遥感在作物分类中的应用

在提取作物种植分类信息方面,多时相和多光谱特征信息综合应用十分重要。环境与灾害监测预报小卫星影像具有较高的时间、空间分辨率,采用时间序列分析的方法提取作物种植分类信息优势显著。本研究以宁夏平罗地区作物为研究对象,利用HJ-CCD数据提取主要农作物分类信息,采用非监督分类、最大似然分类、决策树分类3种算法挖掘数据。研究表明,通过构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,能够有效进行农作物分类。     

农作物分布格局动态变化的遥感监测——以东北三省为例

【目的】当前对涉及到耕地内部不同作物空间分布及其变化的研究较少。本文旨在探讨大尺度作物种植面积和分布格局遥感提取方法及景观生态学中景观格局指数在作物格局动态变化分析中的应用。【方法】基于2005年和2010年作物生育期内遥感影像全覆盖的MODIS-NDVI数据,利用RS、GIS技术,通过分析东北地区主要作物（水稻、玉米、大豆）的种植结构、物候历及NDVI曲线特征,建立不同作物面积遥感提取模型,提取大尺度农作物空间分布格局信息。同时,利用景观格局指数方法分析农作物格局动态变化特征和变化规律。【结果】与多年平均统计数据比较,基于MODIS遥感数据提取的作物面积信息,2005年和2010年平均精度达到了90%以上;5年间,东北地区主要作物种植结构发生了较大变化。其中大豆平均斑块面积减少,面积年动态度为-4.47%,水稻和玉米平均斑块面积均增加,且5年的变化幅度均超过20%。【结论】成本和收益是作物面积增加或减少的主要原因;用中等分辨率的遥感数据进行大尺度作物面积提取的方法是可行的;景观生态学中格局指数可以用来分析耕地内部作物格局的动态变化规律。     

农作物种植面积“一张图”遥感监测业务设计及应用

【目的】农作物种植面积遥感监测是世界农业大国农情遥感监测业务的主要内容,监测结果也是政府宏观监测与生产管理的重要依据。所以农作物种植面积"一张图"遥感监测业务的设计及应用为农业生产定量化管理提供进一步服务。【方法】文章在农作物种植面积"一张图"概念定义的基础上,提出了基于低、中高空间分辨率2种数据源的"一张图"遥感监测技术方案,并采用EOS/MODIS、GF-1/WFV数据实现了全球、中国大陆区域冬小麦空间分布"一张图"的监测方案应用。【结果】农作物种植面积"一张图"概念的提出,是从监测范围与监测内容上对农作物种植面积遥感监测业务的规范,对遥感监测技术从基础研究向实际应用具有推动作用。【结论】现有遥感数据、分类识别技术能够保证"一张图"遥感监测业务方案的实施与实现。限制遥感数据向"一张图"成果转化的技术瓶颈,是遥感监测自动识别技术的精度与能力。在今后较长一个时期内,从全球及国家尺度出发,开展作物光谱分布规律研究,进而提出普适性较高的算法,是提高全球、国家尺度农作物种植面积"一张图"遥感监测业务效率的主要途径。     

基于多时相影像植被指数变化特征的作物遥感分类

高分一号GF1/WFV遥感影像具有较高的时间和空间分辨率,利用多时相影像开展农作物分类调查具有明显优势。以安徽省颍上县为研究区域,利用2017年5月至9月共6景多时相GF-1/WFV卫星遥感影像数据对主要农作物的分类识别提取。首先,通过分析研究区主要农作物的典型植被指数NDVI、EVI和WDRVI时序变化特征,明析了不同作物在各时相对不同VI的响应特征;其次,基于作物在不同时相的敏感VI变化响应,构建了决策树分层分类模型,成功提取了研究区玉米、水稻、大豆和甘薯四种主要作物种植空间分布情况。结果表明:总体精度达到90.9%,Kappa系数为0.895。同时,采用最大似然法、支持向量机对研究区作物进行分类,通过分类效果对比发现,最大似然法最差,支持向量机次之,决策树分类方法最佳。研究表明:利用多时相时间序列的遥感影像数据,结合作物植被指数特征,采用决策树分类方法可以有效提高作物分类的精度。     

