基于高分遥感数据的昌吉市棉花面积识别研究

本文探讨了如何利用高分遥感数据大范围快速提取棉花种植面积。本研究以昌吉市为研究区,基于高分一号(GF-1)遥感影像,利用实地调查的2015年昌吉市作物种植信息,选取不同的监督分类方法,加入耕地掩膜,分析得出昌吉市棉花识别的最佳识别时相以及最佳识别方法。结果表明,棉花与其他种植作物分离程度最好月份为7月,棉花种植面积最佳识别月份为7月,支持向量机分类方法总体精度最高,总体精度为95.24%,Kappa系数0.935。棉花种植面积提取以小于6个像元为最小图斑时结果最佳。高分一号遥感影像7月以支持向量机分类法解译出的2015年昌吉市棉花面积为15 974 hm2,棉花面积提取精度为95.79%。     

新疆棉花遥感识别模型研究

依据新疆主要农作物的农时历及作物的地面光谱数据,论证了在TM遥感影像中识别棉花的最佳波段为第4波段,最佳识别月份为9月,最后通过TM遥感影像上对应的波段数据进行了验证,确定了棉花的识别模式。     

遥感影像滑坡灾害识别应用研究

遥感卫星应用于滑坡灾害识别有30多年的历史,卫星遥感是进行滑坡识别的重要手段,在滑坡治理监测方面中有着重要的应用,遥感影像也在向高分辨率过渡,滑坡识别方法从目视解译向人机交互和自动识别发展,提高了滑坡识别精度.总结了滑坡特征以及近些年来国内外利用遥感影像对滑坡识别的方法和优缺点,针对存在的不足对未来研究方向提出展望.     

基于遥感数据的海洋赤潮监测应用探索

利用MODIS 1B遥感数据,在对各个波段数据进行几何校正、数据定标、太阳天顶角校正等预处理的基础上,联合采用第4、第3波段比值法和第11、第9波段比值法对秦皇岛海域的赤潮监测进行了应用,结果表明利用波段比值法可以检测出秦皇岛海域的赤潮情况。     

基于GEE的山东省马铃薯种植区提取研究

传统马铃薯种植面积估算主要基于地面测量,再逐级上报,时效性和准确性难以得到保障。文章基于Google Earth Engine谷歌地球引擎和哨兵2号（Sentinel-2）遥感影像,对山东省马铃薯种植区进行面积提取和监测。结合实地调查所获数据与目视解译法进行样本点选取,获取各类地物遥感影像样本;对不同典型地物遥感反射率做归一化处理,通过随机森林算法实现马铃薯种植区从其他地物类型中的有效识别;并构建混淆矩阵进行精度验证及对比分析。结果表明:基于GEE对山东省马铃薯种植区面积提取的分类精度达到 92.5%,Kappa 系数达到 0.916,并获取山东省马铃薯种植区整体影像、山东省各地市马铃薯种植面积。实验精度结果良好,与统计年鉴相似性较高,有很大的实际应用意义。本研究实现了大尺度范围对马铃薯种植区面积的提取。     

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Sentinel-2时序NDVI的麦冬识别研究

【目的 】 为掌握四川省重要中草药麦冬的种植面积,开展麦冬遥感识别及空间信息提取研究。 【方法 】 文章以四川省绵阳市三台县麦冬主要种植区为研究区,选取2020年11月至2021年5月共计6期Sentinel-2遥感影像,结合实地调查数据建立麦冬、油菜、小麦3种地类的样本数据集,分析该时期内麦冬、油菜、小麦的NDVI时序差异,基于随机森林算法构建麦冬提取模型。随后选取区分度最大的3期NDVI作为输入变量与以全6期NDVI作为输入变量进行麦冬提取精度对比。 【结果 】 （1） 麦冬与油菜、小麦的NDVI在11月、3月、5月差异较大;（2） 以6期的NDVI作为输入变量的麦冬种植信息提取总体精度为91.92%,Kappa系数为0.892;（3） 以3期的NDVI作为输入变量的麦冬种植信息提取总体精度为90.05%,Kappa系数为0.823 2,分类精度略低于6期NDVI全输入,但基于3期关键节点的NDVI时序数据能较准确提取麦冬种植信息。 【结论 】 该结果可为四川省麦冬遥感识别和种植区变化监测提供参考。     

