多源卫星遥感秸秆焚烧过火面积动态监测

该文针对秸秆焚烧过火面积动态监测中高时间、高空间分辨率难以同时实现的问题,提出利用多源数据(Landsat8、GF-1、HJ-1A/B)来提升中分辨率卫星遥感的观测频次,并通过叠置分析和面向对象影像分析技术提高面积提取精度。使用该方法对河南省太康县进行了8次单日内全覆盖的秸秆焚烧过火面积提取,并通过变化检测获取各乡镇农田秸秆焚烧的累计过火面积、新增过火面积和新增过火农田翻耕面积的时空变化趋势。经验证,面积提取精度达93.89%以上,秸秆焚烧新增过火面积变化趋势与环保部监测结果基本相符。经分析,秸秆焚烧通常会在农作物大面积收割后的某个时间点开始,由若干个起火点随时序朝某个主方向进行传播蔓延,过火区域会随之出现间歇性的大范围翻耕,二者同时进行,即秸秆焚烧新增过火面积与新增过火农田翻耕面积随时序呈反向波浪状变化。说明相比利用低空间分辨率遥感数据进行广域监测,该方法可得到时效性强且精度更高的过火面积空间分布信息,能揭示出秸秆焚烧现象在县、乡尺度上的变化规律与细节。     

基于GF-1卫星数据的农作物种植面积遥感抽样调查方法

GF-1号卫星是中国2013年4月26日发射的一颗高分辨率遥感卫星,为解决该新型卫星数据在农作物对地抽样遥感调查中的应用技术方法问题,该文针对GF-1号卫星数据的特点,研究了基于GF-1号卫星16m WFV传感器和2m/8m PMS传感器卫星数据的农作物种植面积遥感抽样调查方法。根据研究区物候历,选择农作物识别关键期的16m WFV传感器数据进行多时相农作物种植面积的中分辨率遥感提取;在中分辨率农作物面积遥感分类图基础上,计算研究区域的MORAN I指数,确定格网抽样单元的大小,进行多目标农作物的MPPS(multivariate probability proportional to size)抽样;对抽样单元采用2m/8 m PMS传感器卫星数据进行高分辨率农作物面积制图;最后根据MPPS抽样方法进行总体农作物种植面积的推断,并计算CV值,评价抽样精度。以江苏省东台市为研究区对GF-1号卫星数据进行了应用研究。研究结果表明,GF-1号卫星数据完全可以应用于县级农作物种植面积的提取,农作物种植面积提取精度优于90%。     

面向省级农作物种植面积遥感估算的分层方法

针对当前遥感抽样估算中分层标志缺乏遥感识别误差描述的问题,该文探讨了基于农作物遥感识别结果的不同分层方法的抽样效率。以江苏省为研究区,采用2阶段分层,采用数字高程模型(digital elevation model,DEM)标准差进行一阶段分层,在一阶段分层的基础上,分别采用农作物识别种植规模、遥感识别破碎度、种植结构以及种植结构与破碎度指标进行二阶段分层。试验结果表明:种植结构与破碎度指标的分层效率最高,相对效率达到5.90,该分层指标融合了遥感分类结果反演出的种植结构和破碎度,不但能够有效地反映出农作物区域的景观特征,同时也较为合理地反映出区域间作物种植的差异性,为提高省级农作物种植面积遥感抽样估算效率提供有力的参考。     

全国农作物叶面积指数遥感估算方法

目前对农作物叶面积指数LAI的遥感估算研究多是针对单一作物或是作物种植结构单一的区域,该文运用大尺度农作物叶面积指数的遥感估算方法,在像元尺度上对4个代表性实验站的LAI与归一化植被指数(NDVI)的相互关系进行了回归分析后,得到4种代表性作物种植结构的LAI估算模型,然后结合全国农作物种植结构数据对模型外推,建立了一个全国尺度的遥感模型,并估算了全国作物LAI。该文使用“863”项目山东遥感应用综合试验中的作物LAI观测数据进行了验证,结果表明该模型较其它估算模型达到了较高的精度,最大相对误差为39%,平均的相对误差为19%。该模型的计算结果已经在“中国农情遥感速报”系统中得到了广泛的应用。     

