基于多时相SAR数据的水稻面积提取

合成孔径雷达(SAR)由于不受天气影响,具有全天候、全天时高分辨率成像的能力,以及对某些地物的穿透探测,因此在南方多云雨地区的农作物监测方面有着很大的应用潜力。本文以江苏省盐城市阜宁县为研究区域,采用当地水稻生长周期内的长时间序列Sentinel-1A影像作为数据源,利用监督分类中的支持向量机(SVM)对SAR影像进行分类,与利用VV和VH极化组合进行后向散射系数阈值分类的方法作比较。结果表明,阈值分类方法优于监督分类方法,其总体精度为89.48%,Kappa系数为0.8184,水稻提取面积为672.65km²,相对误差为11.48%。由此可得,对不同极化组合的长时间序列SAR数据进行阈值分类可以更高效地识别地物信息,在水稻面积提取方面有独特的优势。     

基于多时相遥感数据的水稻种植面积信息提取

在遥感影像中,植物的含水量、土壤湿度在短波红外波段下表现很敏感,而红光波段和近红外波段对植物覆盖率、植物长势反映很强烈。基于时间差异的决策树水稻提取模型,通过计算水稻生长不同时期的归一化植被指数NDVI和土壤含水量指数LSWI,在江苏省盐城市射阳县开展了水稻种植区提取的相关研究。经过提取的水稻面积和地方统计数据对比表明,该模型能有效区分出水域、玉米和菜地等较易与水稻种植区混淆的地物,面积提取精度达到76.26%。     

基于相似性分析的中低分辨率复合水稻种植面积测量法

 【目的】利用遥感技术获取大范围水稻种植面积是遥感技术在农业领域的主要应用方向之一。本研究的目的是探索利用多尺度遥感数据复合测量水稻种植面积的方法。【方法】以SPOT5数据的水稻识别结果作为样本,构建图像相似性指数,通过支持向量机（SVM）混合像元分解模型,对MODIS-EVI时间序列数据进行水稻的种植面积测量。【结果】通过江苏省邳州市的试验研究得出：（1）在野外经验支持下,从MODIS-EVI时间序列数据中构建的水稻种植相似性指数可以有效反映水稻在整个研究区的空间分布情况;（2）利用图像相似性选取训练样本,能有效地提高MODIS-EVI数据的水稻种植面积的测量精度,当图像相似性指数越小,即图像相似性越高,提取的水稻种植面积也越准确;（3）通过与随机样本测量结果对比分析,基于相似样本的测量方法有着更高的稳定性;（4）该方法在不同种植结构分区内有着相似的总量精度与像元精度变化规律,均能获得较高的测量精度。【结论】基于相似样本的水稻种植面积测量方法,有助于发挥MODIS长时间序列优势,提高水稻种植面积遥感测量精度和稳定性,可以作为替代随机选取样本的方法之一。     

基于多时相Sentinel-1A数据的水稻面积提取

合成孔径雷达(SAR)具有全天候、全天时获取遥感影像的能力,因此在南方多阴雨地区有着较高的应用潜力。本研究以江苏省盐城市建湖县为研究区域,选用当地水稻生长周期内的长时间序列Sentinel-1A影像作为数据源,依据光谱微分变换分析法,采用一种雷达微分变换的方法,通过对长时间序列SAR影像进行一阶和二阶微分变换处理,选取其中水稻与其他地物后向散射系数差异明显的时间段,再利用支持向量机(SVM)模型进行分类从而获取水稻信息。与利用多时相极化SAR影像的阈值分类法进行比较可知,基于二阶微分变换的SVM分类方法优于阈值分类方法,其总体精度为89.88%,Kappa系数和F1值分别为0.841 2和0.879 5,水稻提取面积为525.32 km²,相对误差为11.58%。说明,经过微分变换的时序SAR数据结合SVM模型进行分类可以进一步提高水稻面积提取精度,为作物识别提供了一种新的思路。     

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.     

