基于TM数字图像的耕地变化检测及其驱动力分析

以黄河三角洲垦利县为研究靶区，采用多时相陆地卫星TM 数据，对耕地的动态变化及其驱动力进行了系统研究。采用人机交互式的目视解译和人工修正方法提取耕地信息，以分类后比较法和历史土地利用专题图支持下的目视检测方法进行耕地变化信息的获取。在此基础上，建立了基于TM数字图像的耕地变化及其自然和人为驱动力指标，通过耕地变化及其相关因素分析、空间一致性分析等，确定了耕地变化的驱动因子。结果表明：从1987年至1998年，垦利县耕地面积减少了5 321.8 hm²，平均每年减少483.8 hm²，耕地的减少主要分布于中部稻田区和东北部旱区。不良的人为活动、土壤盐渍化和水源的匮乏是该区耕地动态变化的驱动因子。     

华北平原2001-2011年冬小麦播种面积变化遥感监测

为及时、准确地获取华北平原冬小麦时空分布信息,构建多源遥感监测系统,基于MODIS EVI时间序列数据和两景TM影像,建立华北平原冬小麦时序波谱曲线库,并结合农作物物候历制订统一规则,在此基础上,重建华北平原2001-2011年冬小麦播种面积时空变化过程。结果表明:1)多源遥感监测系统提取华北平原2001-2011年冬小麦信息,在栅格尺度上获得了稳定的较高分类精度,平均为76.36%;在县域行政单元尺度上,2011年的冬小麦遥感监测面积与统计数据的耦合度也较高(决定系数为0.89,均方根误差为1.29×104 hm2);2)华北平原2001-2011年的冬小麦播种面积呈持续上升趋势,2011年比2001年增加了156.05×104 hm2(14.96%);3)冬小麦播种面积大致呈"南增北减"的时空变化格局:平原中南部的鲁西南平原、胶莱平原、豫东平原和皖北平原冬小麦种植面积扩张趋势显著;而北部的京津冀地区冬小麦面积明显收缩。该研究旨在为华北平原调整农业种植结构、制订粮食安全策略及优化水资源管理提供数据支持,也可为大范围、长时间尺度的作物播种面积时空变化遥感监测提供方法借鉴。     

利用Terra/MODIS数据提取冬小麦面积及精度分析

利用遥感技术提取作物播种面积是农情监测研究中一种实用而可行的方法。以河北省藁城市为研究区域,研究利用多时相Terra/MODIS数据提取2004年冬小麦播种面积的技术方法。在分析MODIS波谱特性与冬小麦生物学特征,并考虑了有关植被指数图像对面积提取精度的影响基础上,选择将MODIS数据的Red、Blue、NIR和ESWIR波段作为基础工作波段。利用4种方法提取了2004年藁城市各乡镇的冬小麦播种面积,并利用2004年各乡镇统计数据及土地利用数据进行了精度评价。结果表明：4种方法提取的冬小麦播种面积总体上都与参考值比较吻合,总体误差和平均误差均小于5%。可见,利用Terra/MODIS数据提取冬小麦播种面积是完全可行的。研究还发现,最佳的MODIS数据是冬小麦抽穗期的Red、Blue、NIR、ESWIR波段图像和冬小麦播种期与抽穗期EVI差值图像的组合。     

