基于GF-1卫星遥感的冬小麦面积早期识别

GF-1号卫星是中国高分卫星系列首颗卫星,自2013年04月26日发射以来,提供了大量的2 m/8 m/16 m空间分辨率的卫星数据,成为中国农业遥感监测的主要数据源之一。该文以GF-1卫星携带的16 m空间分辨率的宽视场(wide field view,WFV)传感器为主要数据源,采用2013年10月2日、10月17日、11月7日和12月5日4个时相的数据,以多尺度分割后的对象为基本分类单元,采用分层决策树分类的方法对冬小麦面积进行提取,并利用地面样方数据对分类结果进行了精度验证。结果表明,北京市顺义区冬小麦面积7 095 hm2,分类总体精度达到96.7%,制图精度为90.0%,其他未分类类别精度为97.3%,Kappa系数为0.8。研究区内冬小麦的播种时间可以分为10月1-5日早播、10月6-10日中播、10月11-15日中晚播、10月16-20日晚播等4个时间段,不同播期对应着归一化植被指数(normalized difference vegetation index,NDVI)不同的变化规律,是分层的基础,结合波段反射率、波段反射率和、波段反射率比值等参数的变化规律,通过分层可以有效的剔除草坪、桃树等容易同冬小麦混淆的地物类型,GF-1/WFV提供的多时相遥感数据能够可靠的反映冬小麦发育变化的规律,是冬小麦面积准确提取的基础,在农作物面积遥感监测业务运行中具有较大的开发应用潜力。     

样本正态分布对降低空间抽样数量的重要性

【研究目的】样本总体的分布特征是影响抽样样本数量的主要因素，对于样本总体为非正态分布的情况，正态转换是降低抽样样本数量、提高抽样调查效率的有效手段。【方法】该文采用中国大陆区域2005年耕地空间分布数据，以1:10万地形图图幅框作为抽样单元，统计每个图幅框内耕地面积占比。分别采样1.5次开方、2次开方、2.5次开方、3次开方和4次开方运算的方式对原始数据进行正态转换。在此基础上对比分析了转换前后数据的峰度及偏度、抽样个数及抽样结果误差等。【结果】结果表明，基于2.5次开方运算后的分层抽样可以大大降低抽样率，由92.26%降低为22.55%，耕地面积指数平均值相对误差由7.06%降低为5.66%。利用2015年耕地面积指数进行抽样方法的精度检验，抽样平均值相对误差仅为3.27%。【结论】研究提出的抽样方法具有较高的适用性，同时也表明空间抽样中数据分布正态转换是非常必要的。本研究成果为广大学者在空间抽样调查方面的研究提供了有益的借鉴。     

基于GF-1/WFV数据的冬小麦条锈病遥感监测

条锈病是冬小麦常见病害,利用遥感影像对条锈病病害区域进行准确监测具有重要意义。该文利用GF-1/WFV影像,结合条锈病地面光谱数据分析,采用冬小麦条锈病遥感监测指数(wheat stripe rust index,WSRI)对河南西华县冬小麦条锈病发病范围进行了估测。首先,利用冬小麦NDVI加权指数(weighted NDVI index,WNDVI)获取冬小麦种植区域。其次,利用影像4个波段反射率之和提取不同冬小麦品种的分布范围,值较高的为条锈病高抗品种(郑麦系列),较低的则是条锈病易感品种(矮壮系列)。再次,构建冬小麦条锈病指数(wheat stripe rust index,WSRI),结合地面实地调查的条锈病分布数据,通过设定合理的WSRI指数划分阈值,提取条锈病染病区域并进行精度验证。结果表明,研究区内小麦条锈病空间分布识别的总体精度在84.0%以上,具有区域监测应用的潜力。该方法简单,可操作性强,表明宽波段GF-1影像结合WSRI指数的技术,是一种比较可行的小麦条锈病遥感监测方案。     

