基于多时相GF-1 WFV和高分纹理的制种玉米田识别

为给监管部门提供更准确的数据，及时发现非法玉米制种区域，根据不同地物在多时相光谱、高空间纹理等特征上的差异，基于163个地面样本、多源时序优选植被指数集和高空间分辨率遥感影像纹理分析的方法，进行制种玉米田识别。通过相关性分析，从GF-1 WFV 多光谱影像计算的8个植被指数(VI)中确定6种，多维度反映不同作物光谱差异，并利用随机森林（RF）分类方法实现玉米田块的识别；利用玉米抽雄期的1期0.7m Kompsat-3全色影像，构建灰度共生矩阵（GLCM）纹理特征体系，并进行局部二值模式（Uniform-LBP）旋转不变处理，解决了影像中作物种植纹理的方向性问题，同时为体现制种玉米父母本间隔种植的特点，提出了Subtract纹理特征，进一步识别制种玉米田。以新疆维吾尔自治区奇台县为研究区，对本文提出的方法进行实例验证，试验结果表明，制种玉米田识别的制图精度、用户精度分别为93.34%、99.19%。     

基于无人机遥感影像的育种玉米垄数统计监测

为准确、快速的获取区域范围内的育种玉米垄数信息,该研究充分利用无人机(unmanned aerial vehicle,UAV)超低空遥感监测技术,通过提取UAV影像的超绿特征和Hough变换方法提取育种玉米的垄数。研究区为金色农华种业科技股份有限公司崖城育种基地,基地内存在正处于苗期、拔节期和成熟期的玉米试验地块,使用的数据源为利用固定翼瑞士e Bee Ag精细农业用无人机获取的超低空可见光影像。研究过程中,首先计算UAV影像的超绿特征,并进行二值优化与形态学开启运算处理,以分离玉米植株与土壤背景信息,采用3种尺寸的窗口搜索并检测用于垄数提取的定位点;然后,用影像分割投影法提取玉米垄线的中心点,减小后续处理的计算量;最后,对已经提取的直线特征不明显的无人机影像中垄线中心点进行Hough变换,以提取玉米垄数。精度评价结果为:采用3种搜索窗口,苗期地块内的43垄玉米的提取精度分别为97.67%、95.35%、88.37%;拔节期地块内的74垄玉米的提取精度分别为100.00%、100.00%、58.11%;成熟期地块内的44垄玉米的提取精度分别为95.45%、90.91%、88.64%。该研究所提出的基于影像分割投影法和Hough变换可以正确提取不同生育期的玉米垄数,其中以拔节期的玉米垄数提取精度最高,此时的玉米植株在UAV影像上可以识别且又尚未封垄,是提取种植垄数的最佳时相;对于定位点检测,与玉米种植的垄间间隔相近的窗口尺寸(1?15或者1?25)是垄数监测的最佳尺寸。     

基于无人机遥感可见光影像的北疆主要农作物分类方法

作物类型准确分类是大田作业和管理的基础。该文通过无人机遥感试验获取的可见光影像,利用色彩空间转换和纹理滤波构建了色调、饱和度和亮度的27项纹理和低通滤波特征;然后采用Relief F-Pearson特征降维方法,剔除分类能力弱且相关性高的冗余特征;最后,基于优选特征训练分类模型,并结合人工分类结果对各模型进行精度比较和效果验证。结果表明:特征选择得到的H-CLP、H-Ent、I-Cor、I-CLP、I-Ent、S-CLP和I-Var是利用可见光影像进行北疆主要农作物分类的最佳特征,可在充分表征影像特征的同时降低数据冗余。支持向量机(support vector machine,SVM)分类方法精度最高,整体分类准确率达83.77%,ANN和KNN分类精度次之。通过在验证区进行像素级别作物分类,发现SVM分类方法效果最好,棉花、玉米、苜蓿和西葫芦作物分类精度均达到了80%以上。该研究可为基于无人机可见光影像的农作物种植信息普查提供参考。     

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。     

基于遥感温度植被干旱指数的小蠹虫害预警

针对小蠹虫对森林的危害隐蔽强,症状滞后性明显,在其早期发生时进行遥感识别非常困难。该文基于干旱和虫害存在一定的时滞相关性的假设,提出基于温度植被干旱指数(temperature vegetation dryness index,TVDI)预报小蠹危害的方法。以遭受大面积连续干旱和小蠹危害的云南省中部的石林县为案例区,利用Landsat数据,建立归一化植被指数(normalized difference vegetation index,NDVI)-地表温度(land surface temperature,Ts)特征空间,估算逐像元TVDI。基于地面小班调查的虫害等级数据(健康、轻度、中度和重度4个等级),比较不同虫害等级斑块TVDI差异。同时,以持续干旱2011年轻度受害区为例,结合受害前后云南松林NDVI差值(difference of NDVI before and after the forest attacked by bark beetles,d NDVI)表征实际受害程度的方法,建立TVDI与d NDVI的关系,对2012年进行预测。结果表明,2010-2015年,受害区整体呈下降趋势,TVDI由西向东逐渐变大。健康云南松林TVDI显著高于虫害云南松林(P0.05),且虫害越严重,TVDI越小;2011年,TVDI与d NDVI呈显著负相关(P0.05),可以用线性模型进行拟合,拟合决定系数R2为0.322。采用模型对2012年实际发生情况进行预测,得到预测与实测d NDVI均方根误差RMSE为0.237。在整体干旱的环境下,相对湿润的地方小蠹虫害更严重。因此,可以根据TVDI空间分布特征,找出TVDI相对较小的区域,作为虫害可能发生的重点关注区域,该研究对及时发布虫情监测信息有建设性的意义。     