农作物种植结构遥感提取研究进展

农作物种植结构信息对农业生产管理、农业可持续发展及国家粮食安全等具有重要意义。本文中概括了农作物种植结构遥感提取的理论基础,归类了近10年间不同农作物种植结构遥感提取技术方法,重点评述了不同技术方法的特点及应用情况,讨论和展望了未来农作物种植结构遥感提取研究的发展方向。当前,光谱特征、时相特征和空间特征是农作物种植结构遥感提取的三大理论基础。基于单一影像源的种植结构提取方法操作简单,但往往难以获取种植结构“最佳识别期”的遥感影像;基于多时序影像源的种植结构提取方法可以充分利用农作物季相节律特征,成为当前农作物种植结构遥感提取的主流方法。在基于多时序影像源的种植结构提取方法中,多特征参量法较单一特征参量法更适用于农作物种植结构复杂区域,基于多特征参量的统计模型法一定程度上解决了混合像元问题,但模型的鲁棒性有待提高。此外,遥感与统计数据融合的农作物种植结构提取法在国家及全球大尺度的农作物种植结构提取中具有优势,但较低的制图分辨率使得数据产品的区域适宜性较差。未来农作物种植结构遥感提取将以区域“作物一张图”为目标,充分发挥多源数据组合利用的优势,围绕多类型作物同步提取和大范围作物种植结构提取开展深入研究,重点加强遥感数据预处理、特征参量提取和分类器高效选择等关键技术研究,从而提升农作物种植结构遥感提取的时空尺度,满足多方位的农业应用需求。     

高分一号卫星影像监测水稻种植面积研究综述

简要介绍了高分一号卫星应用于农情遥感监测的优势和水稻种植面积遥感监测的原理,着重对遥感影像数据预处理、遥感影像分类方法与水稻面积提取技术等方面的研究进展进行了综述。高分一号卫星具有高空间分辨率和时间分辨率的特点,反映作物的光谱特征明显,适合选用为农情遥感监测的数据源;基于高分辨率卫星影像的水稻种植面积提取技术比较成熟;基于决策树、人工神经网络、专家知识、人工目视解译等分类提取方法应用前景广阔,但精度有待进一步提高。     

基于时序影像及关键物候特征的江苏省夏收农作物提取

农作物遥感分类与识别是提取农作物种植范围和面积的基础,也是开展农作物长势、产量、所受灾害等相关信息监测的基础。油菜和小麦是江苏省越冬主要农作物,为解决江苏省主要夏收农作物快速、准确提取的难题,以宜兴市为例,提出了基于时序影像及关键物候特征的夏收农作物提取方法,基于不同农作物在生长发育过程中差异性特征,结合农作物的物候信息,采用表达作物每个生长期阶段特征的时间序列影像数据,对不同的农作物进行提取,提取结果显示,总体精度为92.65%,Kappa系数为0.86,说明利用该方法提取江苏省夏收农作物技术可行,提取结果可为农作物种植面积估算提供参考,为农作物精细监测、耕地非粮化监测提供技术支撑。     

作物种植面积遥感提取方法的研究进展*

 农作物种植面积监测是遥感估产的关键技术之一。回顾和总结了国内外利用遥感数据进行农作物种植面积提取的方法,重点分析了遥感影像分析方法的进展以及大面积作物种植面积提取两个方面,对农作物种植面积遥感提取的发展方向作了简要评述。     

农业种植结构的遥感分析——以内蒙古包头市土默特右旗为例

根据农作物的反射光谱特征和物候历差异,基于遥感影像及其反演指标可以监测农作物长势,获取作物播种面积、作物布局等农业种植结构信息。研究表明内蒙古包头市土默特右旗主要农作物为玉米、小麦和向日葵等,旗中部农作物整齐度高、长势较好;旗南部黄河周边地区,作物整齐度和长势均较差,农田荒芜严重;研究区域满足麦类+蔬菜复种的光温资源需求,可提高土地和农业气候资源利用率。农业种植结构的遥感分析有助于把握作物长势的空间变异,反映土地资源和农业气候资源的时空利用状况,对于把握农情、指导农业生产、调整农业产业结构等具有重要意义。     

