基于像元二分法的冬小麦植被覆盖度提取模型

【目的】快速准确提取冬小麦返青期植被覆盖度信息。【方法】利用无人机获取田间冬小麦可见光图像,提取图像中4种常见可见光植被指数;在像元二分法原理的基础上,分别构建基于差异植被指数(Visible-band difference vegetation index,VDVI)、过绿指数(Excess green,EXG)、归一化绿蓝差异指数(Normalized green-blue difference index,NGBDI)和归一化绿红差异指数(Normalized green-red difference index,NGRDI)的植被覆盖度提取模型,采用支持向量机(Support vector machine,SVM)监督分类结果作为真值对各模型进行精度验证。【结果】4种模型中,利用VDVI植被覆盖度提取模型获取的植被覆盖度精度最高,提取效果较好。与监督分类结果对比,4种植被覆盖度提取模型的提取误差(EF)分别为3.36%、15.68%、8.74%和15.46%,R2分别为0.946 1、0.934 4、0.695 3和0.746 0,均方根误差(RMSE)分别为0.021 9、0.059 5、0.042 0和0.055 9。【结论】采用可见光植被指数结合像元二分法构建植被覆盖度提取模型实现了冬小麦返青期植被覆盖度准确快速提取,为植被覆盖度提取提供了一种新途径,可为无人机遥感监测提供参考。     

水稻全生育期近地空农情遥感精准监测应用

【目的】近地空无人机高光谱平台为获取水稻全生育周期农情指数提供了有效手段,为进一步农业数字化工作提供科学指导。【方法】通过采集水稻全周期（分蘖期、拔节期、孕穗期、扬花期、灌浆期、结实期）田块、冠层高分辨率的光谱及影像数据,利用农情遥感监测模型和人工智能算法反演土壤平整度、土壤墒情、土壤肥力、苗情、作物长势、病虫害等级分布、叶面氮含量、产量预测等数据,形成符合农场生产需求的全指标监测体系。将农情监测指标部署到“麦芒”数字农田平台,实现SaaS方式的在线运行。【结果】水稻全生育期农情快速监测与诊断模型大田应用精度≥80%,节约亩均劳动力成本33%-50%,提高实测作业效率50%-100%,快速计算土方量节约工程量20%,精准施肥平均节约施肥量为22%,针对水稻品种及栽培了的种植建议实现增产5-8%。【结论】近地空农情监测系统已经具备了一定的农技指导作用,可实现水稻全生长期生长状况跟踪和农情诊断,提供精准施肥、变量施药、精准灌溉等方面的数据指导,实现种植端溯源;基于遥感监测信息实现了从农田建档到土情监测,再到耕种管收的全过程数字化和可视化管理。     

一年一季农作物遥感分类的时效性分析

【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。     

基于植被供水指数的藏北地区土壤湿度反演研究

【目的】利用光学遥感数据获取的植被供水指数来反演西藏那曲地区的土壤湿度,结合高分辨率的遥感数据(GF-1)和中低分辨率的遥感数据(Landsat、MODIS)分别建立土壤湿度反演模型,通过比较不同空间尺度反演模型的精度和适用性,拓宽国产高分遥感数据在农牧业信息定量获取等方面的应用范围,为"天地网一体化"的现代农业信息获取和农情信息遥感监测提供理论基础。【方法】以西藏那曲地区为研究区,以代表高、中、低分辨率卫星数据的高分一号(GF-1)、Landsat-8及MODIS影像数据和土壤湿度实测数据为数据源,利用植被供水指数(Vegetation Supply Water Index,VSWI)构建土壤湿度反演模型,比较3种遥感影像在反演土壤湿度方面的差异。【结果】(1)VSWI反演土壤湿度的最佳深度为10 cm左右;(2)基于GF-1、Landsat-8和MODIS构建的反演模型得到的土壤湿度预测值与实测值的均方根误差分别为5.145、5.227和6.298,可见GF-1和Landsat-8的反演效果相当,均优于MODIS的反演效果;GF-1土壤反演模型的拟合效果最佳;(3)研究区土壤湿度在空间上呈东南向西北递减的趋势,与实地采样点的土壤湿度分布趋势一致,说明利用高分辨率遥感数据监测土壤湿度是可行的。【结论】利用GF-1遥感数据和植被供水指数可以实现对藏北地区的土壤湿度反演,研究结果可以为干旱或者半干旱地区大范围的土壤墒情监测提供理论依据和实践参考。     

