基于高分二号遥感影像的东北地区村庄建设用地提取

准确高效地识别和测算村庄建设用地的类型及数量,可以为村镇规划、村庄整治等提供依据。为研究应用高分二号遥感影像提取村庄建设用地的技术方法,选取吉林省长春市和松原市的两个村庄作为典型研究区,针对遥感影像的不同时相特征,分别采用直接提取法和间接提取法进行村庄建设用地提取试验。结果表明,高分二号遥感影像可以应用于村庄建设用地的精确识别。直接提取法以支持向量机的监督分类法效果最优,可作为精确提取地类的方法;基于植被指数并辅以归一化蓝色屋顶指数的间接提取法,适合村庄建设用地的快速估算。     

基于时序Landsat遥感影像枣树种植面积提取

基于不同特征时间序列数据集,使用动态时间规整(dynamic time warping,DTW)方法对时间序列遥感影像进行分类.基于时间序列Landsat 8影像数据,使用NDVI、EVI、第一主成分(principal component analysis 1,PCA1)3种特征数据集结合DTW算法,对比分析不同特征量对枣树的识别精度.结果表明:基于DTW(ND?VI)的时间序列特征数据集结合DTW算法能够得到较好的分类结果,基于时序DTW(EVI)特征量的方法次之,基于时序DTW(PCA1)特征量的方法的分类精度最低,总体精度分别为95.23％、93.73％、83.84％,Kappa系数分别为0.858、0.824、0.738.     

基于遥感影像的棉花种植面积提取方法研究

利用ERDAS IMAGINE 9.2遥感图像处理软件,设计了一种基于遥感影像的棉花种植面积提取方法。通过实地调查,该方法适用于大范围棉花种植的面积估算。     

高分一号卫星影像监测水稻种植面积研究综述

简要介绍了高分一号卫星应用于农情遥感监测的优势和水稻种植面积遥感监测的原理,着重对遥感影像数据预处理、遥感影像分类方法与水稻面积提取技术等方面的研究进展进行了综述。高分一号卫星具有高空间分辨率和时间分辨率的特点,反映作物的光谱特征明显,适合选用为农情遥感监测的数据源;基于高分辨率卫星影像的水稻种植面积提取技术比较成熟;基于决策树、人工神经网络、专家知识、人工目视解译等分类提取方法应用前景广阔,但精度有待进一步提高。     

基于高分二号影像结合纹理信息的茶园提取

为提高高分辨率遥感影像分类精度,针对高分二号影像发展一种综合利用遥感影像光谱和纹理信息的茶园种植区提取方法。该方法首先利用归一化植被指数(NDVI)和修正的归一化植被指数(MNDVI)构建新的光谱特征——差异归一化差分植被指数(DNDVI),通过灰度共生矩阵(GLCM)构建新的纹理特征——灰度共生纹理(GLCT),然后结合光谱和纹理特征运用支持向量机(SVM)的方法进行分类。试验采用2种方案(原始波段+光谱特征,原始波段+光谱特征+纹理特征)对影像进行分类,分类总体精度分别为79. 6%、89. 8%,Kappa系数分别为0. 659、0. 788。结果表明,结合纹理信息能明显地提高分类精度,并较好地实现对高分二号影像茶园种植区的分类提取。     

基于面向对象的设施蔬菜高分遥感影像提取

以河北省廊坊市香河县五百户镇为研究区,综合利用高分二号(GF-2)遥感影像的光谱、纹理特征,并结合边缘检测、阈值分割、数学形态学算法,设计了面向对象的多特征融合设施蔬菜面积提取方法。首先对影像进行增强处理,结合影像中光谱和纹理特征剔除建筑物和道路干扰。然后采用阈值分割算法将边缘检测后的"噪声"进行删除,并使用数学形态学方法提高影像分割效率。最后对于一些难以去除的"噪声"采用面积(Ar)、周长(Per)、圆形度(Rd)、长宽比(Pwl)、矩形比(Pr)这5个形状特征参数进行剔除,实现利用高分遥感影像提取设施蔬菜面积。精度验证结果表明,该方法在试验区野外核查的精度为86.02%,随机样本点的总体分类精度为84.5%,Kappa系数为83.1%。     