基于高光谱遥感的农作物分类研究进展

【目的】农作物类型识别是农作物面积、长势监测与产量预测的重要前提。及时、准确地获取农作物类型、空间分布以及种植面积对制定农业政策、促进社会经济发展和保障国家粮食安全具有重要意义。近年来,高光谱遥感凭借光谱分辨率高、光谱信息丰富等优点,已广泛应用于农作物制图中。【方法】文章归纳了高光谱遥感应用于农作物分类的研究进展,总结了国内外农作物分类常用的高光谱数据源,并分析了各种数据源的适用范围。梳理了农作物高光谱遥感分类方法,讨论了各种分类方法的优缺点。【结果】现有农作物高光谱遥感分类研究存在一些不足:(1)机载高光谱影像光谱分辨率高,但影像监测面积小,不适合大区域农作物面积提取研究;(2)星载高光谱影像监测面积较大,但空间分辨率较低,某些农作物面积提取实际应用中精度较低;(3)由于缺乏对农作物高光谱特征的研究,导致分类算法机理性不足,普适性较差。【结论】农作物高光谱遥感分类未来研究方向是:(1)丰富高光谱遥感监测的农作物类型;(2)提高高光谱影像的空间分辨率,实现农作物种植结构复杂、地块破碎地区的农作物分类研究;(3)进一步研究利用高光谱遥感进行农作物分类的机理和多源数据融合的方法。     

黑龙江省垦区大豆和玉米重迎茬遥感监测研究 ——以友谊农场为例

本文以友谊农场为研究区,基于RS与GIS技术开展2009-2011年大豆、玉米的重迎茬监测研究,旨在完善作物重迎茬监测方法,掌握研究区大豆与玉米的重迎茬状况,为黑龙江省垦区作物种植结构调整提供客观依据。结果显示:友谊农场近三年玉米种植面积快速增加,大豆种植面积逐年减少,大豆与玉米总种植面积占旱作作物种植面积的比例稳定在88%左右;大豆重茬率由2010年的49.28%攀升至2011年的51.75%,玉米重茬率由2010年的43.29%增长到2011年的46.58%;2011年,大豆迎茬率为41.88%,玉米迎茬率达27.81%;友谊农场大豆、玉米重迎茬具有显著的区域差异,其东北部大豆与玉米的种植面积少、重迎茬率低,西南部大豆与玉米的种植面积广、重迎茬率高,中部大豆与玉米的种植面积逐渐减少,重迎茬率变化较快;友谊县地貌态势、国家农业发展政策及外部农业市场环境是造成大豆与玉米种植重迎茬时空格局的重要原因。     

农作物冷冻害遥感监测研究进展

当前全球极端天气气候事件发生的频率和强度增大,造成的灾害损失不断增加。其中,冷冻害是作物常见的灾害之一,农业部门及各地方政府等相关部门都对农作物灾害的实时监测极为关注。遥感技术的发展为作物冷冻害的监测和预报提供了快速、无损、大面积监测的手段。本文对作物冷冻害遥感监测的主要研究进展进行了综述,并归纳了作物冷冻害遥感监测的主要技术方法。目前国内外关于农作物冷冻害遥感监测,在监测机理、精度、实时性和实用化等方面还存在着较大的不足,还有待于深入研究。对此提出了进一步加强光谱响应机理研究、空基和地基相结合、多源多时相数据互补的解决对策,并进行了展望。     

基于Bi-LSTM模型的时间序列遥感作物分类研究

【目的】及时、准确地作物分类制图是农情监测的重要依据。本研究基于双向长短期记忆网络模型探究深度学习技术在时间序列遥感作物分类与早期识别中的应用潜力。【方法】本文以黄河三角洲地区为例,以哨兵2号全年可用卫星影像为数据源,构建年时间序列NDVI数据集;采用循环神经网络构架,搭建针对结构化时序数据的双向长短期记忆网络模型（bidirectional long short-term memory,Bi-LSTM）,开展遥感作物分类,并评估模型的泛化能力;通过输入不同长度时间序列遥感数据,探究满足一定制图精度条件下的作物最早可识别时间。【结果】作物年生长时序特征对于大多数作物遥感分类识别都具有较好的区分能力,基于年时间序列NDVI数据的Bi-LSTM模型作物分类总体准确率达90.9%,Kappa系数达到0.892。通过测试不同时间序列长度对作物分类的影响发现,对大多数作物来说,其分类精度随着数据时间序列长度增加而不断提高,冬小麦、水稻等作物在生长季早期即具有较为独特的分类特征,因而利用生长季早期的时间序列影像即可获得较高的制图精度,而棉花、春玉米等作物需要完整生长序列影像才能更好地保证分类精度。【结论】卫星影像时间序列蕴含的结构化特征信息可以有效地降低特定时段的作物光谱混淆;双向循环神经网络模型能够同时考虑前向和后向的时间状态信息,可以学习作物不同阶段的光谱变化特征,在水稻、棉花、春玉米等易混淆作物的识别上表现优异;模型能够有效地把握样本总体上的变化趋势,在农作物多分类任务中表现出较好的泛化能力和鲁棒性。本研究通过集成深度学习和遥感时间序列,为及时、快速的区域作物高精度制图提供了可行的思路。     