土地覆盖类别面积混淆矩阵校正与回归遥感估算方法对比

混淆矩阵校正和回归估算是2类常用的,以遥感数据作为辅助的区域面积总量估算方法,但它们的相对效果及适用条件并不明确。该文根据遥感影像分类误差的分布规律模拟生成不同总体分类精度的图像,并在此数据的基础上,采用统一的抽样方案,以简单抽样反推方法为对比基准,探讨在不同的总体分类精度和不同的样本量下区域面积总量遥感估算方法的精度及稳定性。试验得到以下结论:1)相比于简单抽样反推方法,混淆矩阵校正和回归估算具有更好的准确性和稳定性;2)在各总体分类精度和样本量下,简单回归估计、比估计均具有良好的准确性和稳定性,相比于混淆矩阵校正,回归类方法略具优势;3)当遥感数据分类精度较低(≤60%)时,混淆矩阵逆校正的准确性和稳定性与简单抽样反推方法无明显区别,因此在此种情况下应尽量避免使用混淆矩阵逆校正方法。     

基于多时相GF-6遥感影像的水稻种植面积提取

为获取高精度水稻种植面积提取方法和分析红边信息在作物识别能力上的优越性,该研究选取辽宁省盘锦市为研究区域,利用2020年水稻关键物候期的多时相高分6号宽幅相机（GF-6 WFV）遥感影像,构建归一化植被指数（Normalized Difference Vegetation Index,NDVI）、归一化水体指数（Normalized Difference Water Index,NDWI）、比值植被指数（Ratio Vegetation Index,RVI）和归一化差异红边1指数（Normalized Difference Red-Edge 1 Index,NDRE1）,根据各地物类型进行时序分析,在获得水稻面积粗提取结果的基础上对其他地类进行掩膜,准确提取水稻种植面积。对2020年盘锦市水稻提取结果进行精度分析,结果表明,基于实测数据进行精度验证的总体精度为94.44%,基于目视解译数据进行精度验证的总体精度和Kappa系数分别为95.60%和0.91。根据目视解译数据对有无红边波段参与的水稻提取结果进行对比分析可知,红边波段的引入使总体分类精度、水稻制图精度和Kappa系数分别提高了3.20个百分点、6.00个百分点和0.06。该研究证明红边波段可以有效降低作物的错分、漏分情况,对水稻精准估产和丰富农作物遥感监测方法具有重要作用,显示出国产红边卫星数据在作物分类、面积提取方面具有巨大应用潜力。     

基于MODIS和天地图遥感数据的区域作物秸秆产量估算方法

乡镇是秸秆焚烧最直接责任主体,开展镇(乡)区域农作物秸秆产生量估算方法研究,可为镇(乡)区域秸秆资源规划和收储设施选址提供有效方法。该文以泗洪县车门乡为试验,研究利用MODIS卫星遥感影像时间序列数据和天地图免费遥感影像数据,建立区域秸秆资源量及其空间分布的估算方法。根据天地图选取样本田块,通过网站获取MODIS-EVI时间序列数据,确定作物类型-EVI参数判别准则;选取图像识别样本田块,以图像参数为判别变量做判别分析,确定作物类型-图像参数判别准则。基于以上方法,完成全乡秸秆资源面积和秸秆产生量估算。水稻秸秆资源量1.77万t,可收集水稻秸秆资源量1.27万t,小麦秸秆资源量2.78万t,可收集小麦秸秆资源量为1.51万t;通过实际调研得知,该地水稻秸秆实际资源发生量约为1.82万t,小麦秸秆实际资源发生量约为2.75万t,估算数据和实际数据的误差仅为2.7%和1.1%,证明了该方法可以较准确的估算实际值,而且方便易用,节约成本。     