黄河三角洲典型区域冬小麦播种面积变化与土壤盐分关系研究

【目的】将土壤盐分含量与冬小麦分布变化结合,分析两者之间的时空关系,旨在探索土壤盐碱化对冬小麦种植的影响,为冬小麦生产决策提供科学依据。【方法】以黄河三角洲垦利县为研究区,采用2003年4月、2008年4月和2013年3月三期ETM影像,通过分析典型地物光谱曲线生成决策树模型,提取冬小麦分布信息,将各时相冬小麦种植分布提取结果做空间叠加,分析了近10年来冬小麦面积与分布的变化规律;并结合实地土壤盐分调查分析数据,分析了冬小麦种植面积变化与土壤盐分的关系。一方面,将垦利县冬小麦分布图分别与相应时相的土壤含盐量分布图进行空间叠加分析,并对叠加图的属性进行统计,对比分析冬小麦分布与土壤含盐量分布的关系。另一方面,通过叠加2008和2013年土壤盐分含量分布图,将盐分变化分为盐分升高区和盐分降低区,将其与同时段的冬小麦种植范围变化图进行叠加,分析土壤盐分含量变化对冬小麦分布变化的影响。【结果】1)垦利县冬小麦的分布具有明显的空间特征,主要分布在垦利县域西南部和东北部黄河沿岸两个区域,与土壤低含盐量区具有一致的空间分布特征。2)垦利县冬小麦种植面积呈现2003 2008时段大幅减少和2008 2013时段的少许增加趋势。3)冬小麦种植范围变化与土壤盐分含量的相关性极高,冬小麦种植无变化区域土壤含盐量都集中在1.52.5 g/kg之间,冬小麦种植增加区域的土壤盐分含量集中在2 3 g/kg,而冬小麦种植减少区的土壤盐分含量都在3 g/kg以上,即超过3 g/kg的土壤含盐量已不再适合冬小麦的生长。4)2008 2013年垦利县冬小麦分布区域变化显著受到土壤含盐量的变化。在土壤含盐量降低的小麦区域中,冬小麦种植增加区和不变区的面积占98.07%,而在土壤含盐量升高的小麦区域中,冬小麦种植减少的面积占84.54%。【结论】冬小麦种植范围及其变化显著受到土壤盐分状况及其变化的影响,冬小麦种植减少区的土壤盐分含量都在3 g/kg以上,且随着土壤含盐量的升高冬小麦种植面积骤减,3 g/kg的土壤含盐量是适合冬小麦生长的上限,土壤含盐量调控是维持和扩大冬小麦种植范围的关键手段。     

利用动态阈值决策树分类的华北平原冬小麦动态监测

华北平原是中国最大的粮食生产基地,准确监测其冬小麦种植面积及其变化对粮食产量预测和国家粮食安全具有重要意义。然而,不同土地利用产品所估算的小麦面积、空间分布及其动态均存在较大分歧,不能有效反映出冬小麦的长期变化特征。该研究结合作物物候特征和已有小麦专题数据产品,首先构建动态阈值决策分类算法,以降低传统方法在阈值设定和样本筛选方面的不确定性;进而分析了2003—2022年华北平原区冬小麦播种面积的长期变化规律。结果表明：1）该研究提出的动态阈值决策分类算法能准确地提取冬小麦面积,平均总体精度为93.44%,且与统计数据具有较高的一致性;2）2003—2022年华北平原冬小麦种植面积整体呈上升趋势,不同地区变化类型差异较大;3）研究时段内,持续种植冬小麦的耕地面积仅占各年份种植范围总面积的5%,种植次数低于10 a的面积占比达55%;4）河北中南部、山东省西部和河南省中北部冬小麦种植面积相对稳定,京津冀地区以及山区冬小麦播种面积变化相对频繁。该研究可为大尺度冬小麦动态监测提供了新的方法视角,并对科学制定耕地调控策略具有重要意义。     

基于地块特征基元与多时相遥感数据的冬小麦播种面积快速提取

冬小麦播种面积监测是农情遥感的重要研究内容之一,及时、准确地获取冬小麦的播种面积对冬小麦产量估算具有重要的意义。该文在面向对象技术的支持下,首先利用融合的高空间分辨率SPOT5遥感影像提取农田地块专题层信息;然后在专题层控制下对多时相的ETM+遥感数据统一尺度分割,得到不同时相遥感影像相同形状的地块特征基元;通过光谱特征规则集构建不同时相的冬小麦信息提取模型,实现对各个时期冬小麦播种田块对象的提取;最后通过交叉验证,确定最终的冬小麦播种面积。结果表明,该方法能够快速获得冬小麦播种面积,总体精度达到90%以上,基本上能够满足农情遥感监测的需求,为冬小麦种植面积遥感快速监测提供了一种可行的方法。     

