利用无人机多光谱影像的多品种玉米成熟度监测

基于遥感监测多品种玉米成熟度进而掌握最佳收获时机，对提高其产量和品质至关重要。该研究在玉米成熟阶段获取无人机多光谱影像，同步采集叶片叶绿素含量（chlorophyll content，C）、籽粒含水率（moisture content，M）、乳线占比（proportion of milk line，P）等地面实测数据，以此构建玉米成熟度指数（maize maturity index，MMI），从而定量表征玉米成熟度。通过MMI与植被指数构建回归模型和随机森林模型，验证MMI适用性，并分析无人机遥感对不同品种玉米成熟度的监测精度。结果表明：1）不同品种玉米的叶片叶绿素含量、籽粒含水率、乳线占比的变化速率均存在差异。2）MMI与所选植被指数的相关性均可达到0.01显著水平，其中与归一化植被指数（normalized difference vegetation index，NDVI）、转换叶绿素吸收率（transformed chlorophyll absorbtion ratio index，TCARI）相关性最高，相关系数均为0.87。3）该研究基于不同组合的数据集进行了模型验证，其中随机森林模型对MMI的估测精度最高，测试集决定系数（coefficient of determination，R²）为0.84，均方根误差（root mean squared error，RMSE）为8.77%，标准均方根误差（normalized root mean squared error，nRMSE）为12.05%。此外，随机森林模型对不同品种MMI的估测精度较好，京九青贮16精度最优，其中R²、RMSE、nRMSE为0.76、10.67%、15.88%，模型精度证明了可以利用无人机平台对不同品种玉米成熟度进行监测。研究结果可为多光谱无人机实时监测农田多品种玉米成熟度的动态变化提供参考。     

基于Radarsat-2影像的复杂种植结构下旱地作物识别

为提高基于Radarsat-2旱地作物识别的精度,该文研究了一种复杂种植结构背景下具有共同生长期作物的识别方法。研究区为一个12 km×12 km的样方,位于内蒙古上库力农场额很队,以春小麦、油菜2种共同生长期作物为识别对象,利用Spot-6影像和Radarsat-2影像,在数据预处理的基础上分析研究区内典型地物样本的后向散射系数在不同极化波段上的变化特征,根据该变化特征设计图像增强算法,然后基于图像增强后的影像设定合理的阈值实现作物识别提取。结果表明：该方法准确识别并有效提取了共同生长期作物春小麦和油菜的种植面积,总体精度达到97%,Kappa系数为0.96。该方法简便、快捷、可靠,为春小麦、油菜等旱地共同生长期作物种植面积提取提供重要的科学技术支撑。     

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。     

GPS在沿海围垦动态监测中的应用

采用Ｍａｇｅｌｌａｎ ＰｏｒＭＡＲＫ Ｘ－ＣＭ手持ＧＰＳ接收机,以广东省湛江市通明海海为实验区,通过野外实地数据采集、室内数据差分后处理、与ＴＭ影像准等,探索了一套ＧＰＳ与遥感图像分析相结合、快速、准确析沿海围垦动态数据的工作流程。结果表明：ＧＰＳ应用于ＴＭ影像几何纠正,可提高ＴＭ影像几何纠正的精度,ＧＰＳ采集的数据可以辅助目视解译,提高目视解译精度：ＧＰＳ可以补充ＴＭ影像成像后最新的动态信息。     

基于TM遥感影像的鄱阳湖湿地分类研究

对覆盖鄱阳湖湿地的LandsatTM遥感影像进行了计算机自动分类技术方法的实验研究,采用了先对遥感影像数据进行非监督分类,在非监督分类的基础上进行人工解译,确定其类别属性,然后将人工解译后的非监督分类的分类属性表经过光谱聚类处理转化成适用于监督分类的分类模板文件,再执行监督分类的方法,有效地提高了湿地遥感影像分类的精度。     

应用国产卫星影像编制县级影像地图的研究

研究了利用国产卫星影像资料编制县级影像地图的原则、方法、用该方法编制的影像地图在土地资源的利用与调查方面具有较高的实用价值。     

遥感技术在土地沙化监测中的应用

利用SPOT5卫星遥感影像,采用遥感数据处理技术,对漳浦县沿海沙化土地进行遥感目视解译.通过对沙化监测分类体系的研究,建立沙化监测的遥感目视解译分类系统和目视解译标志,并进行目视判读.通过目视解译结果和实地检验,验证研究成果的正确性,为福建省沿海土地沙化监测提供了遥感目视解译方法.     

我国西部1:5万地形图空白区地物解译研究——以西藏那曲其香错地区为例

我国西部部分地区1: 5万地形图数据尚未完成,给区域和国家经济发展带来极大不便.空间技术、计算机技术和信息技术的高速发展为遥感技术应用提供了技术支持,高分辨率影像获取能力的提高为大比例尺地物特征的提取提供了数据可能.本文采用SPOT 5遥感影像,以1: 5万地形图图式标准为依据,进行青藏高原其香错地区地物判读,结果表明SPOT 5能基本满足1: 5万地形图制图要求.为进一步提高判读结果,可采用多时相、多分辨率影像进行1: 5万地形图地物判读.     

山区高分辨率遥感影像地形辐射校正方法研究

高空间分辨率的卫星影像和航摄影像越来越广泛地应用于山区农、林业资源调查和山区生态环境监测等领域.但是由于山区地形起伏和侧视成像等原因,使得影像存在一定的阴影,从而严重影响这些高分辨率影像的应用.针对这一问题,本文借鉴在遥感影像条带噪声去除中非常有效的矩匹配方法基本原理,提出了基于矩匹配的山区高分辨率遥感影像辐射校正方法,同时对被验证TM影像地形辐射校正最佳的C校正方法作了相应的改进.并以北京市西部山区的1 m分辨率的航空影像为例,分别用矩匹配方法和C校正改进方法进行了地形辐射校正,并对处理结果进行了对比分析.结果表明,对于地形复杂的山区,图像较大的高分辨率影像,矩匹配方法优于C校正改进方法.     

概率神经网络的水稻种植面积遥感信息提取研究

为了提高水稻种植面积遥感信息提取精度,将根据水稻生长期所选择的多时相遥感影像经过大气校正和几何校正后,实施单波段统计、主成份变换和比值变换,选出最佳组合波段,通过分析概率神经网络(probabilistic neural network,PNN)的学习算法和基本结构,对最佳组合波段影像实现PNN模型分类,并将其分类结果与反向传播(back propagation,BP)神经网络模型和最小距离法的分类结果进行比较.结果表明:PNN模型比最小距离法的分类精度高出近6个百分点;PNN模型比BP模型的分类精度高出近13个百分点;对于水稻种植面积提取精度,PNN模型比最小距离法的结果高出15个百分点.从本次试验可知,PNN模型是一种有效的遥感影像分类方法,在作物种植面积提取方面将具有独到的功效.