省域冬小麦种植面积遥感本底调查方法——以安徽省冬小麦遥感本底调查为例

遥感技术目前在农业方面得到了广泛的应用,冬小麦作为我国重要粮食作物,农业部先后2次在全国范围内组织开展了冬小麦遥感本底调查工作。该研究介绍了2015年安徽省冬小麦遥感本底调查的遥感数据选择、数据预处理、解译方法,并对调查结果进行了分析,总结了省域冬小麦种植面积遥感本底调查方法和经验。     

RapidEye卫星数据在水稻种植面积遥感调查中的应用研究——以桂平市晚稻为例

本研究在以桂平市RapidEye卫星影像为例,深入探讨RapidEye卫星影像南方地区水稻种植面积遥感调查的可行性。从RapidEye图像的几何纠正精度、图像合成处理、遥感解译标志和调查结果看,采用RapidEye图像调查的精度和实效性高,可以满足南方地区水稻种植面积遥感调查的需要。     

RapidEye卫星数据在水稻种植面积遥感调查中的应用研究——以桂平市晚稻为例

本研究在以桂平市RapidEye卫星影像为例,深入探讨RapidEye卫星影像南方地区水稻种植面积遥感调查的可行性。从RapidEye图像的几何纠正精度、图像合成处理、遥感解译标志和调查结果看,采用RapidEye图像调查的精度和实效性高,可以满足南方地区水稻种植面积遥感调查的需要。     

集成多源遥感数据与生育期时序光谱特征的水稻种植面积提取

为快速、有效地提取水稻空间分布信息,利用水稻生育期内的光学和雷达影像,依据水稻不同生育时期内的光谱变化规律,提出了简单实用的时序像元频率约束模型（TPFCM）。首先,采用中值合成法分别将Sentinel-2、Landsat-8和Sentinel-1合成为月度数据,将合成后的Sentinel-2和Landsat-8进行融合以减少云阴影对水稻像元的影响,并选取3种融合影像的特征光谱波段计算归一化植被指数（NDVI）、增强植被指数（EVI）和地表水分指数（LSWI）,生成月度多维特征成果影像。其次,检索水稻5个生育时期的遥感影像数据,利用随机森林（RF）分类器提取各生育时期的种植面积,并输入TPFCM模型计算水稻生育期内每个水稻像元的频率,最终依据预提取精度、提取面积误差阈值条件控制模型输出最优水稻空间分布信息。结果表明,TPFCM模型输出的水稻提取面积相对误差为-3.83%,与基于RF分类器的单一生育时期的水稻提取面积相对误差相比绝对值减少了3.94百分点,且提取面积与统计参考面积相关性显著（R2=0.97）。     

不同遥感数据融合方法在南方水稻面积监测中的应用研究

在南方水稻遥感监测中,单一传感器影像数据已不能满足监测精度的要求,需要将高空间分辨率全色影像与中高空间分辨率多光谱影像进行融合,得到新的高空间分辨率多光谱影像,有利于改善影像识别与分类精度.该文利用江苏省金湖地区HJ-1A卫星30m分辨率多波段影像与ALOS卫星2.5m分辨率全色影像进行水稻监测,采用4种融合方法(Brovey变换、IHS变换、高通滤波和小波变换)对2种影像进行融合处理.随后对各种融合影像结果进行了目视定性和融合评价指标定量说明与评价,结果表明小波变换在空间与光谱信息上具有最佳的融合效果.进一步利用小波变换的融合影像进行水稻识别与面积提取,统计表明融合影像相比HJ-1A多光谱影像,水稻面积估测精度从79.26%提高到91.65%.因此,利用多源遥感数据融合的方法对南方水稻面积进行监测,可显著提高其监测精度.     