基于高分一号遥感影像的绿地信息提取

对高分一号卫星影像进行大气校正、几何校正、裁剪等,利用Libsvm 4.0在Matlab平台里编程进行交叉验证网格法寻优,最终获得支持向量机分类的最佳惩罚系数为45,不敏感系数为0.31。改进支持向量机分类器绿地分类精度为94.6%,该提取精度能满足高分辨率遥感影像在城市绿地动态监测。     

基于高分二号卫星影像的粤北地区香芋遥感识别研究

【目的】高分辨率遥感影像为农作物监测提供高精度的支撑,香芋作为粤北地区的特色作物,是国家地理标志产品,对其监测有助于加强管控和调控。【方法】选择香芋关键物候期的高分二号卫星遥感影像,提取归一化植被指数、归一化差异水体指数、纹理信息,构建融合多特征光谱纹理影像,比较多种组合影像,采用支持向量机作为分类器,对香芋的识别精度进行分析。【结果】融合多特征光谱纹理影像的香芋识别精度最高,总体精度达到96.04%,对香芋的识别精度达到95.30%,比多光谱影像分类精度分别提高5%和6.8%,是多光谱全色融合影像分类精度提升幅度的2倍,且各类地物边界轮廓清晰,图像平滑,细碎图斑很少。【结论】高分二号影像是识别粤北地区香芋的理想数据源,分类精度较高,能够满足农作物监测的需求,能为制定病虫害防治措施,调节种植结构提供支持。     

农作物种植面积遥感提取研究进展

介绍了农作物种植面积遥感提取方面的研究进展,新算法包括：选择多时相数据、多源遥感数据;GIS辅助等手段,并指出采用中分辨率与低分辨率数据相结合的测量方法是获取作物种植面积的主要趋势之一。     

基于Landsat 8 OLI遥感影像的沈阳市水稻种植面积提取方法

为了深入研究遥感数据及提取方法对估算水稻种植面积的可行性,以Landsat 8 OLI影像为数据源,运用ENVI5.1的软件平台,对沈阳市2015年6—9月水稻长势进行监测,并最终提取其种植面积。根据实地调查样本,通过分析各地物的光谱特性曲线、归一化植被指数均值特征及遥感影像成像特点,确定了以波段6、波段5、波段2对图像进行伪彩色合成。对合成后的图像,分时段设计了三组不同样本点数量的对比实验,样本数量分别为100、150、200个,采用混合像元的方式,确定了水稻的采集样本点,用变换分散度和J-M距离对各个样本间的可分离性进行检验,采用支持向量机的分类方法对各样本进行分类,最后以Majority/Minority分析方法对提取的结果进行分类后处理,建立了不同的水稻面积提取模型。结果显示,6月、7月、9月中200个样本点的实验提取结果均较为准确,提取面积分别为1 032.044 8、1 201.125 9和1 180.685 5 km2,参考《沈阳统计年鉴2015》对提取结果进行评价,精度分别为94.73%、89.75%和91.62%。试验表明,Landsat 8OLI遥感数据可准确提取沈阳市水稻种植面积,为综合多源数据对水稻进行种植监测奠定基础。     

基于无人机遥感影像的烟草种植面积信息提取

无人机遥感技术对烟田的种植面积、种植区域等信息监管具有重要意义。天津航天中为数据系统科技有限公司应用无人机遥感影像和自创的遥感图像处理软件对宁乡横市基地单元烟叶种植面积信息进行了提取。结果显示:无人机遥感技术获得的烟草种植面积信息准确度高达95%,为大面积监管烟叶种植面积提供了有效技术手段。     

