基于遥感数据的新疆开-孔河流域农业区种植结构提取

农作物种植结构是农作物空间格局的重要组成部分,是区域土地资源和水资源优化配置的基础。以新疆开―孔河流域农业区为研究区域,综合利用作物物候信息和2016年的MODIS NDVI时序曲线,获得不同作物生长差异明显的关键期,选择关键期的Landsat 8 OLI影像,构建主要作物提取知识规则,基于决策树方法开展农作物的分类识别。开―孔河农业区2016年主要作物种植面积为5.07×10^5hm^2,其中棉花种植面积最大,为1.97×10^5hm^2,玉米、小麦次之。博斯腾湖和开都河农业区以辣椒、玉米和小麦为主要作物,种植结构比较零散;孔雀河农业区种植结构比较单一,以棉花和香梨为主要作物。与仅利用时间序列的MODIS数据进行作物分类识别的结果对比表明,综合利用MODIS和Landsat数据的作物识别精度有显著提高,总体分类精度从62.58%提高到88.37%,kappa系数从0.53提高到0.86。该方法综合利用了MODIS数据的时序特征和Landsat数据较高的空间分辨率特征,有效地避免了MODIS数据空间分辨率不足而导致分类精度较差的情况,又避免了Landsat数据时间分辨率不足所引起的时相选择盲目性或数据冗余,在干旱区农业种植结构的提取领域具有一定的应用价值。     

利用MODIS-NDVI数据提取新疆棉花播种面积信息及长势监测方法研究

利用MODIS-NDVI数据,以新疆棉花为例,探讨基于遥感影像全覆盖的大尺度农作物遥感综合自动识别及长势监测的技术方法.通过分析新疆地区棉花作物的种植结构、物候历特征及其生物学特性和时序NDVI曲线特征,确定棉花信息提取的NDVI阈值,建立棉花面积提取模型,并最终获取了2009年中国农情遥感监测中新疆棉花作物长势监测所...     

基于分类回归树分析的棉花种植面积提取——以库、新、沙三县为例

以研究区2012年的HJ卫星CCD影像为数据源,通过物候历和主要农作物的光谱特征分析,确定棉花识别最佳时相。采用分类回归树分析（CART）的决策树方法提取棉花种植面积信息,并以农田实地调查样点和统计数据为参考对提取的棉花种植面积结果进行评价。结果表明,基于HJ-CCD数据,使用CART算法的决策树可以较好地提取棉花覆盖信息,最终提取的棉花种植面积总量精度为94．29％,位置精度为88．57％;本研究采用的决策树方法,操作方便、容易实现,分类结果较为实际,基本满足棉花种植面积遥感监测的需求,可对棉花种植面积估算和种植结构分析提供一定的参考。     

基于多时相影像的棉花种植信息提取方法研究

为实现区域棉花种植面积信息的快速监测,利用2014年新疆奎屯市农七7师125团棉花不同生育期内2期关键期HJ-CCD数据影像,分别运用支持向量机(SVM)的分层监督分类法和专家知识决策树(CART)分类法,基于研究区棉花与其他作物物候和光谱差异提取棉花种植面积和位置,并对两种方法的分类结果进行分析。结果发现:1监督分类法与专家决策树分类法都能有效的提取棉花的面积,棉花总面积精度达96%以上,位置精度达82%以上,专家决策树分类更优一些。2相对而言,基于专家决策树法相对简单,分类精度高,分类位置精度较好。采用环境小卫星影像结合野外调查,在提取棉花种植面积方面有着覆盖面积大、观测周期短的综合优势,而决策树分类法提取棉花面积简单有效。由此可建立一种适用于棉花信息监测系统平台,方便快捷的提取作物种植面积,为棉花长势的研究和病虫害发生区域的确定提供了技术支持。     

基于Google Earth Engine平台的关中冬小麦面积时空变化监测

以关中地区为研究区,基于Google Earth Engine(GEE)平台,根据冬小麦生育期内归一化植被指数(NDVI)时序曲线和物候特征,采用NDVI重构增幅算法和光谱突变斜率,构建了关中地区冬小麦提取模型并实现了冬小麦种植面积的提取。用农业统计面积验证提取结果表明:在市级和县级尺度上,决定系数R~2分别为0.82和0.62,一致性指标d分别为0.95和0.84,提取结果与实地调查数据的空间一致性精度为93.4%。结果显示:关中地区冬小麦主要分布在中部关中平原,冬小麦种植面积在2011—2017年呈下降趋势,减少了83.22×10~3 hm~2(8.47%)。综合考虑冬小麦NDVI时序曲线的"峰""谷"特征,具有一定的普适性,可为大面积连续年份冬小麦种植面积时空监测提供参考。     