基于Ts-EVI时间序列谱的冬小麦面积提取

冬小麦是中国重要的粮食作物,利用遥感技术准确获取冬小麦分布面积对于从宏观上实现冬小麦生长状况和病虫害监测预警等田间精细管理以及产量预测具有十分重要的意义。采用NASA提供的2005年2～6月MYD09A1和MYD11A2数据产品,结合冬小麦生育期形态变化特征,以Ts和EVI构建的时间序列谱对河北省冬小麦种植面积的提取方法进行了研究。结果表明：冬小麦在Ts-EVI特征空间中具有独特的序列谱相特征,返青期后冬小麦的Ts在整体上表现为逐渐升高,EVI在开花期后下降,灌浆后期快速降低;对Ts-EVI空间信息的一维化处理后,采用主成分分析方法对时间信息降维,以ISODATA非监督分类方法实现冬小麦分离提取结果的样点验证精度为91.20%;Ts-EVI时间序列谱反映的作物生长过程的生理意义明确,采用Ts-EVI时间序列谱的遥感分类方法可以较好地实现冬小麦的遥感分类提取,具有较好的可行性。     

华北平原冬小麦面积遥感提取及时空变化研究

多年作物种植面积的时空变化可以反映种植结构的调整结果,并可用于进行驱动力分析。为解决连续遥感监测作物种植面积变化过程中,不同的训练样本或分类规则不能较好地反映作物种植面积时空格局变化的问题,本文首先根据研究区(华北平原)农业气象观测站提供的主要农作物物候观测资料获得主要农作物典型物候期特征,结合HANTS滤波后的NDVI时间序列数据提取不同地物类型的NDVI时序曲线,引入复种指数,探讨了CART算法在提取华北平原冬小麦种植面积的可行性,最后提取了2000—2013年华北平原冬小麦种植面积,并参考市级的农业统计数据进行精度评价。经检验,近13年的遥感监测种植面积与农业统计面积相关系数达到0.94(置信水平为95%),且各市13年面积一致性小于40%的概率仅为15%。利用遥感监测多年冬小麦空间分布信息获得其空间种植概率,能较好地反映研究区冬小麦的主要种植区,该方法可为大范围、连续年份冬小麦种植面积时空格局的遥感监测提供参考。     

基于改进坐标注意力和U-Net神经网络的淡水养殖区提取

针对淡水养殖区空间分布零碎以及样本数量不均衡等因素造成淡水养殖区提取不准确的问题，该研究提出了一种基于U-Net（U-shaped Network）的改进模型，制作了Landsat淡水养殖区动态监测的数据集，增加高、低维特征融合的坐标注意力机制提高模型的提取精度，构建多尺度特征学习更多位置信息，引入focal tversky loss损失函数提升零碎养殖区的识别率，实现1985—2021年研究区淡水养殖区的精确提取，分析近36 a年研究区淡水养殖区时空变化情况。结果表明：1）2021年淡水养殖区提取效果良好，改进后的模型总体分类精度为0.947，准确率为0.926、召回率0.966、F1分数0.946，均交并比0.899、Kappa系数为0.894，与其他模型相比，总体分类精度、Kappa系数大幅提升。2）1985—2021年，研究区淡水养殖区大致经历起步扩张、急速扩张、轻微萎缩3个阶段：1985—2000年研究区淡水养殖面积持续增加，总面积由1985年0.48 km²增长至2000年36.92 km²，年度增加量大于1 km²且小于5 km²；2000—2017年淡水养殖区面积急速增加至234.47 km²，年度增加量大于5 km²；2021养殖区面积209.58 km²，2017—2021年养殖区面积减少了24.89 km²，转出的淡水养殖区多为建设用地所取代。综上，改进的模型具有较高的识别精度，该研究可以为淡水养殖区的提取提供参考，为水产养殖业的科学化管理提供信息依据。     