基于遥感数据的东平湖面积变化监测

本文以东平湖的1985、1990、1995、2002、2005、2009年的Landsat4-5卫星遥感数据为数据源,提出了波段加和法提取东平湖的水面面积。并与归一化差异水体指数(NDWI)法、改进的归一化差异水体指数(MNDWI)法和修订型水体指数(RNDWI)法计算结果进行比较,相对误差为0.68%～7.27%。波段加和法较上述的三种方法能够更加精确地提取狭窄水面,使小区域水体与其他地物的区分边界更加明显直观。同时,通过对该湖泊1985～2009年年际水面面积变化趋势分析表明,东平湖水面面积总体呈现缓慢的下降的趋势。     

基于Sentinel-2多时相影像的果树种植区遥感提取

为提取果树的空间分布信息,以果树生长期内不同月份的Sentinel-2多光谱遥感影像为数据源,以大沙河流域果树为研究对象,通过分析不同月份的光谱信息得出最佳监测时期,并在此基础上,选择不同时期的5种植被指数[归一化植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)、结构密集型色素指数(SIPI)和归一化水指数(NDWI)],结合机器学习技术构建决策树提取模型。结果发现,3、4、7、8月份的影像适于果树面积提取。通过Feature_importances_属性筛选出贡献度高的不同时期的植被指数作为输入特征,结合超参数学习曲线和网格搜索技术确定决策树模型的Max_depth和Min_samples_leaf参数分别为5和10时模型的效果最佳。参数调整后绘制决策树模型,模型在训练集和测试集上的精度分别达到了0.919 4和0.875 1。提取结果表明,研究区内的果树主要种植在大沙河两岸,东部与西北部的果树种植地块较为零碎,总的果树种植面积为6 838 hm²。在验证样本的基础上,通过混淆矩阵计算提取结果的精度,结果显示,Kappa系数为0.87,果树种植区提取的用户精度和制图精度分别为92.91%和90.77%。结果说明,本文所提出的方法适用于大区域果树的遥感提取,可为基于中高分辨率遥感影像的果树种植区监测提供有效的技术手段。     

马铃薯病害的可视化计算机识别技术

本文旨在研究可视化计算机识别技术来提高对马铃薯病害的识别作用.在可视化计算机识别技术的基础上,引进了OTSU-SFLA算法对图像病斑分隔处理,通过卷积神经网络识别法对马铃薯病害进行图像特征提取和图像识别.实验结果表明,该识别方法能够对马铃薯早疫病等5种马铃薯常见病害实现图片识别,平均综合识别率达到98.2％.可视化计算...     

基于遥感影像数据的土壤制图研究进展

【目的】 数字土壤制图成本低、精度高,是刻画土壤环境变量的新技术和新工具,遥感技术在数字土壤制图业务化应用中发挥了重要作用,但是还存在诸多问题和不确定性。文章总结相关研究进展,以期为基于遥感影像数据的土壤数字制图提供有益参考。【方法】 梳理遥感技术在土壤类型与属性制图研究中的进展情况并进行总结展望,以期更好地发挥高空间、时间、光谱分辨率遥感数据在土壤数字制图方面的作用,为研发新模型、提高土壤制图模型精度提供信息支撑,为第三次全国土壤普查数字土壤制图提供有益参考。【结果】 遥感数据的特征与土壤发生学理论契合并推动了土壤制图的发展,但是,基于遥感的土壤制图技术在快速土壤环境变量因子提取、自适应制图指标筛选、满足多层级制图需求的土壤推测制图模型构建等方面还需要进一步深入探讨。【结论】 为了实现土壤类型与属性制图的业务化、流程化和自动化,未来的研究应该着眼于从“环境变量分析—评价指标体系筛选—预测模型构建”一体化解决方案入手,探讨如何融合多种遥感载荷、综合运用新型模型,以提高数字土壤制图的精度,为农业生产和土地资源管理提供更为精准的信息支撑。     

