基于高分影像特征优选的黄土高原撂荒耕地遥感监测方法

快速、准确地监测撂荒耕地对研究土地利用变化、保障国家粮食安全和制定农业政策有着重要意义,黄土高原地区复杂地貌和耕地破碎性对监测撂荒耕地颇具挑战性。该研究以国产高分卫星遥感影像为主要数据源,使用耦合遗传算法的离散二进制粒子群算法改进最佳指数因子法优选分类特征因子,采用随机森林分类和分类后变化检测方法,获得试验区2011—2022年撂荒耕地时空分布信息,通过影像目视判读和实地调查相结合的方式进行结果验证和精度评价,结果表明：1）经重要性评估发现NDVI平均精度减少（mean decrease accuracy,MDA）得分最高,经改进的优选特征方法优选特征为：绿波段、红波段、近红外波段、蓝绿波段比值指数、坡度、NDVI、方差、对比度,特征优选有效提高了高分影像的土地利用分类精度和效率;2）国产高分卫星数据可实现地块尺度撂荒耕地的精准识别,经验证,撂荒耕地识别总体精度达到92.48%;3）2011—2022年间研究区撂荒耕地总面积为5492.51 hm²,2011—2014年撂荒率最大,达21.09%,2020—2022年撂荒率最小,为0.99%。该研究构建了黄土高原地区地块尺度撂荒耕地遥感监测的方法,并进行验证和评价,对推动撂荒耕地相关研究和国产高分卫星数据的实践应用具有积极意义。     

农用地遥感影像信息的角提取方法

在高分辨率影像中,耕地和坑塘具有显著的角特征点,该文根据此特点准确地实现这两类地物信息的提取。在角提取时,针对TK（Tomasi-Kanade）角检测法对角方位的变化较为敏感这一缺陷,结合双向分析技术对传统的角检测算法加以改进,并提出鲁棒性更高的双向TK角检测;利用COVPEX（corner validation based on corner property extraction）算法对角检测结果进行验证,发现验证结果中不仅存在一些对于影像分析来说几乎无利用价值的伪角,而且还存在“角簇”现象,前者降低了验证结果的合理性,而后者破坏了角的唯一性。针对这两个问题,该文联合多尺度分析技术对COVPEX算法进行改进,提出了多尺度COVPEX算法和“去角簇”操作,角提取的精度和合理性均得到了明显地提高。     

基于High-1卫星影像的土地整治遥感监测方法研究与实践

为了找到一种可靠且高效的技术手段来提高国土部门对土地整治成效的有效监管,该文以High-1高分辨率卫星影像为基础数据,以ENVI、Auto CAD和Arc GIS软件为工具,提出了完整的利用高分辨率遥感影像对土地整治成果进行监测的技术方法和操作流程,研究了利用土地整治成果矢量图提取新增耕地、新增道路和新增沟渠信息的方法。最后利用该文方法对南水北调汉江沿线的土地整治工程的某个项目区进行了整治成果的监测和评估,通过实际应用,该方法对新增耕地、新增道路和新增沟渠的监测比分别达到了88.40%,97.34%和98.26%,监测完成后,详细的分析了三者之间监测比产生差异的原因,重点阐述了新增耕地监测比过低的原因,证明了该文方法对土地整治成果监测具有较高的效率,能够应用于土地整治的监管实践。     

基于多尺度分形特征的ETM+影像耕地提取

耕地是重要的农业资源,如何利用经济可行的遥感技术快速准确地提取耕地已成为研究的热点和难点。以北京密云县为研究区,建立了基于多尺度分形特征的ETM+遥感影像提取耕地的方法：将计算表面分形维的双层地毯法用于计算每一个像元的上分形信号和下分形信号,并对上分形信号和下分形信号进行耕地特征分析;选用下分形信号的第3尺度和第4尺度做差值处理进一步增强耕地信息,利用简单的图像分割提取出密云县耕地信息的空间分布;基于ArcGIS的空间分析利用密云县同期的土地利用现状图进行耕地信息提取精度评价。结果表明,全县耕地总面积精度达到91.0%,全县耕地点位匹配精度达71.8%;耕地中的旱地提取精度较差,而耕地中的水浇地和菜地提取精度较高,点位匹配精度可以达到86.6%。该方法可快速有效地提取出耕地信息,也可供以后耕地信息的相关研究参考。     