基于关联规则面向对象的海岸带海水养殖模式遥感识别

针对目前海水养殖模式遥感识别中的效率低,"同物异谱"、"异物同谱"和"椒盐"噪声等问题,该文研究了关联规则分类和面向对象相结合的养殖模式遥感识别方法,通过不同养殖模式的对象分割和关联规则的自动和智能获取,来构建海水养殖模式分类器。以高分一号PMS1卫星影像为数据源,把不同养殖模式对象的光谱、空间形态和纹理特征及其关联关系作为事务数据,使用Apriori算法挖掘类别作为后件的强规则,对粤东柘林湾养殖核心区内4种海水养殖模式(池塘养殖、网箱养殖、滩涂插养、浮筏吊养)水面信息进行提取。结果表明:基于关联规则面向对象的海水养殖模式分类精度能达到88.65%,比K-近邻法面向对象法精度提高了14.38个百分点,比关联规则挖掘分类法精度提高了12.16个百分点。关联规则分类和面向对象结合方法拓宽了传统逻辑推理分类方法中获取信息的途径,使分类更加自动化和智能化,且分类精度得到显著提高,可以成为海岸带海水养殖复杂模式识别的有效支持手段。     

基于灰度关联-岭回归的荒漠土壤有机质含量高光谱估算

为改善高光谱技术对荒漠土壤有机质的估测效果,该文采集了以色列Seder Boker地区的荒漠土壤,经预处理、理化分析后将土样分为砂质土和黏壤土2类,再通过光谱采集、处理得到6种光谱指标:反射率(reflectivity,REF)、倒数之对数变换(inverse-log reflectance,LR)、去包络线处理(continuum removal,CR)、标准正态变量变换(standard normal variable reflectance,SNV)、一阶微分变换(first order differential reflectance,FDR)和二阶微分变换(second order differential reflectance,SDR)。通过灰度关联(gray correlation,GC)法确定SNV、FDR、SDR为敏感光谱指标,采用偏最小二乘回归(partial least squares regression,PLSR)法和岭回归(ridge regression,RR)法,构建基于敏感光谱指标的土壤有机质高光谱反演模型,并对模型精度进行比较。结果表明:砂质土有机质含量的反演效果要优于黏壤土;基于SNV指标建立的模型决定系数R~2和相对分析误差RPD均为最高、均方根误差RMSE最低,所以SNV是土壤有机质的最佳光谱反演指标;对SNV-PLSR模型和SNV-RR模型综合比较得出,SNV-RR模型仅用全谱4%左右的波段建模,实现了更为理想的反演效果:其中,对砂质土有机质的预测能力极强(R_p~2为0.866,RMSE为0.610 g/kg、RPD为2.72),对黏壤土有机质的预测能力很好(Rp2为0.863,RMSE为0.898 g/kg、RPD为2.37)。荒漠土壤有机质GC-SNV-RR反演模型的建立为高光谱模型的优化、土壤有机质的快速测定提供了一种新的途径。     

东莞市针叶类森林生物量遥感模型研究

基于 Landsat 8 影像数据，对东莞市松树林 (Pinus sp.)、杉木林 (Cunninghamia lanceolata)、针 叶混交林 3 种针叶类森林生物量进行估算，利用相关分析、主成分分析和逐步回归分析，建立针叶类森 林生物量遥感估算模型，其决定系数 (R2) 值分别为 0.880 9、 0.832 5、 0.964 0，均达显著水平。经适用性 检验，模型均达 0.05 显著水平，可用于东莞市针叶类森林生物量估算。     

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。     

张家港市农田土壤重金属含量高光谱遥感监测模型构建

以张家港农田土壤作为研究对象,在实验室测定土壤重金属元素As、Cd、Cr、Cu、Zn、Ni、Pb、Hg的含量,并与土壤可见近红外高光谱数据建立土壤重金属含量的定量估测模型,以快速获取研究区农田的土壤重金属含量。为保证模型预测的精度和稳定性,首先,对原始高光谱数据进行平滑处理,并进行一阶导数、倒数一阶导数、倒数的对数一阶导数、平方根一阶导数和连续统去除等形式的光谱变换;然后,提取不同变换光谱的特征波段进行相关性分析;最后,通过逐步回归法建立重金属含量的定量估算模型。结果表明:张家港市农田土壤中Cd、Hg、Cu、Zn存在一定的污染风险。在高光谱的不同变换形式中,一阶导数和连续统去除与重金属含量的相关系数高于其他变换形式。基于8种土壤重金属含量与高光谱数据建立的定量估算模型具有良好的预测精度。Cd、Hg、Cr、As、Cu、Zn、Ni、Pb估算模型的实际值与验证值的拟合度分别为0.874、0.879、0.800、0.646、0.513、0.655、0.603和0.542,可用于预测张家港市的农田土壤重金属含量。