RapidEye卫星红边波段对农作物面积提取精度的影响

在传统的可见光与红外波段基础上增加红边波段(690~730 nm),是当前高分辨卫星传感器研制的明显趋势。德国Rapid Eye卫星携带有红边波段传感器,该文基于黑龙江省北安市东胜乡2014年7月27日的Rapid Eye遥感数据,采用监督分类的方法,通过计算有红边参与条件下、无红边参与条件下,玉米、大豆及其他3种地物类型的可分性测度、分类精度及景观破碎度等指标,比较分析了2种波段组合方式下的红边波段对农作物面积提取精度的影响。其中,监督分类的训练样本是以覆盖研究区的2 km×2 km格网为基本单元,在玉米和大豆面积比例等概率原则下,选取了10个网格作为训练样本,样方内作物的识别采用目视解译的方式完成。精度验证是采用覆盖研究区的农作物面积本底调查结果评价的,本底调查数据是在5 m空间分辨率Rapideye数据初步分类基础上,根据多时相Landsat-8/OLI(Operational Land Imager)数据季节变化规律,结合地面调查,采用目视修正的方法完成。结果表明,有红边参与的玉米、大豆和其他3种地物类型识别的总体精度为88.4%,Kappa系数为0.81,玉米、大豆和其他3种地物类型的制图精度分别为93.1%,86.0%和87.3%;没有红边参与的3种地物识别的总体精度为81.7%,Kappa系数为0.71,玉米、大豆和其他3种地区类型的制图精度分别为83.9%,73.4%和84.6%;通过引入红边波段,3种地物的总体识别精度提高了6.7百分点,玉米、大豆和其他3种地物类型的识别精度分别提高了9.2百分点,12.6百分点和2.7百分点。利用Jeffries-Matusita方法计算了3种地物的可分性测度,玉米-大豆、玉米-其他、大豆-其他的可分性测度分别由0.84变为1.73、1.37变为1.81、1.27变为1.29;采用破碎度指数计算了景观破碎度,地块数量减少了69.2%,平均地块面积增加了2.2倍,平均地块周长增加了60.50%,地块面积与周长比增加了1.0倍。由上述研究结果可以看出,通过红边波段的引入,增加了地物的间的可分性测度,减少了"椒盐"效应造成的景观破碎度的增加,农作物面积识别整体精度得到了提高。目前搭载红边波段的卫星载荷越来越多,即将发射的国产卫星也拟增加红边波段提高作物识别能力,该文研究结果将为国产红边卫星数据在农业上的应用提供参考。     

基于多源遥感数据的草地生物量估算方法

为了寻求有效的草地生物量估算方法和精确估计荒漠草原草地生物量及其变化规律,该文探讨了利用全极化RADARSAT-2 C波段雷达数据和HJ1B图像及野外调查获得的样方生物量数据,估算荒漠草原人工柠条灌木林地上生物量的方法。在对柠条灌木林地上生物量和雷达后向散射系数及HJ1B图像归一化植被指数(normalized difference vegetation index,NDVI)进行相关分析的基础上,采用多元逐步回归分析从RADARSAT-2数据及HJ1B植被指数NDVI建立了人工柠条林生物量模型,用实测草地生物量值对模型进行验证,同时将光学和雷达图像进行融合和分类处理,在此基础上对草地生物量进行分布制图,并将其结果与HJ1B的NDVI模型生物量估算结果进行对比。结果表明:柠条林地上生物量与RADARSAT-2雷达后向散射系数之间存在较好的定量关系(决定系数R2=0.71,均方根误差(root mean square error,RMSE)=14.2 kg/hm2,P0.001),其估算生物量与实测生物量一致性较好,估算生物量精度优于HJ1B的NDVI指数估算结果(R2=0.27,RMSE=20.58 kg/hm2)。由此可见,利用光学图像HJ1B和雷达数据RADARSAT-2融合分类能进行地物有效识别,雷达遥感数据可以用于草地结构参数的定量研究。利用光学和微波协同遥感进行草地生态系统监测研究具有一定的应用潜力。     