基于改进多元纹理信息模型和GF-1影像的县域冬小麦面积提取

作物面积监测具有较强的时效性,应用不断发展的遥感技术能够及时可靠地监测主要作物的种植面积。该文围绕国产高分一号卫星(GF-1)农业应用关键技术,研究县域尺度农作物种植面积快速准确提取的方法。在考虑多光谱遥感影像空间相关性的基础上,利用矩阵分解和距离空间转换等数学工具设计一种改进多元纹理信息(modified multivariate texture,MMT)提取模型,实现基于GF-1遥感影像的改进多元纹理信息提取、纹理与光谱信息融合以及基于融合影像分类的县域尺度冬小麦识别和面积提取。选用冬小麦出苗和越冬2期GF-1宽视场影像,结合地面实测数据和最佳识别时相遥感参考数据,对比分析基于光谱信息、单变量纹理与光谱融合信息、改进多元纹理与光谱融合信息的3种冬小麦识别和面积量算结果,实现对改进多元纹理信息效果以及小区域和较大区域上冬小麦面积提取的精度验证。试验结果表明:1)与基于其他2种传统分类特征信息的结果相比,改进多元纹理信息的加入能够显著提高冬小麦识别精度(出苗期提高4.12%和2.36%,越冬期提高2.59%和0.94%);2)在不考虑影像质量、生育期和地面样方测量精度等客观因素的影响下,基于该文方法的小区域内冬小麦面积提取精度普遍优于90%;3)在冬小麦长势稳定的时相(越冬期),基于该文方法的较大区域冬小麦面积量算结果能够达到接近最佳识别时相(孕穗期)的面积提取精度,二者的一致性程度超过97%。因而,利用GF-1宽视场影像能够有效提取县域尺度冬小麦种植面积,可为农作物监测业务运行提供遥感数据保障。     

黄河三角洲耕地变化及其驱动力的卫星遥感分析

Taking Kenli County in the Yellow River Delta, China, as the study area and using digital satellite remote sensing techniques, cultivated land use changes and their corresponding driving forces were explored in this study. An interactive interpretation and a manual modification procedure were carried out to acquire cultivated land information. An overlay method based on classification results and a visual change detection method which was supported by land use maps were employed to detect the cultivated land changes. Based on the changes that were revealed and a spatial analysis between cultivated land use and related natural and socio-economic factors, the driving forces for cultivated land use changes in the study area were determined. The results showed a decrease in cultivated land in Kenli County of 5321.8 ha from 1987 to 1998, i.e., an average annual decrement of 483.8 ha, which occurred mainly in the central paddy field region and the northeast dry land region. Adverse human activities, soil salinization and water deficiencies were the driving forces that caused these cultivated land use changes.     

不同轮作制度下土壤中不稳定有机碳组分的变化

Taking Kenli County in the Yellow River Delta, China, as the study area and using digital satellite remote sensing techniques, cultivated land use changes and their corresponding driving forces were explored in this study. An interactive interpretation and a manual modification procedure were carried out to acquire cultivated land information. An overlay method based on classification results and a visual change detection method which was supported by land use maps were employed to detect the cultivated land changes. Based on the changes that were revealed and a spatial analysis between cultivated land use and related natural and socio-economic factors, the driving forces for cultivated land use changes in the study area were determined. The results showed a decrease in cultivated land in Kenli County of 5321.8 ha from 1987 to 1998, i.e., an average annual decrement of 483.8 ha, which occurred mainly in the central paddy field region and the northeast dry land region. Adverse human activities, soil salinization and water deficiencies were the driving forces that caused these cultivated land use changes.     