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。     

基于多源数据的水稻种植面积提取

引入水稻关键期提取和变化向量分析方法,以江苏省海安县水稻为研究对象,以MODIS数据和环境小卫星数据为主要数据源,分析了2009年水稻物候期内的规律,并根据该指示选择合适的中分辨率数据进行变化向量分析。研究表明,该方法可以有效地反映耕地地块内水稻像元的变化规律,且基于物候关键期内的时相选择可以提高水稻种植面积识别精度。     

基于中巴资源卫星数据的水稻种植面积监测——以梁平县为例

以Landsat TM影像数据为参照标准, 中巴卫星CBRES CCD影像为基础数据, 并结合土地利用现状图与实地考查资料, 综合应用了RS和GIS技术手段, 对重庆市梁平县进行地物分类和水稻种植面积提取, 获得的研究区水稻种植信息与TM数据提取的结果相比较, 精度达到92.37%. 通过试验研究得到以下初步结论: (1) 利用CBRES-02 CCD数据提取研究区的水稻种植面积可以得到比较满意的效果. (2) 水稻识别精度受到海拔高度与地形因素的影响, 海拔越低, 地势越平坦, 水稻分布越集中, 水稻识别精度越高; 海拔越高, 地形条件越复杂, 地块越破碎, 水稻识别的精度越低.     

江苏省水稻主产区水稻种植面积时空动态变化分析

【目的】揭示江苏省水稻种植时空格局及动态变化特征,评价其稳定生产水平和种 植结构的空间变化规律,为江苏省水稻生产空间布局的优化调整和可持续发展提供决策依 据。【方法】文章选择江苏省水稻主产区50 个1∶50 000 比例尺标准地形图图幅单元为研究 区域,基于江苏省5 m 空间分辨率耕地遥感数据库,利用2011—2019 年水稻生长期内多源 遥感卫星影像,提取研究区当年的水稻种植面积及空间分布信息。运用数理统计和GIS 空间 分析功能,研究水稻面积变化幅度、变异系数以及转非水稻面积的时空分布特征,继而分析 2011—2019 年水稻种植面积的时空动态变化。【结果】研究区内50% 的地区水稻种植面积 仍然保持相对稳定,42% 的地区水稻种植面积缓慢下降,仅8% 的地区水稻种植面积急剧下 降。2011 年以来,累计有11.6 万hm2 水稻田逐年转为非耕地或持续种植其他作物,占2011 年研究区内水稻种植面积的13.7%。【结论】2011—2019 年研究区内水稻种植面积变化趋势 线斜率为-0.88,总体呈下降趋势,水稻面积平均变化率为-1.03%,变异系数为2.99%。     

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。     

遥感技术在黑龙江省大豆种植面积监测中的应用

利用遥感手段进行作物种植面积监测是国家保障粮食安全的基础性措施之一.以2010年度黑龙江地区大豆种植面积遥感监测为例,利用抽样的方式对遥感监测样区进行面积监测,在抽样样方监测调查的基础上对遥感监测样区的结果进行修正,对比2009年黑龙江地区大豆种植面积监测的结果,得出2010年黑龙江地区大豆种植面积相比2009年减少3...     

农作物遥感识别中的多源数据融合研究进展

农作物遥感识别是地理学和生态学研究的前沿和热点,多源数据在农作遥感识别中日益发挥重要作用。笔者从多源数据融合的角度,归纳了2000年后多源数据在农作物遥感识别中应用的总体概况,系统梳理并提炼了当前多源数据融合的主要融合技术和融合模式。围绕与多源数据融合和农作物遥感识别相关的关键词,在Google学术、ISI Web of Knowledge和中国知网中对2000-2014年间国内外发表的论文进行检索,并统计不同传感器的使用频率及结合方式。研究表明,以提高空间分辨率为目标的多源数据融合和以提高时间分辨率为目标的多源数据融合技术是当前的两种主要方式,可以在一定程度上实现时空尺度的扩展。前者的融合技术包括图像融合、正态模糊分布神经网络模型、成分替换、半经验数据模型融合及多分辨率小波分解等,可以提升遥感数据的空间分解力和清晰度,较好弱化混合像元产生的影响,但农作物光谱信息有一定程度的丢失或扭曲,农作物空间分布局部细节信息与纹理特征依然会缺失;后者的融合技术形式灵活多样,可分为同源数据联合扩展时序的时空优化技术和异源数据联合扩展时序的时空优化技术,其可以有效排除短时间段内农作物生育期交叉,但易受不同遥感数据源间光谱反射率或植被指数转换模型及光谱波段设置差异的影响。在融合模式方面,根据数据类型分为光学数据的融合、光学数据与微波数据的融合以及遥感与非遥感数据的融合,以实现卫星资源优势互补为宗旨,充分挖掘不同类型农作物在遥感数据上呈现的光谱、时间和空间特征差异信息。同样,农作物遥感识别研究中的多源遥感数据融合也存在诸多挑战,在未来一段时间内,完善不同传感器之间的合作、更深层次挖掘融合信息以及多尺度长时间序列的中高分辨率农作物空间分布数据集的需求是多源数据融合的农作物遥感识别研究的重点发展方向和亟待解决的问题。研究结果有助于更好地理解多源遥感数据融合的技术和模式,为摸清多源数据融合在农作物识别中总体进展提供支撑,同时也为其他多源数据融合研究提供借鉴。     