融合主被动遥感影像的冬小麦种植面积提取研究

为了快速、准确地获取作物分布信息,探索使用主动遥感影像（Sentinel-1A）和被动遥感影像（Sentinel-2）提取冬小麦空间分布的可行性。首先,根据冬小麦的物候特征,合成冬小麦全生育期的Sentinel-1A影像;并依据各类地物的NDVI（归一化植被指数）时序曲线合成一期高质量的冬小麦越冬后Sentinel-2影像。其次,设计Sentinel-1A影像、Sentinl-2影像和融合Sentinel-1A与Sentinl-2主被动遥感影像3种分类方案,然后在Google Earth Engine(GEE)云平台上基于随机森林算法对冬小麦进行分类。结果表明,基于全生育期Sentinel-1A影像的冬小麦用户精度和生产者精度分别为83.15%和86.44%,提取结果中存在较多的“椒盐”噪声;基于冬小麦越冬后Sentinl-2影像的冬小麦用户精度和生产者精度分别为87.98%和84.75%,提取精度较使用全生育期Sentinel-1A影像有所提高,但分类结果受“异物同谱”的影响,产生许多错分;融合主被动遥感影像的冬小麦用户精度和生产者精度分别为96.57%和95.48%,相较于仅使用单...     

利用高分一号影像提取水稻种植面积方法研究——以长春榆树市为例

利用遥感技术提取水稻种植面积,一直以来都是难点。利用高分1号卫星影像作为数据源,找到一种能快速、准确提取水稻种植面积的方法。通过对水稻成熟期遥感影像的光谱分析,根据水稻成熟期的蓝移现象,发现在蓝光和绿光波段光谱特征与其它地类差异明显,并通过波段运算,建立模型,增强了这种差异,使得水稻种植面积提取精度更高。利用东北地区独特的气候特点,把影响水稻种植面积提取的林地去除,利用该方法提取水稻种植面积精度达到93.5%。     

基于不同时相高分一号卫星影像的水稻种植面积监测研究

高分一号卫星影像具有高空间分辨率和高时间分辨率的优点。为了分析在水稻生育期内不同时相的高分一号卫星影像对水稻识别的影响,以江苏省建湖县为研究区域,选用2014年7月21日至2014年10月24日期间5景空间分辨率为16 m的高分一号卫星影像,采用ISODATA分类与人工目视解译相结合的方法分别提取各时相的水稻种植面积,并以地面实测GPS水稻样方进行精度验证,结果表明5个时相的水稻种植面积精度都在86%以上,10月15日精度达到最高,为90.391%,说明利用高分一号卫星影像可以用于监测水稻种植面积且精度较高,在农业遥感监测领域中具有广阔的应用前景。     

基于高分1号卫星数据的农作物面积遥感测量

针对传统农作物面积统计方法探测周期长、时效性差、难以保证信息准确度等问题,以高分1号(GF-1)卫星遥感影像为数据基础,提出一种将遥感技术与统计学方法相结合的农作物面积测量方法。首先,基于物候期影像进行作物分类,提取目标农作物空间分布信息;然后,构建含有目标作物的抽样总体,进行样本的分层随机抽选;接着,采集光谱信息点,进行实地调查,获取准确的样方调查结果;最后,结合遥感识别结果,采用分层比估计方法反推出测区目标作物面积,计算变异系数值,估计总体测量结果的推算精度。根据此方法估算出辽宁省义县2015年玉米种植面积为95 746.1 hm²,与实际测量结果较为相近,说明此方法是可行的。     

基于高分六号影像的四川盆地油菜种植调查

目的:使用高分六号多光谱影像调查评价四川地区油菜种植空间分布现状。方法:以四川盆地四川部分油菜种植区为调查区,选择油菜识别最佳时期的高分六号卫星多光谱影像,进行正射校正及几何精纠正,通过最大似然监督分类方法提取调查区内油菜种植空间信息,初步评价该区油菜种植区的空间分布现状。结果:结合地面调查样方数据验证:①基于高分六号影像的油菜分类总体精度为82.06%,Kappa系数为0.6997。②盆地内四川地区2019年油菜种植面积约为103.24万hm²,规模种植区主要分布于成都、德阳、绵阳、雅安、眉山、乐山等地区。结论:高分六号遥感数据及监测结果可为四川农业产业发展及种植结构调整优化提供参考信息。     