基于多源遥感影像的喀斯特地貌景观解译及格局研究

喀斯特景观解译一直是我国遥感影像解译工作的重要内容之一。由于喀斯特地貌本身的复杂性以及其生长环境的相似性,喀斯特地貌解译难度较大。从地理学与景观生态学视角出发,选用高分一号卫星影像和TM影像,辅以DEM和等高线数据,汇总和建立了喀斯特地貌景观分类体系和解译标志,通过目视解译完成喀斯特地貌解译。最后运用GIS和Fragstats软件等技术手段分析了喀斯特景观格局。结果表明:国产高分一号影像数据分辨率较高,因而能够比较准确地辨别不同喀斯特地貌形态,其解译精度优于Landsat TM影像,在地貌解译工作中完全可以用高分一号卫星数据替代TM影像数据;马山喀斯特景观受人类活动影响较小,景观破碎度低,自然性、多样性、异质性、整体性较强,有利于喀斯特景观保护;峰丛是马山县优势景观类型。     

基于CBERS-1卫星图像的新疆棉花遥感监测技术体系

新疆是我国重要的产棉区。全面、快速、客观地监测棉花种植面积的年际波动情况，可为生产管理部门提供重要的决策依据。该项目是CBRES-1应用示范项目之一，目的是研究其应用潜力。该研究建立了基于CBERS-1卫星图像的新疆棉花种植面积遥感监测运行系统的技术体系，实现了新疆棉花种植面积的遥感监测，并为应用中巴资源一号卫星CCD数据监测我国其它大宗农作物的种植面积提供示范，为后续卫星在农业领域的大规模应用打下基础。     

基于多源遥感数据的艾比湖流域盐土SWAT模型参数修正

在SWAT(soil and water assessment tool)模型模拟地表分量过程中,常默认土壤剖面电导率(electrical conductivity,EC)值为0或0.1,将其应用于土壤盐渍化程度较高的流域时,不符合下垫面实际情况。为确保水文模拟逼近真实地表模拟过程,进一步提高模拟精度,该文利用GF-1号卫星16 m分辨率多光谱遥感影像结合分类回归树法反演艾比湖流域区域尺度0~100 cm土壤剖面电导率,模拟值与实测值均方根最大值误差为4.81 dS/m,相对误差最大值为15.17%。模拟值用于修正EC值,结果表明:EC值修正后的SWAT模型土壤水分模拟值,较修正前模拟值精度提高23.84个百分点。该方法在实现SWAT模型参数本地化的同时,有效提高了土壤水分模拟精度,可为土壤盐渍化区域水文模拟提供参考。     

基于GF-1卫星遥感的冬小麦面积早期识别

GF-1号卫星是中国高分卫星系列首颗卫星,自2013年04月26日发射以来,提供了大量的2 m/8 m/16 m空间分辨率的卫星数据,成为中国农业遥感监测的主要数据源之一。该文以GF-1卫星携带的16 m空间分辨率的宽视场(wide field view,WFV)传感器为主要数据源,采用2013年10月2日、10月17日、11月7日和12月5日4个时相的数据,以多尺度分割后的对象为基本分类单元,采用分层决策树分类的方法对冬小麦面积进行提取,并利用地面样方数据对分类结果进行了精度验证。结果表明,北京市顺义区冬小麦面积7 095 hm2,分类总体精度达到96.7%,制图精度为90.0%,其他未分类类别精度为97.3%,Kappa系数为0.8。研究区内冬小麦的播种时间可以分为10月1-5日早播、10月6-10日中播、10月11-15日中晚播、10月16-20日晚播等4个时间段,不同播期对应着归一化植被指数(normalized difference vegetation index,NDVI)不同的变化规律,是分层的基础,结合波段反射率、波段反射率和、波段反射率比值等参数的变化规律,通过分层可以有效的剔除草坪、桃树等容易同冬小麦混淆的地物类型,GF-1/WFV提供的多时相遥感数据能够可靠的反映冬小麦发育变化的规律,是冬小麦面积准确提取的基础,在农作物面积遥感监测业务运行中具有较大的开发应用潜力。     

