县域尺度上基于GF-1PMS影像的冬小麦种植面积遥感监测

为探究县域尺度上基于高分一号卫星(GF-1)PMS影像进行冬小麦遥感监测的可行性及精准性,以河南省滑县为研究区,遴选2015年2月上旬GF-1 PMS影像6景,对影像进行辐射定标、FLAASH大气校正、NNDiffuse融合、几何精校正、地图投影转换等预处理后,在外业调查和样本分析的基础上构建一种新的冬小麦决策树分类模型,模型第1层决策方案中NDVI0.311的像元为冬小麦,得到冬小麦的粗分类结果;在此基础上进行第2层决策分类,以进一步提高冬小麦的分类精度,分类方案为第1波段地表反射率0.146、第2波段地表反射率0.148、第3波段地表反射率0.135、第4波段地表反射率0.250的像元为冬小麦。对分类结果进行形态学滤波处理,以消除或减少分类结果中孤立的像元。分别基于决策树分类模型与ENVI软件自带的IsoData非监督分类模型,对比分析GF-1PMS影像和同时期Landsat-8OLI影像在冬小麦面积提取上的精度。结果表明:基于新构建的决策树分类模型,2015年滑县冬小麦种植面积为115 715.81hm2,混淆矩阵检验总体精度为99.62%,Kappa系数为0.99;PMS影像提取冬小麦的混淆矩阵总体精度比OLI影像高出9个百分点。说明县域尺度上基于单时相GF-1PMS影像在冬小麦收获前提取冬小麦种植面积是可行的,提取精度较高。     

基于Sentinel-2A影像的县域冬小麦种植面积遥感监测

小麦种植面积遥感监测是小麦估产的基本要素,准确而及时地提取不同灌溉类型冬小麦种植面积及其空间分布信息可为冬小麦长势监测以及产量评估提供科学依据。以山西省闻喜县冬小麦为研究对象,以Sentinel-2A影像为基础数据源,选择主成分(PCA)、红边归一化植被指数(RENDVI)、纹理特征等3个特征变量,结合实地调查样本点,采用随机森林算法,提取冬小麦种植面积,并结合数字高程模型(DEM)提取雨养区和灌溉区冬小麦种植面积。结果表明,Sentinel-2A遥感数据适合作为县域尺度冬小麦监测的数据源;主成分分析、纹理特征和RENDVI的引入可以提高单时相遥感影像对县域冬小麦分类的识别能力;随机森林算法和数字高程模型结合可以实现雨养区和灌溉区冬小麦种植面积的提取。     

县域尺度的小麦高分辨率遥感估产

从县域尺度准确掌握粮食产量,对于国计民生具有重要意义。目前,基于高分辨率遥感影像的县域尺度的估产研究尚不多见。本文以山东省泰安市岱岳区为研究区,利用2019—2021年高分一号B星、高分一号C星影像,辅以Landsat-8影像,运用随机森林法进行遥感解译,识别耕地变化,探究了小麦种植区的时空格局,选取植被指数NDVI监测小麦长势,建立估产模型,并制作了像元级产量专题图。结果显示：小麦种植面积提取相对误差均在5.150%以内,2021年小麦种植面积降幅达26.021%;小麦长势虽然存在年际变化,但总体平稳;小麦总产量遥感估产误差不超过4.300%,2020年增幅约4.261%,2021年降幅约21.981%。研究表明：2020—2021年,研究区小麦种植面积显著下降,长势基本持平,小麦总产量减少。研究成果有利于地方政府及时准确了解粮食产量,对高分辨率遥感估产研究有积极意义,对于县域尺度的作物监测有较高参考价值。     

基于OLI影像的县域冬小麦种植面积提取

以河南省虞城县为研究区域,筛选冬小麦分蘖期至拔节期内的3期(分蘖期、越冬期、拔节期)高质量OLI遥感影像,进行辐射定标及FLAASH大气校正,以便将影像DN值转算为地表反射率,并利用全色波段进行影像融合处理以提高空间分辨率。以归一化差异水体指数(NDWI)、归一化差异建筑指数(NDBI)、归一化差异植被指数(NDVI)为基础,结合外业调查数据构建决策树模型,3期影像中NDWI大于0的像元为水体,NDBI大于0的像元为居民地,NDVI分别大于0.59、0.52、0.65的像元为冬小麦纯净像元,NDVI分别小于0.49、0.44、0.56的像元为其他地物,剩余部分为冬小麦混合像元,通过实地调研确定将混合像元面积折算为冬小麦实际种植面积的权重为0.46,最后计算虞城县冬小麦的实际种植面积。结果表明,冬小麦分蘖期至拔节期是遥感监测冬小麦种植面积的最佳时期,3期影像提取的2014年虞城县冬小麦种植面积分别为76 238.79 hm2、77 406.65 hm2、77 397.82 hm2,与往年统计数据和样地实测数据相比,精度达到了99%。     