基于MODIS多时相数据的冬小麦种植面积提取方法研究

以河南省作为研究区域,采用冬小麦返青及拔节期间的高光谱数据MODIS-NDVI 16 d合成数据集,利用遥感手段对河南省冬小麦面积进行估测。利用剔除非耕地后的数据,使用最小噪声分离(MNF)的方法进行数据压缩处理,并基于连续最大角突锥模型的线性混合像元分解法进行估测计算。估测结果与当年河南省实际统计数据相比,在特殊气候影响下,其相对误差也仅在0～7%,说明这种方法提取效果较好,在农作物面积估测中具有较强的应用价值。     

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。     

多时相MODIS影像的浙江省水稻种植面积信息提取方法研究

    为准确获取水稻种植面积,以浙江省为研究区,利用8 d合成MODIS陆地表面反射率数据的特点和水稻典型物候特征,选取水稻种植前的休耕期、秧苗移栽期、生长期和成熟期等多时像MODIS地表反射率影像数据,通过归一化植被指数、增强植被指数及利用对土壤湿度和植被水分含量较为敏感的短波红外波段计算得到的陆地表面水指数进行水稻种植面积信息获取,将提取结果同现状水田与MODIS影像共同提取的数据以及浙江省统计年鉴数据进行对比分析.结果表明,利用MODIS影像的8 d合成地表反射率数据进行平原区域水稻种植面积提取,精度可达90%以上.因此,采用MODIS影像数据进行平原区域水稻遥感监测可以为政府决策部门提供信息服务.     

基于环境卫星影像的水稻种植面积提取方法研究

以环境卫星为数据源对泰兴市水稻面积进行提取,选择水稻与其他作物光谱差别最大的时期作为水稻识别的最佳时期,在利用影像原始光谱信息的基础上,分析和提取多种分类特征,运用支持向量机法、CART决策树法和最大似然法进行分类,提取水稻面积。结果表明支持向量机的分类精度最高,总体精度为80.38%,Kappa系数为0.74。说明当样本量较少时,支持向量机可以更好地利用多源信息,具有更高的分类精度。     

多时相遥感提取水稻种植区研究进展

水稻是我国主要的粮食作物之一,对水稻面积和空间分布的调查是水稻监测的基础,关系国家粮食安全问题.利用卫星遥感技术进行水稻面积与空间分布调查具有大范围、实时性等传统调查不具备的优势,成为近年来的热点.本文对近年来基于多时相遥感进行水稻种植区提取的方法进行梳理与总结,按照传感器类型从3个方面进行阐述——利用不同时相分辨率的光学传感器的提取方法、利用不同极化方式的合成孔径雷达的提取方法以及两者的结合使用的方法,对基于不同数据源的提取方法进行了概括和举例.最后对目前的研究进行合理的评价,指出存在的不足之处并对进一步的研究做出展望.     

基于深度学习和遥感数据的水稻种植面积提取

针对现有基于深度卷积神经网络进行水稻（Oryza sativa L.）遥感识别中样本采集工作量大、样本标注要求高及水稻感受野尺度选择难等问题,构建了一种基于像元和多尺度的深度卷积神经网络（DCNN）水稻遥感识别模型。首先,针对水稻种植分布特点,综合深度卷积神经网络方法的特点,设计了基于像元的DCNN提取模型;其次,将多尺度与DCNN相结合,构建多尺度DCNN模型,增加感受野的多尺度特性;最后,为了验证多尺度DCNN模型提取水稻的效果,以高分一号和高分二号卫星影像为数据源,选取传统机器学习SVM模型、语义分割D-Linknet模型、单一尺度DCNN模型进行分类精度对比分析。结果表明,本研究提出的多尺度DCNN模型的准确率、精确率、召回率、平衡F分数分别为97.75%、96.68%、99.08%、97.85%;与其他模型相比,多尺度DCNN模型结构简单、样本制作简便、识别精度高,具有较好的应用价值。     

合成孔径雷达水稻识别和监测研究进展

合成孔径雷达SAR具有全天时、全天候、高分辨率、大幅面监测地物的特征,利用SAR在阴雨天气多、云量大的水稻种植地区开展水稻识别、监测和估产具有光学遥感无可比拟的优势.总结了目前用于水稻识别和监测的SAR的类型和特征,以及SAR水稻监测后向散射机理模型,分析了影响水稻后向散射系数的主要因素,综述了国内外基于SAR的水稻识别和监测研究进展,并对未来SAR水稻研究进行了展望.     