基于粒子滤波的LAI时间序列重构算法设计与实现

遥感观测的叶面积指数（LAI）时间序列数据广泛应用于作物长势监测,但数据受大气条件等影响,存在数值偏低和时间序列数据缺失等问题。为此,本文设计了一种基于重采样粒子滤波的LAI时间序列重构算法,以LAI为同化变量,在WOFOST模型本地化的基础上,实现了遥感LAI数据和WOFOST模型模拟的LAI数据的同化,以重构LAI时间序列。算法将WOFOST作物模型简化为LAI状态随时间演变的非线性计算方程,作为重采样粒子滤波的状态转移方程;将地面实测LAI数据和遥感LAI数据建立的线性方程,作为重采样粒子滤波的观测方程,建立LAI时间序列数据同化模型。以带权重粒子表示LAI时间序列状态后验分布,并在循环迭代中对粒子重采样,以此实现单点和区域LAI时间序列重构。应用该算法,对河北省冬麦区2010年LAI时间序列进行重构,结果表明,基于重采样粒子滤波的LAI时间序列重构算法在单点和区域上得到的LAI值明显更接近冬小麦实际生长状况,且算法能够弥补遥感LAI时序数据的缺失,为进一步的作物长势监测提供基础支撑。     

基于遥感影像NDVI数据的中国种植制度分布变化

【目的】利用1986和1996年的十天合成NOAA-AVHRR-NDVI数据以及2000年SPOT-VEGETATION-NDVI数据对中国主要的种植制度（熟制）分布进行制图,对比二次差分法和离散傅里叶转换法对熟制信息提取的有效性;比较中国多年熟制分布图,研究中国近些年的熟制变化,同时结合气象数据,分析影响熟制变化的可能因素,为粮食产量变化及其原因分析提供理论依据。【方法】首先,利用欧空局全球陆地覆盖数据（ESA GlobCover）,提取中国农业植被区域。其次,使用ENVI和ArcGIS软件,分别利用二次差分法和傅里叶变换法对1986年的植被指数数据进行农业熟制的分布提取,并以中国科学院植物研究所编著的1:400万比例尺的《中国植被图》中的熟制信息作为参考,对两种方法提取熟制信息精度进行检验;采用二次差分法分别绘出1996年及2006年熟制分布图,说明中国熟制分布的变化。最后,利用零级带≥0℃积温划分指标,分析年积温等气候因素对熟制的影响。【结果】（1） 二次差分法和傅里叶变换法提取的熟制分布结果都基本符合中国农业熟制的分布规律,遵循越往南熟制越复杂的规律。一年一熟区主要分布在东北大部分地区,一年两熟区分布在河南、河北、山东和安徽一带,而一年三熟的区域零星分布在湖北省以南的省份。熟制分类的精度分别为76.5%和69.4%,kappa系数分别为0.64和0.51,二次差分法的分类精度高于傅里叶变换。（2）利用分类精度较高的二次差分法提取中国1986年、1996年到2006年的熟制分布信息,发现中国熟制间的界线发生了不同程度的北移和西扩,尤其是一年两熟的北界由1986的辽南葫芦岛北移到辽中本溪、沈阳一线,西界也由1986年的甘肃平凉、陕西宝鸡一带西扩至宁夏临夏回族自治州、青海海东地区。同时熟制之间的转换也是复杂多变的,一年一熟制的面积从1986年到2006年减少了33万平方公里,一年两熟增加了36万平方公里,一年三熟的面积增加了4万平方公里。（3）从年积温的分布来看,4 200℃和6 100℃积温等值线都有不同程度的北移西扩,说明积温变化可能是引起中国熟制北移的重要原因。【结论】基于时序序列的遥感数据可以进行中国熟制分布的实际变化监测。二次差分法是一种有效提取中国熟制信息的方法。中国熟制的界线,尤其是一年两熟的界限有一定程度的北移和西扩,使得一年一熟的面积大幅减少而一年两熟的面积有很大的增加,而一年三熟的面积变化不大。气候变暖对中国的熟制分布有一定的影响。通过遥感方法研究中国熟制的分布及其变化,能够及时、准确地了解和评价中国农作物生产情况和生产潜力,便于农业相关部门制定及时、有效的农业政策。     