基于无人机遥感影像的烟草种植面积信息提取

无人机遥感技术对烟田的种植面积、种植区域等信息监管具有重要意义。天津航天中为数据系统科技有限公司应用无人机遥感影像和自创的遥感图像处理软件对宁乡横市基地单元烟叶种植面积信息进行了提取。结果显示:无人机遥感技术获得的烟草种植面积信息准确度高达95%,为大面积监管烟叶种植面积提供了有效技术手段。     

基于LANDSAT8TM影像对垦区马铃薯种植遥感监测研究

以LANDSAT8TM遥感影像数据为数据源,利用ARCMAP9.3、ERDAS9.2软件进行数据处理分析。利用5、6、4波段组合的多时相LANDSAT8TM影像进行综合分析提取,进而获得马铃薯的分布情况及种植面积,通过实际验证提取准确率达到96%以上。     

基于时序Landsat遥感影像枣树种植面积提取

基于不同特征时间序列数据集,使用动态时间规整(dynamic time warping,DTW)方法对时间序列遥感影像进行分类.基于时间序列Landsat 8影像数据,使用NDVI、EVI、第一主成分(principal component analysis 1,PCA1)3种特征数据集结合DTW算法,对比分析不同特征量对枣树的识别精度.结果表明:基于DTW(ND?VI)的时间序列特征数据集结合DTW算法能够得到较好的分类结果,基于时序DTW(EVI)特征量的方法次之,基于时序DTW(PCA1)特征量的方法的分类精度最低,总体精度分别为95.23％、93.73％、83.84％,Kappa系数分别为0.858、0.824、0.738.     

基于遥感影像的棉花种植面积提取方法研究

利用ERDAS IMAGINE 9.2遥感图像处理软件,设计了一种基于遥感影像的棉花种植面积提取方法。通过实地调查,该方法适用于大范围棉花种植的面积估算。     

湖南省中稻种植面积遥感监测方法研究

综合考虑大面积水稻种植区耕地地块破碎,种植结构复杂,插花、套种、错季种植现象明显,影像解译、分类难度大等特点,充分利用国产卫星GF-1数据,以湖南省中稻种植为例,通过精确作物识别与混合像元处理,实现像元尺度的中稻识别;结合国土资源土地调查数据,统计中稻的像元数量与丰度(种植面积比)水平,并扣除耕地图斑内的非耕地成份,建立中稻种植面积估算模型,最终得到精确到县级报告单元的种植面积估算结果。结果表明:通过遥感数据估算面积和地面样方调查计算结果的可决系数达到0.869 6,说明遥感监测方法在湖南省中稻种植面积估算中行之有效。GF-1卫星遥感数据的空间分辨率、波段覆盖范围、影像覆盖能力等能满足大面积农作物种植面积监测要求,基于抽样技术的地面调查与遥感影像分类相结合提取作物种植面积信息的方法可用于省级、区域级的粮食种植面积遥感监测。     

基于无人机遥感的火龙果种植面积监测方法研究

为厘清火龙果种植面积情况,利用低空无人机搭载多光谱传感器,对望谟县乐元镇拉么村火龙果基地进行数据采集,采用最大似然法提取火龙果种植区域和计算面积.研究表明,在进行植被指数计算时,火龙果植被指数为0.4～0.6,多光谱影像上纹理比较明显,周边以杂草为主,杂草的植被指数为0.2～0.4,能够较好地区分火龙果和杂草;结合植被...     