农村宜居环境遥感监测内容分析及初步方案设计

【目的】面向农村绿色发展的需要,为推动农村宜居环境遥感监测业务的开展提供依据。【方法】在农村宜居环境遥感监测内容分析基础上提出初步的建设方案。【结果】农村宜居环境遥感监测内容应包括农村居民点本底调查遥感监测、农村居民点景观监测和农村宜居环境评价3个部分。第一项内容属于资源清查性质的监测,是后续遥感监测与评价的基础,可以采用国产中空间分辨率高分卫星数据为主、机器识别与目视判读相结合的农村居民点本底调查遥感监测方案。第二项内容是村落内格局的监测,属于动态监测范畴,可以采用亚米级无人机影像为主、目视判读结合统计外推技术的农村居民点景观遥感监测方案。第三项内容可以采用遥感监测结果为主、结合综合权重打分的宜居环境评价方案。【结论】文章提出的技术方案充分考虑了农村宜居环境监测的紧迫性以及遥感技术的潜力,是今后较长时期内农村宜居环境遥感监测方案建设的主要趋势。     

基于HY-1C/CZI数据的冬小麦早期识别研究

[目的]为充分发掘海洋一号C星(HY-1C)CZI数据的农业应用潜力,[方法]该文以HY-1C/CZI数据为基础数据源,结合土地利用现状数据、目视解译结果数据,以河南省商丘市及其附近区域作为研究区,对早播冬小麦、晚播冬小麦、裸地及建筑、森林、水体五类地物的光谱特征进行了分析,并在光谱分析的基础上基于决策树分类方法对冬小麦区域进行了提取。[结果]冬小麦面积提取结果表明,2018年研究区内冬小麦总播种面积69.42万公顷。以目视解译获得的地面验证点数据对提取结果进行精度验证,结果表明,冬小麦提取结果的总体精度为91.80%,Kappa系数为0.84,冬小麦用户精度和制图精度分别为91.88%和92.91%。 [结论] 基于HY-1C/CZI数据可以实现对冬小麦的早期识别和提取,提取精度较高,达到了其他相似数据源相近的识别精度,表明基于海洋一号卫星CZI数据具有一定的农业应用潜力。     

基于高光谱的春玉米大斑病害遥感监测指数选择

玉米大斑病是春玉米主要病害之一,采用地面光谱观测的方式构建遥感监测指数,是实施区域遥感监测的基础,也是卫星传感器谱段设计的主要依据。该文在陕西省眉县设计了人工控制小区试验,针对高抗、抗、感和高感4个品种,通过人工接种不同浓度大斑病分生孢子的方法,获得了正常、轻微、中度以及严重等4个病害感染梯度小区,并在春玉米抽雄、吐丝、乳熟以及成熟4个生长期进行了地面高光谱观测。为了实现对春玉米大斑病的遥感监测,该项研究在春玉米冠层光谱数据基础上,分析了不同种植区不同生长期春玉米冠层光谱反射率和光谱一阶微分特征,并以此确定了大斑病敏感波段位置以及病害适宜监测期,同时根据敏感波段位置的光谱特征构建了专门的春玉米大斑病的遥感监测指数,最后结合180个光谱观测样本,对比了所提指数以及其他病害指数与病害严重度之间的相关性,并通过聚类分析了所建遥感指数的稳定性。研究结果表明,乳熟期的春玉米大斑病在红边波谱内的响应较为敏感,尤其红边核心区(725~740 nm)的光谱一阶微分与病害严重程度间存在明显地单调变化关系,具有非常显著的负相关性;同时,该文所提病害监测指数与病情指数具有较高的相关性,其相关系数达到了0.995 0,最后结果表明利用红边一阶微分指数的对病害程度的聚类总体精度达到100.0%,指数值分布稳定性也更高,具有在遥感监测业务中应用的潜力。     

我国玉米南方锈病研究进展

玉米南方锈病是我国玉米的重要病害之一。近年来已成为玉米生产上的严重生物灾害,全国常年发生面积在667万hm2左右,造成了严重的产量和经济损失,如何有效防控已成为亟待解决的生产问题。该文综述了我国玉米南方锈病的发生危害情况、分布、发生流行和传播规律、研究热点及存在的问题等,以期为该病害的研究和有效防控提供参考。     