基于遥感影像的县域冬小麦种植信息提取——以陕西省武功县为例

冬小麦是陕西省关中地区重要的粮食作物。本研究以陕西省武功县为例,使用Landsat8 OLI影像作为数据源,综合使用NDVI阈值分割和决策树分类技术提取了武功县2017年冬小麦种植区域,并对各乡镇冬小麦种植面积和空间分布信息进行统计分析。结果表明:(1)在本研究区,冬小麦越冬期结合油菜开花期是利用遥感影像提取冬小麦种植信息的最佳时期组合;(2)运用NDVI阈值分割法结合决策树分类从OLI影像提取冬小麦种植面积的精度达到93%以上;(3)武功县2017年冬小麦种植面积为21 181.97 hm~2,下辖各乡镇中长宁和贞元两镇冬小麦种植面积较大,分别占总面积的24%和19%;在县域尺度上,使用遥感技术提取的冬小麦种植面积和空间分布信息是准确可靠的。     

科尔沁沙丘草甸相间地区土地利用与覆被识别

为了实现基于单独光学遥感数据对科尔沁沙丘草甸相间地区土地利用与覆被(LULC)类型的识别,选用2018年64景Sentinel-2影像,结合影像分割技术,利用植被物候信息和生境特征,建立了基于群落水平的LULC决策树识别规则,总体分类精度为0.91,Kappa系数为0.89。分类结果显示:研究区旱地分布面积最大,占33.79%,灌木群落次之,占25.03%,高多样性半灌木群落和乔木林相近,分别为14.54%和10%,低多样性半灌木群落、草甸地和流动沙地分别占5%左右,剩余类型的总占比小于5%。该方法不仅可以准确反映研究区覆被类型的空间分布情况,还能给出不同覆被类型的生长发育状况,可为该区域物质循环研究提供基础数据,同时为该区域历史LULC识别提供阈值参考。     

基于遥感影像的县域冬小麦种植信息提取

冬小麦是陕西省关中地区重要的粮食作物。本研究以陕西省武功县为例,使用Landsat8 OLI影像作为数据源,综合使用NDVI阈值分割和决策树分类技术提取了武功县2017年冬小麦种植区域,并对各乡镇冬小麦种植面积和空间分布信息进行统计分析。结果表明：（1）在本研究区,冬小麦越冬期结合油菜开花期是利用遥感影像提取冬小麦种植信息的最佳时期组合;（2）运用NDVI阈值分割法结合决策树分类从OLI影像提取冬小麦种植面积的精度达到93%以上;（3）武功县2017年冬小麦种植面积为21 181.97 hm²,下辖各乡镇中长宁和贞元两镇冬小麦种植面积较大,分别占总面积的24%和19%;在县域尺度上,使用遥感技术提取的冬小麦种植面积和空间分布信息是准确可靠的。     

基于单时相MODIS数据的土地覆盖三种分类方法对比研究

以甘肃省为试验区,基于单时相MODIS数据,主要利用其可见光多波段光谱信息,分别使用最大似然法、BP神经网络算法以及基于See 5.0数据挖掘的决策树分类方法对土地覆盖进行了自动分类研究,结果验证表明:决策树分类性能最优,总分类精度达到82.13%,神经网络算法次之,总分类精度为77.60%,最大似然法最差,总分类精度为73.93%;加入boosting技术的See 5.0数据挖掘决策树方法能够快速地进行决策树的建立且能很好地提高较难识别地物类型的分类精度。     

基于无人机多光谱遥感估算西北半湿润区葡萄基础作物系数研究

为提高西北半湿润区葡萄园蒸散量的估算精度，以波文比系统实测蒸散量ET_c为基础，基于彭曼公式法计算参考作物蒸散量ET_o,得到葡萄作物系数K_c后，采用FAO-56双作物系数法计算土壤蒸发系数K_e与水分胁迫系数K_s,获得基础作物系数K_cb;同时利用无人机多光谱遥感影像获取葡萄光谱数据，提取多个波段反射率计算4种植被指数(归一化植被指数NDVI、土壤调节植被指数SAVI、比值植被指数RVI、差值植被指数DVI),建立葡萄K_cb与植被指数的关系模型(一元线性回归、多项式回归、多元线性回归),从而计算葡萄园实际蒸散量用以验证无人机多光谱遥感估算葡萄K_cb的精度。结果表明：(1)相同建模方法下，植被指数与K_cb的模型拟合精度受到其种类与葡萄生长时期的影响。在生育前期，利用一元线性回归建模得到的K_cb-VI_s模型拟合精度表现为NDVI>RVI>SAVI...     