基于OLI影像的县域冬小麦种植面积提取

以河南省虞城县为研究区域,筛选冬小麦分蘖期至拔节期内的3期(分蘖期、越冬期、拔节期)高质量OLI遥感影像,进行辐射定标及FLAASH大气校正,以便将影像DN值转算为地表反射率,并利用全色波段进行影像融合处理以提高空间分辨率。以归一化差异水体指数(NDWI)、归一化差异建筑指数(NDBI)、归一化差异植被指数(NDVI)为基础,结合外业调查数据构建决策树模型,3期影像中NDWI大于0的像元为水体,NDBI大于0的像元为居民地,NDVI分别大于0.59、0.52、0.65的像元为冬小麦纯净像元,NDVI分别小于0.49、0.44、0.56的像元为其他地物,剩余部分为冬小麦混合像元,通过实地调研确定将混合像元面积折算为冬小麦实际种植面积的权重为0.46,最后计算虞城县冬小麦的实际种植面积。结果表明,冬小麦分蘖期至拔节期是遥感监测冬小麦种植面积的最佳时期,3期影像提取的2014年虞城县冬小麦种植面积分别为76 238.79 hm2、77 406.65 hm2、77 397.82 hm2,与往年统计数据和样地实测数据相比,精度达到了99%。     

基于高分一号与Landsat 8卫星影像的库尔勒市香梨种植面积识别研究

库尔勒香梨是一个地域性极强的名优特优品种,是库尔勒地区乃至全国最优异的地方梨品种之一,利用遥感技术快速、准确获取库尔勒市香梨的种植面积、长势等信息,可为政府管理部门制定各种决策提供数据支持。本研究利用高分一号(GF-1,分辨率2 m和16 m)、Landsat 8(分辨率30 m)2015年4—10月的库尔勒市遥感影像,依据地面调查建立的感兴趣区域(ROI),采用5种不同方法进行监督分类,通过识别精度比较筛选出最佳识别方法,并对库尔勒市的香梨种植面积进行识别、提取。结果表明,GF-1影像数据的最佳识别月份为8月,最佳识别方法是最大似然法,识别精度为95.94%;Landsat 8影像数据的最佳识别月份为10月,最佳识别方法也是最大似然法,识别精度为94.43%。因此,选择利用8月份的GF-1影像数据提取库尔勒市的香梨栽植面积,经最大似然法进行监督分类,最终解译面积为2.827万公顷,与实际统计资料相比,识别精度96.45%,说明利用该方法监测库尔勒市的香梨栽植情况可行。     

不同遥感影像大气纠正算法在农作物种植面积提取中的对比

以海安县的LANDSAT5—TM影像为研究对象,用于农作物种植面积遥感提取,但由于大气辐射使卫星遥感数据引起畸变从而影响提取精度,为消除该影响,采用黑暗像元减法（DOS）、大气辐射传输模型法FLAASH、ATCOR2、6S等四种大气校正方法进行大气校正并对各种方法进行验证比较,从综合方面考虑得出最优大气校正方法。利用40个主要农作物的样本点的NDVI值与经过大气校正MODIS地表反射率的NDVI值比较,同时利用农作物的反射率值与标准值进行比较对比,以及结合各类主要农作物分类结果精度进行验证。实验结果表明,大气校正在一定程度上提高了农作物真实地表反射率,使得农作物的反射率更加精确,分类精度较原图像也有较大提高,因此提高了主要农作物各类面积提取的精度,综合计算效率和效果等指标得出在面向农作物面积遥感提取的大气方法中,采取FLAASH方法可以达到较好的效果。