基于NDVI加权指数的冬小麦种植面积遥感监测

该文针对农业信息服务中冬小麦种植面积调查业务的现状与需求,提出了一种基于NDVI（normal difference vegetation index）时间序列的冬小麦NDVI加权指数（WNDVI,weighted NDVI index）影像算法,可在训练样本、验证样本选择的基础上实现冬小麦面积的自动提取,并以河北省安平县及周边地区2013－2014年度冬小麦面积提取为例,采用GF-1/WFV（wide field view）数据进行了算法实现。算法的主要思路是在时序影像基础上,通过冬小麦NDVI加权指数影像的构建,扩大冬小麦地类与其他地类的差异,结合自适应的阈值获取方法,区分冬小麦地类,获取冬小麦作物面积。算法包括冬小麦时间序列影像的获取、基于网格的样本点设置、构建冬小麦 NDVI 加权指数影像、迭代确定冬小麦NDVI加权指数提取阈值、精度验证这5个部分。影像的获取根据冬小麦的生长时间确定,保证每月1景GF-1/WFV无云影像,并进行预处理及NDVI计算;同时将研究区划分为一定数量的网格,每个网格再等分为2×2个子网格,根据目视解译、专家知识、实地调查等方法,确定左上网格中心点及右下网格中心点的地物类型。统计该期所有左上网格点冬小麦及其他地物的NDVI均值,冬小麦NDVI大于其他地物的将该期影像的权值设置为1,否则设置为?1,将所有时相NDVI影像进行加权平均,即可获取冬小麦NDVI加权指数影像。获取冬小麦NDVI加权指数影像后,还需设置合适的阈值提取冬小麦。该文选用右下网格点目视解译分类结果作为阈值提取依据,具体方法是将冬小麦指数从小到大按照一定间隔划分,作为冬小麦 NDVI 加权指数提取阈值,将各阈值二值法运用,与右下网格点的冬小麦提取的目视解译结果对比,精度最高的就是最优冬小麦 NDVI 加权指数分割阈值。在所有网格中,以初始识别获取的冬小麦面积为准,等概率选择10个样方作为精度验证样方进行验证。精度验证结果表明分类总体精度达到94.4%,Kappa系数达0.88。该文通过构建冬小麦NDVI加权指数,将比较复杂的多个参数转换为一个参数,并且农学意义明确,相比传统的NDVI时序影像进行冬小麦面积的提取,具有自动化程度高、面积提取精度高、分类结果稳定的特点,已经在全国农作物面积遥感监测业务中进行了应用。     

地块破碎度对软硬变化检测法识别冬小麦分布精度的影响

软硬变化检测作物识别(soft and hard change detection,SHCD)是一种新型的作物识别方法。该研究针对不同耕地地块破碎程度的农业景观地区进行SHCD冬小麦识别,分析地块破碎程度对SHCD冬小麦识别精度的影响。试验结果表明,在种植地块破碎试验区,SHCD的RMSE对分辨率不敏感,均小于0.15,bias也比较小,R2随着检测窗口的增加,相关性逐步升高,达到98%以上。在种植地块规整试验地区,亦能够得到相同试验结论。SHCD方法综合了硬变化(hard change detection,HCD)和软变化(soft change detection,SCD)各自的优势,能够达到稳定且较高的识别精度,不受影像分辨率的影响;有效地解决了SCD在硬变化区(纯净像元)受到光谱不稳定性和HCD在软变化区(混合像元)识别为"0-1"排他性结果的不足,保证了冬小麦的识别精度,为大范围进行冬小麦识别以及其他作物的变化检测识别提供前期的试验基础。     

应用线性混合模型遥感监测冬小麦种植面积

中分辨率成像光谱仪（MODIS）具有多光谱、多时相以及免费接收使用的优势。该文利用冬小麦返青期间的MODIS多光谱数据,采用传统的监督分类和阈值方法研究冬小麦种植区域的分布情况,同时针对遥感像元多为混合像元的特点,重点将线性混合像元分解技术应用于冬小麦种植面积的分解计算研究。比较不同分类方法对冬小麦种植面积估算的精度分析表明,采用线性混合分解模型,绝大部分（98.45%）的均方根误差都小于0.01,对比实际冬小麦种植面积数据,相对误差约3%,明显优于传统遥感分类方法的精度。     