基于FY-3D/MERSI数据的东北地区干旱监测方法研究

干旱是影响东北地区粮食安全的主要农业气象灾害之一，遥感技术是一种可便捷进行大范围干旱监测的手段。针对目前遥感干旱指数在作物生长发育过程中监测干旱的局限性和适用性等问题，以东北地区玉米和大豆等主要大田作物发育期为切入点，基于FY-3D/MERSI卫星遥感数据和地面土壤相对湿度实测数据，开展不同作物发育阶段干旱监测指数适用性分析，结合径向基神经网络方法，构建全时期和分时期土壤相对湿度反演模型，利用实测土壤相对湿度数据开展精度验证与对比分析。结果表明：风云三号MERSI传感器数据在干旱监测中具有可行性，表观热惯量(ATI)在低植被覆盖或裸土时效果较好，适用于作物冻土期、裸土期和播种～拔节期；水分指数(WI)适用于播种～拔节期、拔节～抽雄期和成熟期等植被生长时期；分时期土壤相对湿度反演模型精度高于全时期土壤相对湿度反演模型，前者监测精度在80.0%以上，比全时期模型精度提高了10%～25%,尤其在冻土期(3月),分时期模型反演精度达到了92.6%。基于作物生长时期和形态差异，选择最适宜遥感干旱指数建立分时期土壤相对湿度反演模型，提高了干旱监测的准确性和可靠性。     

水蚀风蚀复合区土地覆被分层分类方法研究——以横山县为例

以位于水蚀风蚀复合区的陕西省横山县为例,通过分析土地覆被类型在TM影像上的光谱特征,选择不同的特征参数,逐层提取有关信息:首先用TM5/TM3提取水体,然后用NDVI分离植被和非植被;在非植被区,用NDBI和NDVI相结合提取城镇用地,再用TM5将沙地和荒草地分离;在植被区,首先根据NDVI分为三大类:草地、旱地和灌木林、水浇地和有林地,然后利用TM4区分旱地和灌木林,用TM5-TM4的差值把水浇地和有林地分离。精度评价结果表明,分类总精度为86.8%,Kappa系数为0.8506,达到分类要求标准。     

Assessment of desertification in Eritrea: land degradation based on Landsat images

Remote sensing is an effective way in monitoring desertification dynamics in arid and semi-arid regions. In this study, we used a decision tree method based on NDVI(normalized difference vegetation index), SAVI(soil adjusted vegetation index), and vegetation cover proportion to quantify and analyze the desertification in Eritrea using Landsat data of the 1970 s, 1980 s and 2014. The results demonstrate that the NDVI value and the annual mean precipitation declined while the temperature increased over the past 40 a. Strongly desertified land increased from 4.82×10~4 km~2(38.5%) in the 1970 s to 8.38×10~4 km~2(66.9%) in 2014: approximately 85% of the land of the country was under serious desertification, which significantly occurred in arid and semi-arid lowlands of the country(eastern, northern, and western lowlands) with relatively scarce precipitation and high temperature. The non-desertified area, mostly located in the sub-humid eastern escarpment, also declined from approximately 2.1% to 0.5%. The study concludes that the desertification is a cause of serious land degradation in Eritrea and may link to climate changes, such as low and unpredictable precipitation, and prolonged drought.     

新疆耕地盐渍土遥感信息解译标志及指标探讨

目前新疆耕地盐渍土遥感调查常用方法为人工目视判读法.具体方法是:以土壤调查为基础,以盐渍土对农作物危害为主要解译标志,以地下水埋深为动态标志,进行综合解译判读;相应的解译指标为农作物的缺苗指标、农作物长势指标、地理景观特征、地下水位埋深等.新疆耕地盐渍土遥感调查结果得到了同行专家的认同,证明人工目视判读方法在新疆干旱盐碱地区是适用的.本文所提出的新疆耕地遥感调查盐渍土解译方法、标志、指标,在其它地区是否适用,需继续研究探讨.