GF-1卫星数据在水稻长势监测中的应用

GF-1国产高分辨率卫星遥感数据具有高空间分辨率、高时间分辨率和高光谱分辨率的优点。该研究利用GF-1卫星宽视场遥感数据,在GPS实地取样的基础上,利用增强型植被指数(EVI),提取建湖县2014年多时相水稻长势信息。结果显示,GF-1卫星宽视场影像可以清晰反映水稻长势要素,能够在遥感估产中推广应用。     

基于GF-1WFV数据的草原毒草白喉乌头空间分布监测与分析

[目的]验证GF-1 WFV数据(空间分辨率为16 m)在草原毒草白喉乌头(Aconitum leucostomum Worosch)遥感监测中的适用性,掌握白喉乌头在伊宁县托乎拉苏山地草甸草地的空间分布特征.[方法]利用经过FLASSH大气校正的GF-1 WFV影像,结合高光谱特征分析,采用监督分类与目视解译相结合的方法,对研究区白喉乌头空间分布进行识别,并验证其分类精度.[结果]影像解译总体分类精度达96.036 8;,Kap-pa系数为0.937 7,分类结果较理想;高光谱特征提取和分析发现,在750～1 050nm波长范围内白喉乌头和牧草两种植被类型光谱差异明显;编绘了研究区白喉乌头空间分布图,并发现其空间分布总体上沿水沟的分布呈“带状”分布格局,且由北向南,呈递减趋势,主要分布在阳坡的中海拔地区;在东西方向上,向两边逐渐减少.[结论]白喉乌头在托乎拉苏山地草甸草地主要分布在阳坡、道路两侧,整体呈带状分布;分布格局为:北-南方向上,从无-多-少;东-西方向上,从多-多-少;GF-1 WFV数据在草原毒草白喉乌头监测中具有较好可行性.     

GF-1卫星数据在土地利用变更调查遥感监测中的应用

以湖南省衡阳县为研究区域,根据土地利用变更调查遥感监测的相关技术标准和规范,针对新型遥感卫星GF-1的全色、多光谱数据,围绕原始数据的质量和新增建设用地提取等遥感监测的关键技术环节进行评价试验,在运用定性和定量分析方法的基础上,与同级别的国外卫星数据作对比分析,测试GF-1卫星数据在遥感监测业务应用中的适用性.结果表明,GF-1卫星数据光谱信息丰富、地物解译标志清晰,能较好地反映地物信息,地物判读性较好,能够满足土地变更调查与监测的应用需求.     

无人机可见光遥感影像的空间分辨率对毛竹立竹度识别精度的影响

为探究无人机可见光影像在毛竹立竹度提取方面的适用性,以福建省三明市永安市天宝岩国家级自然保护区毛竹林为研究对象,运用重采样的方式获取不同空间分辨率(0.25、0.50、0.75 m)下的可见光影像,利用面向对象多尺度分割确定各个分辨率下的最佳分割尺度,采用随机森林分类方法,对不同空间分辨率下立竹度提取精度进行了比较。结果表明：不同空间分辨率下分割尺度的选择不同,影像空间分辨率为0.25、0.50、0.75 m的最佳分割尺度分别为20、9和8,立竹度提取平均精度分别为80.97%、81.29%和77.82%,Kappa系数分别为0.806 0、0.863 3和0.817 1;图像空间分辨率为0.50 m时,总体分类精度和Kappa系数最高,因此,毛竹立竹度提取的适宜图像空间分辨率为0.5 m,最佳分割尺度为9。     