基于多时相GF-1遥感影像的作物分类提取

为了提高遥感影像数据对作物分类提取的精度,更多地反映作物的空间分布结构和物候差异,以黑龙江农垦赵光农场为研究对象,提出一种基于分区与决策树分层分类相结合的作物遥感分类方法,利用2014年高分一号卫星(GF-1)WFV遥感影像数据(4景)开展主要作物的识别分类提取。首先,结合实地调查与影像光谱特征信息的总体分布,将研究区分割成3个子区域(西南区、北部区和东南区);其次,基于多时相遥感影像序列,分析主要作物的反射光谱和植被指数的时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了赵光农场主要作物的空间种植信息。结果表明,2种分类方法的精度都很高,总体精度均在97.00%以上,Kappa系数均在0.900 0以上。分区分类更优于整幅图像非分区分类,总体精度达到98.10%,Kappa系数达到0.960 7;非分区分类总体精度为97.50%,Kappa系数为0.948 3。研究表明,基于分区与决策树分类法相结合的作物分类结果精度,明显优于不使用分区分类的结果。由分区与决策树分层相结合的分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。     

Perspective of Chinese GF-1 high-resolution satellite data in agricultural remote sensing monitoring

High-resolution satellite data have been playing an important role in agricultural remote sensing monitoring. However,the major data sources of high-resolution images are not owned by China. The cost of large scale use of high resolution imagery data becomes prohibitive. In pace of the launch of the Chinese "High Resolution Earth Observation Systems",China is able to receive superb high-resolution remotely sensed images(GF series) that equalizes or even surpasses foreign similar satellites in respect of spatial resolution,scanning width and revisit period. This paper provides a perspective of using high resolution remote sensing data from satellite GF-1 for agriculture monitoring. It also assesses the applicability of GF-1 data for agricultural monitoring,and identifies potential applications from regional to national scales. GF-1's high resolution(i.e.,2 m/8 m),high revisit cycle(i.e.,4 days),and its visible and near-infrared(VNIR) spectral bands enable a continuous,efficient and effective agricultural dynamics monitoring. Thus,it has gradually substituted the foreign data sources for mapping crop planting areas,monitoring crop growth,estimating crop yield,monitoring natural disasters,and supporting precision and facility agriculture in China agricultural remote sensing monitoring system(CHARMS). However,it is still at the initial stage of GF-1 data application in agricultural remote sensing monitoring. Advanced algorithms for estimating agronomic parameters and soil quality with GF-1 data need to be further investigated,especially for improving the performance of remote sensing monitoring in the fragmented landscapes. In addition,the thematic product series in terms of land cover,crop allocation,crop growth and production are required to be developed in association with other data sources at multiple spatial scales. Despite the advantages,the issues such as low spectrum resolution and image distortion associated with high spatial resolution and wide swath width,might pose challenges for GF-1 data applications and need to be addressed in future agricultural monitoring.     

基于粒子滤波的LAI时间序列重构算法设计与实现

遥感观测的叶面积指数(LAI)时间序列数据广泛应用于作物长势监测,但数据受大气条件等影响,存在数值偏低和时间序列数据缺失等问题。为此,本文设计了一种基于重采样粒子滤波的LAI时间序列重构算法,以LAI为同化变量,在WOFOST模型本地化的基础上,实现了遥感LAI数据和WOFOST模型模拟的LAI数据的同化,以重构LAI时间序列。算法将WOFOST作物模型简化为LAI状态随时间演变的非线性计算方程,作为重采样粒子滤波的状态转移方程;将地面实测LAI数据和遥感LAI数据建立的线性方程,作为重采样粒子滤波的观测方程,建立LAI时间序列数据同化模型。以带权重粒子表示LAI时间序列状态后验分布,并在循环迭代中对粒子重采样,以此实现单点和区域LAI时间序列重构。应用该算法,对河北省冬麦区2010年LAI时间序列进行重构,结果表明,基于重采样粒子滤波的LAI时间序列重构算法在单点和区域上得到的LAI值明显更接近冬小麦实际生长状况,且算法能够弥补遥感LAI时序数据的缺失,为进一步的作物长势监测提供基础支撑。