黄三角濒海区土壤水盐时空分异特征及耦合关系分析

选择黄河三角洲代表区域垦利区和无棣县，将野外调查与室内分析得到的土壤表层水盐数据，按照季节、植被类型、与渤海距离进行归类，利用经典统计分析、耦合度模型、缓冲区分析、Origin三维关系分析等方法，分析研究区土壤表层（0—15 cm）水盐时空分异特征及其耦合关系。结果表明：研究区土壤水盐含量总体较高，含盐量以中度盐渍化为主，垦利土壤表层水盐含量整体高于无棣；不同季节土壤含水量排序为夏季>春季>秋季>冬季，土壤含盐量排序为春季>秋季>冬季>夏季，耦合度关系比较为春季>秋季>冬季>夏季；不同植被类型土壤含水量排序为荒草地>光板地>耕地>林地，土壤含盐量排序为光板地>荒草地>耕地>林地，耦合度关系比较为光板地>荒草地>耕地>林地；由近海到内陆，研究区土壤表层含水量、含盐量以及水盐耦合度呈现逐步递减的趋势，其中无棣变化趋势较为平缓，垦利土壤含盐量在距海40~50 km处上升，土壤含水量在距海30~40 km处明显上升，表层水盐耦合度也有所提高。研究结果为黄三角濒海区土壤资源的合理规划利用提供理论依据。     

基于地块尺度多时相遥感影像的冬小麦种植面积提取

针对仅利用单一遥感影像数据获取农作物信息精度不够问题,该文选择冬小麦主产地河南省兰考县乡镇作为研究区,以2017年多时相中分辨率Landsat8 OLI影像和Google earth上下载的亚米级高分影像为遥感数据源,结合光谱差异和农田地块信息实现冬小麦的精确提取。该算法首先构建不同时相决策树模型,分别实现2个时相的冬小麦区域初步提取;其次通过将对高分影像多尺度分割产生的地块信息分别与2个时相冬小麦播种面积初步区域相互叠加,完成地块单元控制下的冬小麦播种面积分地块统计,并通过设定不同统计阈值,分析落在每一地块单元下的冬小麦区域,生成基于地块单元的冬小麦播种面积分布图;最后通过多时相交叉验证,获取最终冬小麦播种区域。结果表明：该方法能更加准确提取冬小麦种植面积,保持较低的误判率（1.3%）水平下,得到较高的提取正确率（95.9%）,较通过对比单一Google earth高分辨率影像获取冬小麦精度（85.6%）高,该研究对通过融合多源多时相影像数据获取农作物提供参考。     

基于决策树和混合像元分解的江苏省冬小麦种植面积提取

归一化植被指数(normalized difference vegetation index,NDVI)时间序列曲线能提供作物生长动态变化信息,将其应用于农作物种植面积提取具有一定优势。该文以江苏省为研究区域,采用2013年1月1日-2014年12月19日46景250 m空间分辨率的MODIS-NDVI时间序列数据、2014年4月23日的MOD09A1反射率影像及Landsat数据,开展冬小麦种植面积的遥感识别,首先利用MODIS数据建立作物的归一化植被指数时间序列曲线,再采用Savitzky-Golay滤波方法对NDVI时间序列数据进行重构,并基于农作物物候历、种植结构和种植模式等信息,提取研究区域典型地物物候生长期的关键值,在分析冬小麦、林地、水稻物候期(生长期开始时间、生长期结束时间、生长期幅度、生长期长度及生长期的NDVI最大值)变化趋势的基础上,综合比较分析不同地物平滑重构后的NDVI时间序列曲线特征,界定作物种类,确定训练规则,利用快速、高效的决策树方法,通过多阈值限定进行分类,初步提取冬小麦的空间分布范围;但是由于存在混合像元,阈值范围的设定会影响冬小麦种植面积的提取精度,针对此类问题,运用地表反射率影像数据提取冬小麦端元波谱曲线,结合线性光谱混合模型进行混合像元分解,进而根据冬小麦丰度比例精确提取冬小麦种植面积;最后利用统计数据和空间分辨率较高的Landsat TM 8影像数据对提取结果进行县域级验证。精度评价结果表明,研究区域的冬小麦种植面积提取精度达到90%,能够较准确地反映研究区域冬小麦的分布情况,表明运用中高分辨率遥感时间序列影像数据可以准确提取作物种植面积,为农作物种植面积信息提取提供参考。