高分辨率遥感影像耕地分层提取方法

随着城市化建设进程的加快,城郊耕地经常会被开发为建设用地,甚至还会遭受非法占用的危险,这极大威胁了中国粮食安全。该文针对高分辨率遥感影像城郊耕地特点,提出了一种多尺度分层的耕地提取方法。首先,基于归一化植被指数(normalized difference vegetation index,NDVI)约束改进传统Harris角点检测方法得到建筑区概率密度图,并利用最大类间方差(Otsu algorithm,Otsu)分割去除复杂建筑区;然后,利用尺度选择工具(estimation of scale parameter,ESP)分析耕地占主导影像的多尺度分割结果,得到耕地较佳分割尺度并在该尺度下分割整幅影像;进而,利用形状、光谱信息初步检测出耕地对象,选择非建筑区的耕地与建筑区的非耕地样本,训练支持向量机模型并对不确定地物进行分类;最后,依据空间关系进一步判断图像对象,得到城郊耕地最终提取结果。试验结果表明,该方法能较高精度地从城郊区域的复杂背景中提取出不同类型、不同光谱的耕地目标。     

基于无人机影像的可见光波段植被信息识别

该文通过对6种典型地物在无人机影像可见光波段的光谱特性分析,提出一种基于红、绿、蓝波段的可见光植被指数—超绿红蓝差分指数EGRBDI(excess green-red-blue difference index),并运用该植被指数与18种基于可见光波段的植被指数进行精度比较研究。研究表明,在利用均值和1倍标准差获得的区间范围内,EGRBDI各地类之间的信息无重叠交叉现象;该指数能对植被覆盖相对稀疏区域进行植被信息识别,其总体精度为97.67%,Kappa系数为0.9415,较其他18种指数具有更好的植被信息识别能力。利用不同地物覆盖情况的3幅无人机影像作为数据源,对EGRBDI适用性和稳定性进行研究,结果表明,在3个研究区中,基于EGRBDI的植被信息识别总精度均高于93%,Kappa系数均大于0.85,提取精度受地物类型差异影响的波动性较小,能较好地削弱影像中阴影等因素的影响,具有较好的适用性、可靠性和提取精度。     

Landsat8卫星OLI影像水体信息的自动提取研究

本文以Landsat 8卫星OLI影像的Coastal aerosol、Red、Near Infrared(NIR)和SWIR1四个波段推导出一种适用于Landsat 8卫星OLI影像水体信息的提取公式(即LBV中的B变换公式),在此基础上构建新的水体信息提取模型(新的谱间关系模型):KT3+B-OLIRed-OLINIR+DN0,并利用此模型分别提取淮南市周边地区和五河县周边地区的水体信息。实验结果表明:新模型能快速地提取大面积水体信息,而且具有较好的效果和较高的精度,能满足大面积的水体快速制图和土地利用/覆盖的分类。     

基于MODIS/EVI的中国北方地区耕地复种指数提取

复种是区域粮食增产的重要途径之一,也是中国粮食生产中一种重要的耕作模式。该文通过深入分析农作物的农时历和耕地的时间序列植被指数曲线的对应关系,提取了反映作物种植模式的特征时相,并以特征时相的EVI（enhanced vegetation index）值作为特征参量,构建了提取耕地复种指数的决策树方法。该方法仅用了作物生长季中7个时相来提取复种指数,减少了数据使用量,缩短了提取时间,提高了提取效率。最终,采用MODIS（moderate-resolution imaging spectroradiometer）/EVI数据,提取了2005年中国北方15个省市区的耕地复种指数,与之前的研究结果进行比较验证发现该方法具有较高的提取效率和精度。     

基于GF-3全极化SAR影像多特征优选的水产养殖塘提取

高分三号作为中国首颗民用高分辨率多极化合成孔径雷达卫星,为水产养殖用地监测提供了重要的数据源.为了充分利用GF-3全极化SAR影像,该研究提出了一种基于特征优选的全极化SAR影像养殖塘提取方法.首先通过极化分解和灰度共生矩阵方法共获取了55维特征;然后对影像进行多尺度分割,并利用随机森林-递归特征消除(Random F...     

基于面向对象的SPOT卫星影像梯田信息提取研究

梯田信息准确和快速提取是区域水土保持动态监测和评价的核心技术之一,运用遥感技术进行地物信息提取是一种有效手段。该研究以燕沟流域为研究区,采用高分辨率的SPOT5遥感影像数据,基于面向对象分类技术,通过影像分割构建影像对象,在分析影像对象的光谱特征、纹理特征和空间特征的基础上,建立了梯田信息的遥感提取规则,实现了梯田的自动提取。最后用手工勾绘结果对梯田的遥感提取结果进行精度评价,从田块边界的吻合度评价位置精度,并通过比较该结果与人工目视解译结果进行面积精度评价。结果表明,基于面向对象分类的遥感方法可以较好地从原始影像中提取复杂地貌区梯田的位置信息,面积提取正确率达到78.38%,该方法可为黄土高原地区梯田信息遥感提取提供借鉴。     