合成孔径雷达水稻识别和监测研究进展

合成孔径雷达（SAR）具有全天时、全天候、高分辨率、大幅面监测地物的特征,利用SAR在阴雨天气多、云量大的水稻种植地区开展水稻识别、监测和估产具有光学遥感无可比拟的优势。目前基于雷达对水稻进行识别和监测的研究多用ERS/SAR、RADARSAT/SAR、ENVISATASAR等,其多是以民用或军民两用为主的星载合成孔径雷达。在用SAR数据监测水稻时,其后向散射系数来自4个方面：①入射波直接被水稻散射回去,即直接散射项（D-BS）;②入射波经水稻层的散射到达水面后,经水面反射到水稻层,经水稻层衰减回到雷达（SRE）;③入射波经水稻层衰减到达水面,经水面反射回到水稻层,经水稻层散射回去（ERS）;④入射波经水稻层衰减到达水面,经水面反射到水稻层,经水稻层的散射改变方向下行,再次经水面反射到水稻层,并经水稻层的衰减后回到雷达（W-R-W）。其中,后向散射系数的主要来源是SRE项和ERS项。SAR数据后向散射系数不仅要受到水稻物候期、植株高度、生物量、含水量等的影响,也受到自身入射角、波段、极化方式等的影响。一般地,水稻后向散射系数总体上是先随水稻生长增大,然后略有下降;水稻生长早期,后向散射系数随入射角波动的幅度较小,在水稻生长后期,后向散射系数随入射角波动的幅度变大,波动起伏次数增加;L波段和C波段的后向散射系数表现基本类同,但值要小很多,X波段则与L、C波段的表现相差较大。已有研究中大部分采用同极极化方式的后向散射系数作为研究对象。VV极化的后向散射系数变化比较平滑,HH极化的后向散射系数变化比较复杂。随着雷达卫星技术的发展,多极化、多模式、特殊波段将更能突出星载SAR的优势,拓宽SAR的应用范围,为进一步分析、识别和检测目标提供更有力的工具。     

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。     

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%。     

基于MODIS NDVI数据的辽宁省玉米种植面积提取研究

基于2017年MODIS归一化植被指数(NDVI)数据,采用Savitzky-Golay (S-G)滤波方法和非对称高斯(AG)拟合方法重构辽宁省春玉米种植面积的NDVI时序曲线,使用4次拟合法平滑重构曲线,采用动态振幅阈值法、拐点法和最大值法提取了辽宁省春玉米的关键物候期(出苗期、拔节期、抽雄期),并联合决策树分类法估测了辽宁省春玉米的种植面积。结果表明:基于S-G重构法的MODIS NDVI时序曲线的综合性能更优,其重构曲线与原曲线间的平均均方根误差(RMSE)为0.196,平均平滑拟合度(R²)为0.983;对春玉米出苗期和抽雄期的提取效果而言,基于S-G重构法的提取结果更优,平均误差分别为3.9和2.6 d;对春玉米拔节期而言,基于S-G重构法和AG重构法的提取效果相当,平均误差分别为2.9和2.8 d;基于S-G重构曲线提取的春玉米种植面积的精度为94.35%,优于基于AG重构曲线提取的精度89.29%。     

基于多极化机载合成孔径雷达(SAR)数据的水稻识别

基于多极化(HH/HV/VH/VV)机载合成孔径雷达(SAR)数据,分析水稻和典型地物在不同极化方式上的响应特征及其差异,并根据水稻的极化响应特征进行识别.结果表明:水稻在不同极化方式上的响应差异比较大,而且水稻在水平极化(HH)和垂直极化(VV)上的差异明显高于其他地物;基于这一特点,利用水平极化和垂直极化的比值〈HH〉/〈VV〉提取水稻信息,取得了较好的效果,水稻识别精度可以达到90%以上;对增强水稻信息的图像进行自动分类,分类结果表明不同生长期的水稻能够得到一定程度的区分.     

2009年福州市规模种植水稻面积倍增

近年来,中央强农惠农政策的实施,种粮效益得到明显提升,2009年福州市规模种植水稻面积比2008年成倍增加。据统计,2009年福清、长乐、连江、闽侯、永泰、闽清和马尾等县（市）区户承包种植水稻3．3hm^2面积以上的大户由2008年的152户增加到298户,     

多时相Sentinel-1影像反演玉溪典型烟区烤烟种植分布的方法

为准确识别烤烟种植分布特征,基于2020年玉溪烤烟大田生长期不同时相的11景Sentinel-1卫星影像,结合野外实地调研,分析不同土地利用类型合成孔径雷达（SAR）极化信息的可区分度,并结合70%样地训练随机森林分类方法提取不同土地利用的分布范围,最后用30%调研样地验证烤烟种植的提取精度。结果表明,垂直发射垂直接收（VV）相较于垂直发射水平接收（VH）更能区分不同土地利用类型,VH、VV、VV+VH和VV+VH+VV/VH四种极化信息组合方式中,地物分类精度最高的为VV+VH组合,总体分类精度为87.6%,Kappa系数为0.847,其中,烤烟种植识别的制图精度为96.3%,用户精度为89.4%。在玉溪典型烟区采用多时相SAR识别烤烟种植分布,识别准确率基本能满足区域烤烟种植识别的精度要求。