基于OLI影像的四川丘陵地区水稻种植面积监测

【目的】为使用Landsat8 OLI遥感影像准确监测四川丘陵地区水稻种植面积。【方法】根据丘谷相对高差分别选定浅丘、深丘水稻样方各4个,通过地面样方调查和同生长季Google Earth影像解译获取的样方水稻种植面积作为验证数据,评价基于OLI融合影像的川中丘陵的水稻种植面积监测精度。OLI影像经正射校正后,使用15 m全色波段影像和30 m多光谱影像融合,得到15 m分辨率的融合影像,使用最大似然法进行监督分类,获取监测结果。【结果】与样方验证数据比较,在样方面积相同的情况下基于OLI影像的水稻种植面积监测结果显示,浅丘区的平均精度为93.7%,误差范围为1.0%~8.7%;深丘区的为92.5%,误差范围为1.5%~15.8%。【结论】根据浅丘区、深丘区监测结果的误差范围差异,随着丘谷高差增大,地形趋于复杂、地块趋于狭长与破碎,OLI影像监测结果的不确定性增加,精度有下降的趋势。该研究为改进OLI影像监测四川丘陵地区水稻种植面积精度提供参考。     

基于高分二号遥感影像甘蔗种植区域面积提取

甘蔗是温带和热带农作物,是制造蔗糖的原材料,并且可以提炼乙醇作为能源替代品。甘蔗中含有丰富的糖分、水分,以及对人体新陈代谢非常有益的各种维生素、脂肪、蛋白质、有机酸、钙、铁等物质,是冬天清热生津的佳果,也是防病健身的良药。蔗糖产业一向是我国农业经济的一大支柱,广西更是我国甘蔗种植和蔗糖业大省。甘蔗的种植面积对于甘蔗生长期中病害防御、产量和甘蔗糖厂的分布规划有着重要意义。本文以广西崇左市扶绥县的种植区域为研究实验区域,选择高分二号遥感影像作为研究数据源。通过建立样本解译标志,进行非监督分类进行提取,对提取的面积信息与现势性为2019年的地理国情监测数据中的甘蔗种植面积进行对比分析,发现提取的面积精度良好,结合地理国情监测数据中甘蔗糖厂的分布,对扶绥县的甘蔗种植提出比较合理的建议,以及对甘蔗种植农户的种植发展提供数据支撑。     

基于高分辨率遥感影像的森林环境多维资源动态监测方法

森林环境存在多维以及动态变化特征,但传统方法分类效果不佳,导致动态监测数据反馈速度偏慢,难以得到全面的森林环境多维资源动态监测数据,针对该问题研究基于高分辨率遥感影像的森林环境多维资源动态监测方法。将森林环境的遥感影像,按照场景和目标分类;根据影像的灰度、形状、紧致度和光滑度等参数,分割高分辨率遥感影像;选择DCNN深度学习模型,计算环境多维特征;设置多维资源动态监测流程,监测森林环境多维资源动态信息。实验结果表明:所研究方法的动态监测数据反馈速度比2组传统方法分别高出3.976s和4.532s,在同样的测试周期内,获得的森林环境多维资源更加丰富,可见所研究方法的动态监测效果达到预期。     

湖北省油菜种植面积的遥感监测方法探讨

遥感技术是农作物种植面积监测的一种快速、经济和准确的新技术。论文研究了适宜于湖北省油菜种植面积的遥感监测的最佳时相、最佳数据源、影像解译方法等。结果表明,湖北省油菜面积遥感监测的最佳识别时相位于3月中旬—4月中旬,即油菜的开花期。对于湖北省省域范围油菜种植面积遥感监测,为了既能兼顾经济上的可行性和技术上的精度,建议对于油菜非成片分布的低山丘陵地区,采用10m-ALOS影像自动分类,对于油菜连片分布的平原地区,采用至少有1景成像于油菜开花期的双时TM影像,同时采用"时序差值+自动分类"方法的技术方案。     

基于Landsat影像的云南勐腊县橡胶遥感识别与种植面积信息提取

以ERDAS IMAGINE为操作平台,利用2020年Landsat与Planet卫星数据作为遥感信息源,通过监督分类方法和实际调查,提取云南省勐腊县天然橡胶种植面积信息,并与2020年橡胶面积统计数据进行对比分析。结果表明：利用Landsat遥感影像调查橡胶种植面积的准确率约为92.5%,基本能反映区域橡胶种植分布情况。     