聚类支持下决策树模型在耕地评价中的应用

为了挑选合理的学习样本,增强决策树模型在耕地评价应用的有效性,运用聚类方法挑选学习样本,用改进C5．0决策树算法建立耕地评价模型,提出一种新的评价思路。运用此方法以广东省龙川县耕地为研究对象,以试验法挑选出6种聚类结果的学习样本,确定4000个样本作为最终的学习样本;利用决策代价权重来改进决策树评价模型,最终建立的评价模型的预测精度达到94．92％,满足了实际情况的需要。试验结果表明综合运用聚类和决策树模型进行耕地评价是可行的,其建立的评价模型具有精度高、鲁棒性和易理解性等特点。     

基于多时相遥感影像的作物种植信息提取

为了快速、准确地在遥感影像上对作物种植信息进行提取,该研究运用多时相的TM/ETM+遥感影像数据和13幅时间序列的MODISEVI遥感影像数据,采取基于生态分类法的监督分类与决策树分类相结合的人机交互解译方法,建立决策树识别模型,对黑龙港地区的主要作物进行遥感解译,总体分类精度达到了91.3%,与单纯对TM影像进行监督分类相比,棉花、玉米、小麦、蔬菜4类作物的相对误差的绝对值分别降低了1.3%、20.5%、2.0%、13.8%。结果表明该方法的分类精度高,能较好的反映作物的分布状况,可为该地区主要作物种植结构调整提供科学依据,还可为其他区域尺度作物分布信息的提取提供参考。     

基于GIS的农用地分等信息系统设计与开发

根据农用地分等规程同时参照分等试点省份的实践工作，设计开发了基于GIS的农用地分等信息系统。在系统设计中，综合运用了现代地理信息系统和数据库处理、分析技术，在充分体现系统透明性的前提下，实现了农用地分等过程的自动化。该文介绍了该系统的技术路线、数据库结构和功能结构，并根据该系统在安徽省明光市的应用情况进行了总结。实践验证表明，该系统符合规程思想，运行可靠，可以大大提高农用地分等工作效率。     

基于元数据的农田信息存储、管理和共享

为实现基于元数据的农田信息的存储、管理和共享,在建立农田信息数据元的基础上,采用空间数据库技术,构建了农田信息的分级存储与管理模型;利用元数据服务和组件技术,在SuperMap GIS平台上构建了农田信息共享服务与互操作模型。通过对“基于WebGIS的小麦生产精准施肥决策系统”和“基于GIS的河南省作物生产潜力评价系统”数据元的提取和封装,实现了两个系统数据的无损共享,结果表明,在建立农田信息标准元数据的基础上,利用元数据和元数据服务技术来解决农田信息一体化存储、管理和共享是可行和有效的。     

撂荒耕地信息获取方法研究进展与展望

撂荒作为耕地利用边际化的最终表现形式,是中国近20 a以来耕地利用亟需解决的重要问题之一,而有效获取撂荒耕地信息是探究撂荒耕地时空变化与影响因素的基础前提,也是政府进行耕地政策调整,保障耕地资源可持续利用的重要依据。该研究应用文献综述法与归纳总结法,基于国内外学者在撂荒耕地信息获取研究上的成果,对撂荒耕地信息获取方法进行归纳总结,并对未来研究方向进行了展望。结果表明：1）综合前人研究成果,撂荒耕地信息获取方法可以分为基于抽样调查、文献荟萃分析以及遥感获取的3种类型。2）基于抽样调查的撂荒耕地信息获取方法在案例研究上应用较广,且有着近乎一致的研究范式,但数据空间表征能力较弱。全国家庭调查数据在一定程度上增加了数据的空间属性,但对原始数据的二次筛选减少了样本容量,降低了数据的可信性。3）文献荟萃法基于“二手”的文献或数据,研究结果受已公开发表文章数量的限制,且需要研究人员对相关领域热点关键词有全面了解,目前该方法在撂荒耕地信息获取应用上相对较少。4）遥感卫星与计算机技术发展给撂荒耕地信息获取提供了便利,基于地物特征规则与土地利用信息变化,多种耕地撂荒检测方法被开发,但受限于高空间分辨率与大范围提取需求,仍存在较大的优化空间,未来研究可在数据选择与处理、特征和方法融合上进行更深一步的探索。     

