基于多源数据融合的农作物病虫害监测技术研究

以黑龙江垦区水稻、玉米、大豆等作物的主要病虫害为遥感监测对象,确定了基于多源数据融合的农作物病虫害监测技术研究的内容,并简要阐述了研究的技术路线与方法。     

基于IHS的多源遥感影像数据融合研究

运用IHS变换方法对农八师148团的TM和ALOS影像数据进行数据融合。首先给出了影像融合的技术流程和IHS变换的计算方法,然后根据计算方法得到了影像融合图像,最后根据影像质量评价指标对影像融合后质量进行评价。结果表明,融合后的影像数据更有利于计算机自动解译和进行更准确的分类决策。     

多源遥感数据协同的地块级农作物精细提取

【目的】 针对云南省大理市耕地地块不规整、破碎且农作物空间种植结构复杂的特点,结合多源数据在时间和空间分辨率的优势,达到准确地提取农作物信息的目的。【方法】 协同BJ-2数据和Sentinal-2数据进行农作物精细信息提取。首先,利用空间分辨率较高的BJ-2数据进行面向对象的图像分割,获得农作物地块信息;其次,在农作物物候规律分析的基础上,通过标准差分析获得关键时相,利用相应时间分辨率较高的Sentinal-2数据获取农作物地类信息,实现基于地块的小春农作物的快速精细提取。【结果】 采用实地调查地块真值与提取地类生成混淆矩阵进行精度验证,总体精度和Kappa系数分别为87.4%和0.83。其中,连片种植的农作物如蚕豆和马铃薯提取精度较高,地块细碎且内部种植结构复杂的作物提取精度略低。【结论】 多源遥感数据协同的农作物提取方法,通过高分辨率影像上获得的对象分析单元能很好地对单一地块中的农作物空间特征进行统计分析,很大程度上弥补了中分辨率影像由于分辨率偏低所导致的混合像元处错分的不足;不仅能从耕地地块级别获得农作物种植结构,更直观地反映农作物种植,能有效提升农作物提取的精细化程度,有利于精细化的农作物种植结构管理。     

基于多源遥感影像的农作物分类提取

合成孔径雷达数据因其较强的纹理特征近年来被广泛应用于农作物分类的研究中.针对多光谱影像无法实现农作物的精确分类问题,本文选取鲁西南济宁市为研究区,融合了2020年4-9月的Sentinel-1 SAR数据和Sentinel-2多光谱数据作为数据源,提取光谱特征、纹理特征、双极化后向散射系数共52个特征变量,通过独立主成...     

多源遥感数据融合原理与模型结构及应用

在对多源遥感数据融合原理进行系统分析的基础上,从3方面阐述多源遥感数据融合的模型结构,对国内外多源遥感数据融合的应用进行评述,对多源遥感数据融合的发展方向进行了预测.     

地表温度的多源遥感数据时空融合模型构建

为解决传统的遥感数据融合模型在高异质性地表区域的融合精度不高的问题,本研究在考虑地表温度的前提下构建了一种新的多源遥感数据时空融合模型.首先,为消除反演得到的可见光与红外信息出现不对等的影响,将地表测温空间尺度为综合多地表参数的数据尺度模型.然后利用低尺度低空间分辨率的转换残差模拟地表温度.由于地表温度特征复杂,构建B...     

基于多源遥感数据的北京城市热岛研究

首先利用MODIS数据在像元尺度上获取地表温度反演中所需大气参数一大气水分含量,再利用LandsatTM影像采用Jimenez-Munoz和Sobrino的普适性单通道算法反演地表温度,通过地面实测数据对反演结果进行验证。结果表明,利用多源遥感数据反演地表温度具有较高的精度。用该方法对北京城市热岛状况进行研究,发现北京城市热岛效应十分明显,地表植被覆盖度低是城市热岛出现的主要原因之一。     

基于ANN 多源遥感数据融合的耕地种植强度估算方法研究

【目的】文章引入"种植强度指数"的概念,对现有评价指标进行改进,利用基于遥感数据的种植强度指数实现耕地集约化利用程度的精细化表达。【方法】该文以湖北省为研究区,融合Landsat 8遥感数据和MODIS时间序列植被指数数据,构建了人工神经网络模型估算湖北省耕地种植强度。【结果】利用BP神经网络提取的研究区耕地种植强度与验证样区耕地种植强度间决定系数达到0.923,证明了该研究方法的可靠性。【结论】人工神经网络模型估算方法得到的高时空融合的种植强度数据集,可为智慧农业提供技术方法和基础数据,对于耕地集约化利用的研究具有重要意义。     