基于OpenStreetMap数据的农田地理信息提取

【目的】农田地理信息(位置、面积、空间分布等)能够直观反映一个地区的农业现状,对政府部门制定农业政策和经济计划具有重要的参考价值。该研究利用自发地理信息(Volunteered Geographic Information,VGI)数据提取农田地理信息,以降低农业信息获取成本。【方法】VGI通过用户在线协作的方式,以普通手持GPS终端、开放获取的高分辨率遥感影像以及个人空间认知的地理知识为基础,实现地理信息的创建、编辑、管理和维护。文章以VGI中生成和上传方式较为简单、数据体量较大的历史OpenStreetMap(OSM)数据为基础。针对街区面积、道路线密度等进行阈值设定,从而提取农田地理信息;其次,将基于OSM数据提取的农田耕地面积与联合无人机和RapidEye影像数据提取的研究区耕地面积进行比对,确定最佳阈值;最后,基于最佳阈值提取的农田地理信息与OSM自身包含的农田地理信息叠加整合,得到基于OSM数据提取的农田地理信息。【结果】针对街区面积,道路密度等各种影响因子进行阈值设定,可提高农田面积的提取精度,以无人机结合遥感影像提取的耕地面积信息为参考,利用OSM数据提取的农田信息精度较高(误差低于15%)。【结论】该研究能够实现各种区域尺度的农田地理信息快速提取,可为农田面积动态变化监测和农业生产管理提供数据支撑。     

阿克苏流域表层土壤湿度指数反演研究

【目的】为研究国产高分一号(GF-1)遥感影像在绿洲地区农情基础数据有效采集的可行性,对土壤湿度实施大范围区域监测。【方法】以新疆阿克苏流域为研究区,基于GF-1 WFV影像以及研究区63个土壤表层湿度的实测样点数据,对垂直干旱指数(PDI)和植被调整垂直干旱指数(VAPDI)的土壤湿度监测效果进行比较和验证。【结果】(1)PDI和VAPDI与土壤湿度实测值的决定系数分别为0.589和0.735,各模型满足监测精度要求;(2)在植被覆盖较高的阿克苏绿洲,VAPDI指数模型监测精度高于PDI;(3)从反演的土壤湿度空间分布格局来看,VAPDI对土壤湿度变化更敏感,更能反映出不同植被覆盖程度下土壤湿度的实际水平。【结论】基于GF-1 WFV影像进行流域尺度的土壤湿度监测具有可行性。相比PDI指数模型,VAPDI通过对遥感影像中混合像元进行不同程度的分解,监测精度更高。研究结果能为阿克苏流域表层土壤湿度数据快速有效地采集和动态监测提供理论支持和验证。     

植被物候参数遥感提取研究进展评述

【目的】遥感方法提取植被物候具有宏观、高效、便捷的特点,利用遥感提取植被物候结果可以从较大尺度上研究整个植被生态系统的物候特征。【方法】文章以植被物候遥感提取的过程为线索,采用文献综述法,对植被物候参数遥感提取的各个方面进行阐述。【结果】系统描述了植被物候提取的遥感数据资源,包括遥感专题指数和遥感数据来源;归纳了植被物候遥感提取的技术方法,包括时序植被指数重构技术和植被物候参数提取方法;总结了植被物候遥感提取结果验证途径和误差来源,地面物候观测数据和模型模拟数据是直接验证的途径,他人研究成果和植物生理参量的地面观测数据提供间接验证的途径,误差来源于遥感数据的时间和空间分辨率以及植被物候提取技术方法。最后,针对当前植被物候遥感提取存在的主要问题及未来的发展趋势,从研究对象、数据来源、技术方法和结果验证这4个方面进行了探讨。【结论】尽管植被物候遥感提取的大量研究在理论、技术方法和应用方面都取得明显进展,但在研究对象、数据来源、技术方法和结果验证这些方面仍然存在着一些关键科学问题,需要进一步进行深入研究。     

基于无人机可见光遥感的棉花面积信息提取

【目的】针对传统大区域棉花种植信息提取方法相对落后的问题,运用面向对象的影像分析方法,对无人机遥感试验获取的可见光影像进行棉花种植信息的提取。【方法】选用双子星MyFlyDream MTD固定翼无人机搭载佳能EF-M 18-55相机,获取新疆建设兵团第八师135团的可见光影像,借助eCognition软件平台,运用面向对象的方法对研究区内棉花种植信息进行提取试验。【结果】目视解译提取的棉花种植面积为0.35 km²,面向对象提取的棉花种植面积为0.33 km²,分类结果精度为94.29%,误差系数为5.71%,可以有效地提取研究区域棉花种植信息。【结论】面向对象的分类方法相比于传统的基于像素的分类方法提取精度更高,更加接近于目视解译的提取结果。     