基于无人机遥感影像的覆膜农田面积及分布提取方法

针对基于无人机遥感的覆膜农田识别研究甚少的现状,该文以云南省昭通市鲁甸县为研究区,获取了研究区中地表类型复杂程度不同的2幅航空影像(复杂区影像和简单区影像)作为试验数据,利用灰度共生矩阵对原始航片影像进行纹理特征提取并选择纹理特征最佳提取参数;然后基于随机森林算法进行纹理特征重要性评价,优选纹理特征,结合原始数据进行最大似然初步分类;运用众数分析进行分类后处理;最后结合图像形态学算法与面积阈值分割法提取出了最终的覆膜农田面积及分布。通过试验结果发现,依据该文提出的方法,复杂区和简单区覆膜农田识别的总体精度、Kappa系数、产品精度、用户精度和面积误差分别达到了94.84%、0.89、92.48%、93.39%、0.38%和96.74%、0.93、97.39%、94.63%、1.95%。该文提出的融合监督分类和图像形态学算法的覆膜农田提取方法可以简单、快速的将地膜连成块,形成覆膜农田对象,进而通过面积阈值分割法获取高精度的覆膜农田分布信息。该方法可以为精准覆膜农田识别算法的发展提供参考。     

基于时间序列环境卫星影像的作物分类识别

环境星影像具有较高的时间和空间分辨率,利用其时序遥感数据进行作物信息提取优势明显。该文以黑龙江垦区友谊农场作物为研究对象,利用2010年6月至9月共10景HJ-CCD数据进行作物种植分类信息提取。首先,通过SPLINE算法对云影响区域插值去噪,重构时间序列影像数据;其次,通过分析试验区主要作物的光谱和植被指数时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了黑龙江友谊农场大豆、玉米和水稻的种植信息,分类总体精度达到96.33%。同时,将分类结果同基于时间序列植被指数影像的支持向量机和最大似然法分类结果相比较,结果表明,决策树分类效果最好,支持向量机次之,最大似然分类较差。研究表明,通过去云处理后构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,借助于决策树分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。     

高光谱遥感数据植被信息提取方法

利用高光谱分辨率遥感卫星影像提取植被分布信息时,需要考虑混合像元和训练样本大小的影响,以提高植被信息提取的精度。该文以广州市北部为例,利用线性光谱混合模型和支持向量机方法进行Hyperion影像分类,估计荔枝分布信息。将其结果与QuickBird 1 m空间分辨率影像进行对比,利用地图方格网中随机选取的验证点评价精度,信息提取精度达到85.7%,而光谱角度制图提取的精度仅为74.3%。结果表明,混合像元分解模型和支持向量机结合的方法和其他传统的利用光谱信息提取方法相比,能够提高植被分布信息提取的精度。     

基于毫米波雷达的果园单木冠层信息提取

为解决当前果园探测技术难以在恶劣的果园环境中提取果树冠层信息的问题。该研究将毫米波雷达应用于果园冠层探测,搭建了基于毫米波雷达的果园冠层探测系统,利用该系统扫描得到了果园点云,检测和估算得到每棵果树的株高、冠幅和体积参数。针对毫米波雷达在不同距离下产生点云密度不同的问题,该研究提出了一种基于可变轴的椭球模型自适应密度聚类算法,用以提高果树点云识别效果,进而使用Alpha-shape算法和随机抽样一致算法（Random Sample Consensus）对果树进行了表面重建和结构参数的提取。通过与人工测量数据比较,该研究提出的聚类算法可以有效的识别和提取单木冠层点云,代表果树识别精度的 F1 分数为 93.7%;检测到的果树的株高和冠幅的平均相对误差分别为8.7%和8.1%,决定系数分别为0.84和0.92,均方根误差分别为16.39和7.82 cm;使用Alpha-shape算法计算得到平均果树体积为5.6 m3,相比传统几何法测量体积,体积计算准确度提高了59.4%。该研究表明毫米波雷达可以用于果园冠层信息的准确提取,为采集果园冠层信息提供了技术,对农业信息采集和自动化作业技术的发展具有重要意义。     

基于拟合物候参数的植被遥感决策树分类

针对目前遥感分类较少利用植被物候特征参数的现状,该研究以内蒙古自治区额尔古纳、根河两市作为试验区,基于2012年根河土地覆盖数据,采用双Logistic函数拟合的方法对跨度范围为2011年7月下旬至2013年7月下旬的时间序列MODIS EVI数据进行植被物候参数的分析与提取,并依据物候参数特征构建决策树对试验区土地覆盖进行分类。研究表明,不同植被的物候有较明显的特征,森林、草原与作物的生长季开始时间依次滞后,作物的生长季最短,森林与草原生长季基本持平;利用植被物候特征参数进行决策树分类,作物和森林2种植被类型取得较好分类效果,分类的总体精度达到73.67%,优于该区域MODIS土地覆盖产品的总体精度(66.08%)。该研究可为呼伦贝尔地区生态环境评价和农、牧、林业生产活动提供一定的参考。