锡勒风电场草地生态系统健康评价

风能作为清洁的可再生能源,可以减少对化石燃料的依赖,因而近年来发展迅速。但风电设施在安装和运行过程中,评价其对环境产生的影响却尚未得到足够的重视。以1995、1999、2005、2010、2015年TM影像作为研究的基础数据源,采用GIS和RS技术,提取辉腾锡勒风电场草地5个时期的土地利用空间格局和指标信息,运用PSR框架模型,从压力、状态、响应3个方面选取10个评价指标构建辉腾锡勒风电场草地生态系统健康评价指标体系,采用AHP法确定各指标的权重,最后利用综合指数法(CEI)对研究区生态系统健康进行时空动态评价。结果表明,1995、1999、2005年生态系统健康指数为0.788 9、0.730 2、0.634 9,辉腾锡勒风电场草地生态系统状态为健康;2010、2015年生态系统健康指数为0.424 7、0.401 3,辉腾锡勒风电场草地生态系统状态处于亚健康状态。选取灰色系统理论预测模型为理论基础,建立辉腾锡勒风电场草地生态系统健康预测模型GM(1,1),经过对模型的精度检验,预测模型精度较为理想,因此采用GM(1,1)模型对研究区进行生态系统健康进行预测,结果表明,未来20a辉腾锡勒风电场草地生态系统健康指数分别为0.304 6、0.242 0、0.193 7、0.155 0,生态系统健康状况由一般病态向病态发展,应及时采取措施对研究区生态系统进行保护。     

基于Landsat 7 ETM+影像的大庆地区林带遥感调查

利用遥感和GIS技术，采用美国最新的Landsat 7 ETM 影像的15m全色波段和30m多光谱波段影像，对犬庆地区的防护林地进行遥感调查。通过图像处理与分析得到了最佳的用于解译的影像，在野外调查的基础上，建立了林地的解译标志，量算了防护林带的宽度，查清了防护林的类型及实际面积，为防护林的建设与管理提供了第一手资料。     

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。     

基于Titan Image软件的QuickBird影像融合

基于北京东方泰坦科技股份有限公司研发具有完全自主知识产权的Titan Image7.0遥感图像处理软件平台,对QuickBird标准组合(全色0.61 m+多光谱2.44m)影像进行像素级融合,探讨Titan Image7.0遥感图像处理平台在影像融合及评价方面的应用.结果表明:该软件以友好的全中文界面,在同一平台上以简单的操作过程即可完成影像的融合过程与质量评价指标的求算,不仅有效的避免了跨平台、语言差异等因素带来的操作不便与信息损失,而且丰富的融合算法和质量评价指标,可以完成多种影像数据的融合和质量评价;从QuickBird影像融合与质量评价结果来看,参与融合的4种算法中以Pansharp融合算法最好,其次为小波变换算法,IHS算法、PCA算法融合效果最差,这与前人的研究结果基本一致.因此,可以认为Titan Image7.0软件是一种非常好的遥感影像融合平台.     

基于小波融合的泉州市QuickBird影像绿地信息提取

以2006年泉州市部分QuickBird多光谱影像与全色影像为实验区数据基础，在遥感软件ERDASIMAGINE9．2平台支持下，应用小波融合算法及融合规则实现QuickBird融合处理，在此基础上进行归一化植被指数（NDVI）运算，通过人机交互式提取得到实验区5种主要的绿地类型：公园绿地、生产绿地、防护绿地、附属绿地及其他绿地．结果表明：1）QuickBird多光谱影像、全色影像的信息熵分别为3．975，4．162，而QuickBird融合影像的信息熵为7．251，明显高于前两者，融合后空间信息更丰富；2）QuickBird融合影像的平均梯度是3．328，多光谱影像、全色影像分别是1．552，2．965，融合影像纹理特征更明显；3）QuickBird融合影像与多光谱影像的偏差是0．0359，全色影像的偏差为0．0562，均接近于0，小波融合影像较好地保持了源图像的光谱特性；4）绿地信息分类提取的精度为89．6％，趋近90％．     

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。     

遥感监测适用性分析

【目的】验证GF-1 WFV(16 m分辨率)在不食草马先蒿遥感监测的适用性,了解巴音布鲁克草原不食草马先蒿的分布。【方法】利用校正后的GF-1 WFV遥感卫星影像,结合实测光谱数据,采用目视解译结合监督分类的方法,对研究区的不食草马先蒿进行识别,验证其分类精度,并对研究区马先蒿的分类精度和分布情况进行分析。【结果】影像解译整体精度为80.91%,Kappa系数为0.71,分类结果较好;得到了巴音布鲁克草原不食草马先蒿分布范围和影响分类精度的主要原因。【结论】利用16 m分辨率GF-1 WFV多光谱遥感数据对巴音布鲁克草原不食草马先蒿进行遥感监测是可行的。通过对研究区遥感解译的分类结果和实地踏查发现,不食草马先蒿危害面积较大,且多为连片分布、顺河流分布;危害较为严重的区域为巴音布鲁克总场巴音布鲁克分场、巴音郭楞乡哈尔萨拉村、巴音布鲁克镇巴西里克村。     

基于Quickbird影像的土地利用调查研究

以广西天峨县龙滩电站淹没区及周边区域为研究对象,应用IHS变换、主成分变换和Brovey变换等3种影像融合方法对Quickbird多光谱和全色遥感影像进行融合,并利用目视评价和偏差指数等指标对融合效果进行定量评价;利用融合后的高分辨率影像对研究对象的遥感调查进行了处理和研究.结果表明:主成分变换法的融合效果最佳;用材林、经济林和水田分别占被淹没土地总面积的40.53%、18.35%和18.50%,是主要土地类型.     

国产高分系列遥感卫星影像的批量自动配准研究

【目的 】遥感影像的精确几何配准对于国产高分系列卫星影像处理以及后续的农情监测等应用至关重要。【方法 】文章基于自动配准和正射校正程序包AROP,选择16 m分辨率的高分1号、高分6号宽幅影像和3 m分辨率高分2号、高分7号多光谱影像作为实验数据,以经过几何精校正的10 m分辨率的Sentinel-2影像和3 m分辨率的谷歌影像为基准影像,在农业用地场景和城市用地场景下,进行批量的几何配准实验,对配准的结果进行目视检验和定量评价。同时,为了更好地匹配高分影像与Sentinel-2影像,将高分1号、高分6号宽幅数据重采样到15 m的分辨率进行几何配准。【结果 】在农业用地和城市用地场景下,配准精度大多达到了0.5个像元以内,满足了影像配准的精度标准。其中15 m分辨率的高分1号和高分6号的配准精度分别为0.31～0.54和0.33～0.53,均小于0.6个像元;3 m分辨率的高分2号的配准精度在0.47～0.6之间,小于0.6个像元;高分7号的配准精度在0.44～0.49之间,小于0.5个像元,而且所有高分系列遥感卫星在配准后均目视效果出色,接边良好。【结论 】利用AROP对15 m分辨...