基于无人机多光谱影像的地物识别

【目的】利用2018年5和6月获取的无人机多光谱影像对北京市大兴试验基地的部分农田进行地物类型提取研究。【方法】确定感兴趣地物种类,对影像进行时相与光谱特征分析,然后确定归一化植被指数NDVI、归一化绿蓝差异指数NGBDI、修正型比值植被指数MSR和红边波段反射率可以作为最优分类特征,通过基于光谱变量阈值分割的决策树分类法,实现地物分类,并提取种植面积,选取基于目视解译的地面调查数据进行方法验证。【结果】基于时相与光谱特征的决策树分类方法有较好效果,该方法用于小麦、果树和大棚的提取,误差值分别为10.68%、6.06%和16.48%,面积提取误差在17%以内,对无人机多光谱遥感影像进行地物识别具有一定的适用性。【结论】无人机低成本、高效率的优势为农田信息及时获取提供参考。     

作物耕作节律与多时相遥感结合的山地耕地信息提取方法探索

【目的】由于山地地貌区的耕地分布破碎度大,仅应用中分辨率遥感影像难以获得高精度的山地耕地分布信息,如何提高应用中分辨率遥感影像提取山地耕地信息的精度是亟需研究的问题。【方法】本文在分析区域主要作物及其生育期随季节变化的基础上,根据耕地与其他地物在植被覆盖时间序列变化上的区别,基于多时相遥感影像,提出了一种将作物生长和耕作节律与多时相遥感结合的耕地信息遥感提取方法。【结果】应用该方法准确的提取了典型山地区四川省会理县的耕地分布信息。【结论】这种方法提取速度快,结果具有一定的实时性和较高的准确性,可以满足耕地利用及管理中对耕地信息适时获取的要求,也可以应用于对历史耕地矢量数据中地块错分进行修正、更新漏分问题等。     

基于可见光影像分析的黄土高原小流域植被指数研究

小流域植被状况的快速、高精度和低成本监测是评价退耕还林还草与生态环境建设功效的基础工作。为丰富植被指数多样性,本文旨在提出一种适宜黄土高原小流域植被状况监测的可见光植被指数。基于无人机遥感技术获取小流域可见光影像,论文构建了简化可见光植被指数(Simplified visible light vegetation index,SVVI),结合样本统计法确定阈值,以支持向量机(Support vector machine,SVM)的监督分类结果对比了8种常用可见光植被指数提取效果,并以黄土高原2个典型流域为例,以混淆矩阵检验指数精度及其适用性。结果表明：1)SVVI能有效抑制非植被地物信息,在提取地物种类丰富且植被覆盖度相对较低的区域时,SVVI提取精度高达96%。2)在地物相对单一且植被覆盖度较高的验证区,SVVI提取精度依然在90%以上,表明SVVI有较好的适用性。相比较于监督分类结果,基于SVVI进行植被覆盖度计算可以有效保留植被信息,实现黄土高原小流域植被状况高精度监测。     

基于无人机遥感影像的沙糖橘果树提取方法研究

目的 通过无人机获取沙糖橘果园的遥感图像,快速提取果树分布位置,为果树的长势监测和产量预估提供参考。方法 以无人机拍摄的可见光遥感图像为研究对象,计算超红指数、超绿指数、超蓝指数、可见光波段差异植被指数、红绿比指数和蓝绿比指数6种可见光植被指数,使用双峰阈值法选取阈值进行果树的提取。在使用光谱指数进行识别的基础上,结合数字表面模型作为识别模型的输入变量,进行对比试验。结果 相比使用单一光谱指数,结合数字表面模型提高了果树和非果树像元的提取精度,6次波段融合后的总体精度均大于97%。超红指数与数字表面模型结合后的总体精度最高,为98.77%,Kappa系数为0.956 7,植被信息提取精度优于其他5种可见光植被指数与数字表面模型结合后的提取精度。结论 数字表面模型结合可见光植被指数的提取方法能够更深层次地挖掘遥感数据蕴含的信息量,为影像中色调相似地物的提取提供参考。     

基于无人机可见光遥感影像的耕地精准分类方法研究

无人机可见光遥感具有使用成本低、操作简单、实时获取遥感影像、地面分辨率高等优势。提出了一种利用无人机可见光遥感影像进行耕地精准分类的方法,以广东省惠州市惠东县铁涌镇石桥村部分耕地的可见光遥感影像为研究对象,对耕地的面积信息、形状信息以及位置信息进行监测和提取,采用面向对象法对影像中两种基于可见光波段的植被指数、纹理信息、形状信息进行分析,研究出分类提取耕地信息的较佳方案。经过反复实验确定分割尺度45、合并尺度90为分割参数,同时利用波段信息和纹理信息对未种植作物耕地和其他地物进行分离。该方法总体精度为89.23%,Kappa系数为0.72。实验结果表明利用无人机可见光遥感数据对耕地进行分类虽然存在一些细碎地块被错提、误提的情况,但总体精度仍然保持在一个很高的水准,可以为耕地作物分类提供参考,为实现精准农业提供精准的数据基础。     