农作物种植面积遥感提取研究进展

介绍了农作物种植面积遥感提取方面的研究进展,新算法包括：选择多时相数据、多源遥感数据;GIS辅助等手段,并指出采用中分辨率与低分辨率数据相结合的测量方法是获取作物种植面积的主要趋势之一。     

多源遥感数据在黑龙江水稻种植面积本底调查中的应用

利用多源遥感数据结合的优势,在地理信息系统和全球定位系统的支持下,结合地面调查,进行水稻种植面积的提取,从而实现黑龙江水稻种植面积的本底调查。为黑龙江省建立现代农业空间统计技术体系和粮食安全与区域生态保障空间的决策支持系统提供方法研究,同时也为黑龙江省农业空间统计技术和宏观农业科学决策的现代化进程提供示范。     

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。     

农作物空间格局遥感监测研究进展

遥感技术因其高时效、宽范围和低成本等优点正被广泛应用于对地观测活动中,为大区域尺度掌握农作物空间格局提供了新的科学技术手段。本文系统总结了近10年来国内外农作物空间格局遥感监测在理论、方法、实践应用等方面取得的新进展,指出了亟待解决的问题,并对今后的发展方向进行了展望。研究认为,农作物种植面积遥感监测主要根据遥感传感器记录的不同农作物光谱特征的差异,进行不同农作物种植面积的识别,方法主要包括:基于光谱特征、基于作物物候特征和基于多源数据的农作物遥感识别方法。遥感技术应用于农作物复种模式监测主要根据时间序列植被指数描述的作物季节活动过程,利用不同的拟合方法得到作物生长曲线,实现作物复种模式有效监测。农作物种植方式遥感监测是更高层次的遥感应用,主要利用时间序列遥感数据,根据作物植被指数的变化规律区分不同作物生育周期,判断不同复种模式下作物的种植顺序和方式。在未来相当长的一段时间内,建立农作物空间格局遥感监测的理论和技术体系、发展和改进遥感影像分类方法、优化时间序列遥感数据平滑技术和提高信息提取的自动化与流程化将是农作物空间格局遥感监测需要重点解决的几个关键问题。     

高光谱遥感技术在作物营养监测中的研究进展

高光谱遥感技术可以快速准确地获取农田作物生长状态的实时信息,为实施精准农业提供重要的技术支撑。该文综述了高光谱遥感技术监测作物N、P、K及叶绿素营养状况的国内外研究进展,并提出了一些今后研究的设想,以期促进高光谱遥感技术在作物营养领域的应用,为精确农业发展提供理论依据。     

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。     

作物环境胁迫高光谱遥感监测研究进展

作物环境胁迫频发不仅严重影响区域粮食生产和生态安全,还威胁社会经济稳定和可持续发展,高光谱遥感可实时、准确监测作物环境胁迫,与传统监测方法相比具有较大优势。首先阐述了高光谱遥感监测作物环境胁迫的理论基础,重点从基于光谱响应特征的直接监测、基于农学参数和生理信息反演的间接监测两方面,概述了高光谱遥感在监测作物病虫害、水分胁迫方面的研究进展。在此基础上,提出了目前该技术在作物环境胁迫监测应用领域的不足,如光谱响应特征的专属性认识不足、反演模型的精度及普适性较低、数据使用受到限制等,并讨论了高光谱遥感在作物环境胁迫监测方面的发展方向,旨在为农作物环境胁迫监测及预警提供参考。     

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。     

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。     

遥感在农作物估产中的应用与发展

本文以遥感估产为出发点,介绍了遥感的概念、原理、方法特点及国内外遥感估产方面的研究进展。     

森林火灾遥感探测技术研究进展

森林火灾是陆地生态系统重要的自然干扰之一,也是森林面临的主要自然灾害。多源遥感技术在森林火灾探测中应用,使得森林火灾的早期探测与实时监测成为可能,遥感技术已成为森林火灾监测和防控的重要手段。本研究综述了遥感技术在森林火灾相关研究方面的应用进展,从灾前、灾时、灾后3个阶段,分析了遥感技术和方法在森林可燃物调查及载量评估、火场态势监测、火险等级预测预报、火烧迹地识别、火后森林受害评估以及植被修复等方面的应用,总结了现有研究方法中存在的问题,展望了未来森林火灾探测技术的发展方向。多源多尺度遥感探测技术如将无人机、雷达、航空遥感与航天遥感等互相结合,多方位进行森林火前火后监测,为火险等级预报、森林火灾防控、火后森林结构和功能的恢复提供依据。