基于Landsat 8 OLI遥感影像的沈阳市水稻种植面积提取方法

为了深入研究遥感数据及提取方法对估算水稻种植面积的可行性,以Landsat 8 OLI影像为数据源,运用ENVI5.1的软件平台,对沈阳市2015年6—9月水稻长势进行监测,并最终提取其种植面积。根据实地调查样本,通过分析各地物的光谱特性曲线、归一化植被指数均值特征及遥感影像成像特点,确定了以波段6、波段5、波段2对图像进行伪彩色合成。对合成后的图像,分时段设计了三组不同样本点数量的对比实验,样本数量分别为100、150、200个,采用混合像元的方式,确定了水稻的采集样本点,用变换分散度和J-M距离对各个样本间的可分离性进行检验,采用支持向量机的分类方法对各样本进行分类,最后以Majority/Minority分析方法对提取的结果进行分类后处理,建立了不同的水稻面积提取模型。结果显示,6月、7月、9月中200个样本点的实验提取结果均较为准确,提取面积分别为1 032.044 8、1 201.125 9和1 180.685 5 km2,参考《沈阳统计年鉴2015》对提取结果进行评价,精度分别为94.73%、89.75%和91.62%。试验表明,Landsat 8OLI遥感数据可准确提取沈阳市水稻种植面积,为综合多源数据对水稻进行种植监测奠定基础。     

基于分区分层随机抽样的棉花种植面积遥感监测方法研究

以新疆建设兵团为研究区域,依据当地作物种植结构,结合遥感技术,在借鉴前人对大区域作物面积遥感估算研究方法的基础上,采取分区分层随机抽样的方法对新疆建设兵团的棉花种植面积进行估算,并引入均值和变异系数等精度评价指标对该抽样方法行评估,最后根据外推估算方法,以遥感影像中的棉花种植面积统计结果为真值与抽样反推结果进行对比分析。结果表明,各组格网的棉花种植面积均值的估计量变异系数在试验中的变化幅度很小,抽样体系稳定,符合统计抽样原理对精度的高要求。反推后的各组棉花种植总面积精度均达到95%以上,反推质量效果较好。综合来看,上述空间抽样方法是可行的,尤其是对总体分区分层的划分,对后面的抽样及反推工作起到了很好的效果,可为政府对新疆建设兵团棉花种植面积的统计提供方法参考。     

基于FCN和面向对象的高分辨率遥感影像土地覆盖分类

针对基于全卷积神经网络（FCN）进行遥感影像语义分割时,FCN的上、下采样机制会导致分割结果中地物边缘细节信息丢失的问题,提出一种基于面向对象分割结果优化FCN分类的高分遥感影像土地覆盖分类方法。基于FCN网络对高分遥感影像进行初始分类,并利用面向对象的分割结果优化基于FCN的初始分类结果。该方法不仅可以有效保留地物边缘细节信息,还可以有效消除FCN初始提取结果中存在的椒盐现象,优化分类结果的视觉效果,并提高分类精度。     

湿地高分辨率遥感影像的变化检测

【目的】研究高分辨率遥感影像的湿地动态检测,为湿地资源的可持续发展提供信息支撑。【方法】充分利用面向像元和面向对象两种方法的优势和特点,结合多变量变化检测（MAD）,提出对MAD变量的面向对象后分类方法（OB-M方法）。【结果】基于MAD变换的差异影像集中了两期影像的变化信息,基于像元差异影像的面向对象后分类方法能成功的检测多时相遥感影像的几何配准误差、单时相阴影、光照季节变化等“伪变化信息”,成功提取变化/未变化信息。【结论】比较传统的面向对象分类后比较和MAD方法,提出的OB-M方法能较好地提高湿地变化/未变化信息检测的精度。     

融合主被动遥感影像的冬小麦种植面积提取研究

为了快速、准确地获取作物分布信息,探索使用主动遥感影像（Sentinel-1A）和被动遥感影像（Sentinel-2）提取冬小麦空间分布的可行性。首先,根据冬小麦的物候特征,合成冬小麦全生育期的Sentinel-1A影像;并依据各类地物的NDVI（归一化植被指数）时序曲线合成一期高质量的冬小麦越冬后Sentinel-2影像。其次,设计Sentinel-1A影像、Sentinl-2影像和融合Sentinel-1A与Sentinl-2主被动遥感影像3种分类方案,然后在Google Earth Engine(GEE)云平台上基于随机森林算法对冬小麦进行分类。结果表明,基于全生育期Sentinel-1A影像的冬小麦用户精度和生产者精度分别为83.15%和86.44%,提取结果中存在较多的“椒盐”噪声;基于冬小麦越冬后Sentinl-2影像的冬小麦用户精度和生产者精度分别为87.98%和84.75%,提取精度较使用全生育期Sentinel-1A影像有所提高,但分类结果受“异物同谱”的影响,产生许多错分;融合主被动遥感影像的冬小麦用户精度和生产者精度分别为96.57%和95.48%,相较于仅使用单...