基于高时空分辨率遥感数据协同的作物种植结构调查

[目的]充分发掘遥感影像的空间、时间和光谱等特征谱信息,探索地块基元支持下的多源遥感数据作物种植信息自动识别方法,为作物种植结构信息的快速、精细化调查提供借鉴.[方法]以广西扶绥县为研究区,通过对高空间分辨率影像的多尺度分割和对象廓线编辑,提取精细农田地块信息;以地块为基元获取覆盖作物生育期内的时序光谱特征;基于时序光谱及其变化定义与作物长势状况相关的描述参量,形成静态光谱与动态过程特征结合的多维特征空间,结合作物的物候节律特征构建作物种植信息提取模型,实现主要农作物种植结构信息的提取.[结果]依据上述方法绘制出广西扶绥县甘蔗、水稻和其他作物农田及草地、林地、水体、城镇建设用地等的精细地块图,其中,提取广西扶绥县甘蔗和水稻作物的总面积分别为82420.01和6806.67 ha,作物提取的总体分类精度为86.8%,Kappa系数为0.84.[结论]提取的广西扶绥县作物种植结构的成果满足使用精度要求,可为精准农业补贴投放、农业灾害定损等政策制定提供依据,而技术方法对于作物种植结构信息的快速、精细化调查具有借鉴意义.     

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。     

遥感技术在农业科技服务领域的应用

【目的】遥感技术具有大范围、周期性获取地表信息的特点,被广泛应用于农业作物面积制图、农作物长势监测与产量估计和农情监测等农业生产和管理的各个环节。【方法】在阐述了地块级、业务化的农业遥感服务概念和内容的基础上,分析了国内外地块级、业务化的农业遥感服务现状。【结果】由于中国实行农民联产承包责任制,地块较为破碎,管理较为精细,对地块级遥感监测的需求不大等原因,使得中国地块级、业务化的农业遥感服务尚处于起步阶段。【结论】随着中国逐步推广农村土地流转,实施大范围的机械化农业,业务化、精细化的农业遥感监测具有广阔的前景。     

洱海流域不透水面遥感信息提取技术研究

[目的]研究洱海流域不透水面遥感信息提取技术,以期开发水污染形成时空过程动态模拟平台。[方法]采用线性光谱分离技术,实现V-I-S模型求解,从2009年Landsat5的TM数据中对洱海流域进行不透水面遥感信息提取,利用植被、高反照度、低反照度和裸土4种最终光谱端元的线性组合,模拟TM波谱特征,并对其分布范围、空间特征等进行了分析。[结果]中等分辨率影像适合于流域尺度的不透水面提取,其结果可靠、精度较好。[结论]该研究结果为选择洱海非点源污染的调控策略、协调经济发展与环境保护的关系提供了决策依据。     

Research advances of SAR remote sensing for agriculture applications: A review

Synthetic aperture radar (SAR) is an effective and important technique in monitoring crop and other agricultural targets because its quality does not depend on weather conditions. SAR is sensitive to the geometrical structures and dielectric properties of the targets and has a certain penetration ability to some agricultural targets. The capabilities of SAR for agriculture applications can be organized into three main categories: crop identification and crop planting area statistics, crop and cropland parameter extraction, and crop yield estimation. According to the above concepts, this paper systematically analyses the recent progresses, existing problems and future directions in SAR agricultural remote sensing. In recent years, with the remarkable progresses in SAR remote sensing systems, the available SAR data sources have been greatly enriched. The accuracies of the crop classification and parameter extraction by SAR data have been improved progressively. But the development of modern agriculture has put forwarded higher requirements for SAR remote sensing. For instance, the spatial resolution and revisiting cycle of the SAR sensors, the accuracy of crop classification, the whole phenological period monitoring of crop growth status, the soil moisture inversion under the condition of high vegetation coverage, the integrations of SAR remote sensing retrieval information with hydrological models and/or crop growth models, and so on, still need to be improved. In the future, the joint use of optical and SAR remote sensing data, the application of multi-band multi-dimensional SAR, the precise and high efficient modeling of electromagnetic scattering and parameter extraction of crop and farmland composite scene, the development of light and small SAR systems like those onboard unmanned aerial vehicles and their applications will be active research areas in agriculture remote sensing. This paper concludes that SAR remote sensing has great potential and will play a more significant role in the various fields of agricultural remote sensing.