冬小麦面积遥感识别精度与空间分辨率的关系

不同空间分辨率农作物面积识别精度是农情遥感监测数据源选择的依据。该文采用WFV(wide field view)、MODIS(moderate-resolution imaging spectroradiometer)、OLI(operational land imager)、Google Earth影像,在天津市武清区选择了12 km×14 km的冬小麦种植区作为研究区域,采用目视识别的方法,分析了2、5、10、15、30、100、250 m共7个空间分辨率尺度下冬小麦面积识别精度与遥感数据分辨率、农田景观破碎度之间的关系。结果表明,随着空间分辨率由2 m变化到250 m,冬小麦面积识别的总体精度逐步由98.6%降低到70.1%,精度降低28.5%;面积数量比例由5.5%扩大到110.6%,误差增加105.1个百分点;面积精度呈明显下降趋势,数量误差呈明显增加趋势,数量误差的增加速度高于精度下降的趋势。高、中、低3个景观破碎度条件下,随着分辨率由2 m降低到250 m,作物识别精度分别降低了72.8、63.2和47.0个百分点,破碎度的增加导致面积识别精度下降速度更快;同等分辨率下,破碎度越高的地区面积识别精度越低。像元内冬小麦占比与可识别能力密切相关,像元占比达到45.0%以上时才能够被正确识别为冬小麦类型,像元尺度降低导致细小斑块丢失是造成面积识别与数量精度降低的主要原因。像元空间分辨率越高,冬小麦像元的光谱一致性越强,越有利于冬小麦分类精度的提高。针对农情遥感监测业务运行的需要,上述研究结果可以作为区域范围不同用户精度要求前提下遥感数据源选择的依据。     

中国农业洪涝灾害时空格局分析

【目的】为了弄清中国大陆区域水灾空间分布规律，【方法】基于1998—2017年农作物水灾面积统计数据，采用多年平均、标准差和聚类分析等方法对31个省级行政区农业水灾空间分布及动态变化规律进行研究。【结果】结果表明中国水灾在空间分布和时间分布上均表现出一定的规律性，在水灾空间分布上，水灾受灾面积较大的区域主要集中在中国东北、华东和华南区域，该区域也是中国的农业主产区，受灾面积较大的省份呈点状分布；在水灾时间分布上，水灾发生呈现出常年总体稳定、个别年份水灾异常严重的特点；最后通过地理区尺度的聚类分析，对全国进行了水灾分区。【结论】基于历史统计数据，获得了中国大陆区域水灾时空变化规律，可以为农业生产者及管理者提供参考。     

基于Rapideye数据的棉花特征光谱指数构建及类型识别

【目的】特征光谱指数构建是提高农作物类型识别效率的前提,也是构建通用型识别方法的基础。【方法】基于2017年8月8日河北省冀州市5 m空间分辨率的Rapideye影像,采用红边、近红外波段反射率之和构建了棉花提取指数(Cotton Extraction Index,CEI),结合同期水体、裸地(含城镇建筑)掩模处理,实现了棉花类型识别。CEI指数方法具体过程是:样本点选择、水体及裸地(含城镇建筑)掩模处理、CEI指数构建、棉花识别及精度验证。其中,样本点采用随机方法获取,共获取了5 144个样本点,作为最佳CEI阈值以及精度验证的依据。【结果】基于CEI方法提取结果的总体精度达到88.80%,Kappa系数达到0.751 7。为了评价CEI指数方法的相对精度,分别采用最大似然分类方法和随机森林分类方法对影像进行分类和精度验证。结果表明基于最大似然分类方法的棉花提取总体精度和Kappa系数分别为86.53%和0.698 3,采用随机森林方法的棉花提取总体精度和Kappa系数分别为90.12%和0.766 7。【结论】对比3类方法,基于CEI指数方法获得的棉花提取结果,与其他2种常用方法的提取精度相当。该方法具有简单、高效,对样本依赖性较小的优势,在时效性要求较高的农作物面积识别中具有较高的应用价值。