基于时序遥感数据的玉米种植面积提取方法研究

探讨了在Landsat TM图像上进行玉米分布区域信息提取的基础上,利用MODIS数据NDVI植被指数的时间序列进行提取的方法,并以吉林省榆树市实验区为例,提取了2007年的玉米种植面积。研究结果发现,该方法提高了用单一时相landsat TM进行玉米面积识别的精度。     

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。     

基于遥感技术的水稻抽穗期长势分级监测研究

选择黑龙江省泰来县为试验样区,利用环境减灾卫星数据,结合遥感、地理信息系统和全球定位系统技术手段对水稻种植面积进行监测并分析水稻抽穗期的长势情况。利用地形图,对卫星影像数据进行精校正,结合GPS调查点建立的解译标志,采用人机交互目视解译方法进行水稻面积提取,解译精度在95%以上。最后,根据水稻抽穗期的植被覆盖指数反演的叶面积指数数据信息,进行水稻长势分析与分等定级,结果表明:泰来县水稻抽穗期长势分为3个等级。叶面积指数小于4.2的为水稻长势弱的地域,占水稻总面积的5.53%,在4.2～5.9的为长势正常区域,占水稻总面积的67.80%,大于5.9的为长势旺盛区域,占水稻总面积的26.67%。     

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.     

基于总体抽样下子总体追加抽样设计的棉花种植面积遥感估算方法研究

针对遥感与抽样相结合的农作物种植面积估算方法中,子总体的作物种植面积估算需要新的抽样体系设计和样本野外调查等繁重工作,缺少基于总体下对子总体的作物种植面积估算的方法,以沙湾县、玛纳斯县和呼图壁县为总研究区,提出了基于遥感和PPS抽样相结合的总体抽样下子总体追加抽样设计的子总体研究区呼图壁县棉花种植面积估算方法,并以新疆建设兵团统计局公布数据为真值对其估算结果进行对比分析。结果显示,基于总体抽样下子总体追加抽样设计后,子总体研究区估计量的变异系数为0.023 3,远低于0.05,而追加抽样设计前变异系数为0.122 3,说明样本在该方法下的代表性得到极大提高。以新疆建设兵团统计局公布数据为真值进行对比发现,子总体研究区棉花种植面积提取精度达到94.2%,能够有效提取子总体中的棉花种植面积,同时避免了重新建立子总体研究区抽样体系所需要的人力、物力、财力等资源的消耗。     

基于ETM遥感数据的昆明地区土地利用研究

以美国Landsat-7陆地卫星ETM^＋ 遥感影像数据为信息源,利用遥感图像处理软件PCI V7.0进行波段4/3比值增强处理和波段1、3、4、5主成分分析,采用主组分加比值合成影像图的方法,即ETM^＋ 4/3（R）＋PC3（G）＋PC1（B）,提取各类地物分类信息,研究昆明地区土地利用情况。结果表明,主组分＋比值合成影像图的影像分类方法是一种可行的影像分类方法;研究区的土地利用类型组成结构和分布情况大致反映了昆明地区的现状,结果是可靠的。