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。     

基于模糊C均值聚类的林地遥感图像分类研究

在以往国内外相关研究的基础上,以我国东北长白山系典型林区为试验区,以2007年7月Landat5卫星TM多光谱图像为遥感数据,运用模糊C均值聚类方法对遥感图像进行分类试验．分类结果显示：模糊C均值分类方法在总分类精度和Kappa系数上都占有一定的优势,比传统分类方法有着更好的分类效果．模糊C均值方法在林地植被的遥感分类中具有较好的应用前景．     

基于高分辨率遥感影像的农村房屋自动化识别

[目的]为了改善遥感影像分类算法对"同谱异物"的农村房屋与乡村道路的区分能力,提高房屋识别的空间平滑性与自动检测精度,为后续的农村宅基地遥感监测提供技术支撑.[方法]文章基于光谱-空间核函数集成支持向量机(光谱-空间核SVM)算法框架,发展了一种适于高分辨率遥感影像的农村房屋自动化识别方法.首先,对高分辨率遥感影像进行...     

基于多光谱遥感的土壤含水量定量监测与分析

土壤含水量直接影响农作物的生长状况,是决定耕地质量的一个重要参数.从土壤含水量对耕地质量的影响出发,利用资源三号卫星(ZY-3)多光谱数据和实地测量数据进行对比,采用回归分析法,建立遥感光谱指数反演土壤水分含量数学模型,并以含山县铜闸土地整理项目区为例,分析整理区与未整理区土壤含水分变化及空间分布.结果表明,增强型植被指数(EVI)与不同耕层土壤水分线性拟合效果较好,相关系数达0.79以上,EVI值可有效反演土壤水分,多光谱遥感可以大面积定量监测土壤含水量.整理区与未整理区相比,低含水量水平面积减少32.7％;中等含水量水平面积增加1.9％;高含水量水平面积增加30.8％,整理区的含水量及分布明显高于未整治区,说明土地整理项目增强了土壤保水保墒能力.     

基于Matlab遥感数据分形及地统计分析软件实现

为实现遥感数据空间结构信息快速获取,该研究以Matlab为平台,开发研制了遥感数据分形和地统计分形软件系统(FGARS).该软件系统具有良好的图形用户界面,且易于修改扩充.通过高光谱数据分形测量、城市空间结构多重分形分析和森林空间异质性分析等3个实例,表明利用该系统进行分析能正确的表达不同区域的空间结构信息.这为利用分形、地统计这两个新的工具从遥感数据中提取空间信息带来了很大便利.      

基于可见光波段的无人机超低空遥感图像处理

【目的】探讨低成本的可见光超低空农业遥感平台提取与分析农情信息的可行性,为农用无人机精准施药与农情监测提供技术支持。【方法】以仅包含红光、蓝光和绿光的超低空可见光农田遥感图像为研究对象:首先利用张氏校正法获取相机的畸变矩阵,并校正图像;然后提取与分析图像的可见光植被指数;最后通过分析超低空可见光农田图像中植被与非植被的光谱特性,对可见光超低空遥感图像进行植被信息提取。【结果】获得的农田植被提取图像很好地区分了植被与非植被。【结论】基于可见光的超低空遥感农业信息获取系统应用具有可行性,可为构造低成本的可见光低空遥感监测系统提供参考。     

基于地物特征的遥感图像融合效果

以ETM多谱段和全色影像为数据源,在最佳波段组合分析的基础上,采用主成分变换、乘积变换、小波变换、小波+IHS混合变换和小波+主成分混合变换等方法对图像进行融合.以均值、标准差、信息熵为评价指标,比较分析了不同地物特征的图像融合效果.结果表明:采用小波+IHS混合方法有利于耕地信息的提取;采用小波+主成分融合方法有利于居民地、林地、牧草地、水域、未利用地和园地等信息的提取.