无人机高光谱遥感估算冬小麦叶面积指数

为探讨利用低空无人机平台和高光谱影像对冬小麦叶面积指数进行遥感估算,该研究以拔节期冬小麦小区试验为基础,对原始冠层光谱进行一阶导数和连续统去除光谱变换,并在此基础上提取任意两波段组合的差值光谱指数（Difference Spectral Index,DSI）、比值光谱指数（Ratio Spectral Index,RSI）和归一化光谱指数（Normalized Spectral Index,NDSI）,以最优窄波段光谱指数进行叶面积指数估算模型的构建。结果表明,最优窄波段指数的构成波段主要位于红边区域,最优窄波段指数与叶面积指数均呈现非线性关系;光谱变换显著提升了光谱变量与叶面积指数的相关性,其中连续统去除光谱所获取的NDSI（738,822）光谱指数与叶面积指数的相关性最佳;窄波段光谱指数和随机森林回归算法的叶面积指数估算模型精度最高,其相对预测偏差为2.01,验证集的决定系数和均方根误差分别为0.77和0.27。基于随机森林回归算法的无人机高光谱叶面积指数估算模型能够准确地实现小区域的叶面积指数遥感填图,为后期作物长势、变量施肥等提供理论依据。     

FY-3/VIRR卫星遥感数据反演省级区域蒸散量

为了扩大气象卫星FY-3在科研、业务中的应用范围,将数据尽快用于遥感反演蒸散量业务工作中,根据FY-3/VIRR卫星通道特点,以山东为研究区域,基于地表能量平衡方程,结合地面气象要素,提出了利用FY-3卫星遥感数据进行区域蒸散反演的方法,建立了省级的区域逐日蒸散量估算系统。以2013年5月11日、8月20日、10月16日估算的日蒸散量为例,分析表明:基于FY-3/VIRR卫星反演的日蒸散量与利用Pen-man公式方法得到的数据对比,偏差分别为-0.19、-0.12和0.16 mm/d,相对偏差分别为10%、12%和11%;反演结果可准确揭示区域内不同地表覆盖类型的蒸散量的空间特点和差异性,结果较为合理;与同区域、同时段的EOS/MODIS蒸散产品进行对比分析表明:2种日蒸散产品的空间分布特征总体非常相似,相关系数在0.99以上,均方根差在0.36 mm以下,说明2种产品的一致性较好。利用中国新型自主研发的FY-3卫星资料估算蒸散量是可行的。     

基于权重最优组合和多时相遥感的作物估产

多时相遥感数据比单一时相携带了更多的反映作物产量的信息,研究如何将多时相遥感信息进行有机融合以提高作物估产精度的方法是具有意义的。权重最优组合（WOC）是一种通过对单个模型权重的最优化,来构建高精度组合模型的原理方法。论文以黑龙江农垦友谊农场大麦产量遥感估算为例,首先利用大麦4个时相的Landsat5 TM影像分别构建单一时相的大麦产量模型,然后利用WOC的迭代算法,通过赋予4个单一时相产量模型以最优权重,生成基于多时相遥感的组合模型估算大麦产量,结果表明：基于WOC和多时相遥感的组合估产模型的决定系数R2与单一时相的相比得到较大改善,估算精度提高明显。同时,通过对WOC获取的各时相单一模型最优权重大小进行分析表明：应用多时相遥感数据进行作物估产时,权重大小能够反映各时相遥感数据所携带的产量信息的多少,这对于如何选择和确定能有效反映作物产量的敏感遥感时相具有一定的指导意义。