遥感影像的空间分辨率对提取崩岗精度的影响

从0.6 m Quick Bird、2.5 m ALOS、10.0 m ALOS遥感影像中分别提取崩岗的特征数据,分析遥感影像的分辨率对崩岗数据精度的影响。结果表明:从0.6 m Quick Bird能容易地提取崩岗数据,且重现性较好,从2.5 m ALOS能提取崩岗数据,但重现性不强,从10.0 m ALOS无法提取崩岗。从0.6 m Quick Bird和2.5 m ALOS提取的崩岗,数量基本一致,但位置不一致、边界不重合、形状差别很大,从2.5m ALOS提取的崩岗周长平均减少20.83%,占58.33%的崩岗面积减少了,平均减少19.78%。因此,可断定0.6 m Quick Bird能反映崩岗的实际情况,2.5 m ALOS能较好地反映崩岗的实际情况,10.0 m ALOS完全不能提取崩岗数据。但高精度遥感影像的获取比较困难,且价格较贵。     

GF-1影像遥感监测指标与冬小麦长势参数的关系

为了分析高分一号卫星(GF-1)影像在冬小麦长势监测中的有效性和适宜性,以建湖县冬小麦为研究对象,选取12个植被指数作为遥感监测指标,运用回归分析法探讨遥感监测指标与地面实测冬小麦长势参数的关系,并以回归模型的决定系数(R~2)作为反演精度的评价指标。研究发现,叶面积指数(LAI)、密度和生物量的反演精度较高,其中LAI的反演精度在拔节期最高[监测指标:红蓝色归一化植被指数(RBNDVI),R~2:0.689 4],密度的反演精度在拔节期最高[监测指标:优化的土壤调节植被指数(OSAVI),R~2:0.543 8],生物量的反演精度在孕穗期最高[监测指标:归一化植被指数(NDVI),R~2:0.448 6],说明GF-1影像适合在拔节期进行冬小麦LAI、密度的监测,在孕穗期进行生物量监测。土壤含水量、株高和叶绿素含量(SPAD值)的反演精度较差,最佳回归模型的R~2皆低于0.360 0,说明所选的12个遥感监测指标不适合反演这3个长势参数。除乳熟期外,其他4个生育期中都是LAI的反演精度最高,可见GF-1影像的遥感监测指标与LAI的相关性最好,反演精度最高。本研究结果说明,在进行冬小麦长势监测时,不同的生育期需要采用不同的监测指标,同时GF-1影像则更适合在拔节期和孕穗期进行冬小麦的长势监测。本研究结果在一定程度上为GF-1影像在农情遥感监测中的应用提供了科学依据。     

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。     

基于GF-1号遥感影像的微小水体信息提取研究——以岔口流域为例

针对不同因素影响,山区微小水体提取效果不佳的问题,选用2016年9月1日GF-1号卫星遥感影像,运用NDWI、SWI决策树、SVM分类3种不同方法对位于黄土高原沟壑区的山西省岔口流域的微小水体进行了提取,并对提取效果进行视觉对比与精度验证.结果表明,相比中低分辨率遥感影像,高分辨率遥感影像对于山区微小水体的提取结果更好...     

基于多时相GF-1遥感影像的作物分类提取

为了提高遥感影像数据对作物分类提取的精度,更多地反映作物的空间分布结构和物候差异,以黑龙江农垦赵光农场为研究对象,提出一种基于分区与决策树分层分类相结合的作物遥感分类方法,利用2014年高分一号卫星(GF-1)WFV遥感影像数据(4景)开展主要作物的识别分类提取。首先,结合实地调查与影像光谱特征信息的总体分布,将研究区分割成3个子区域(西南区、北部区和东南区);其次,基于多时相遥感影像序列,分析主要作物的反射光谱和植被指数的时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了赵光农场主要作物的空间种植信息。结果表明,2种分类方法的精度都很高,总体精度均在97.00%以上,Kappa系数均在0.900 0以上。分区分类更优于整幅图像非分区分类,总体精度达到98.10%,Kappa系数达到0.960 7;非分区分类总体精度为97.50%,Kappa系数为0.948 3。研究表明,基于分区与决策树分类法相结合的作物分类结果精度,明显优于不使用分区分类的结果。由分区与决策树分层相结合的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。     

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GF-7遥感卫星的冬小麦面积精细化识别

2019年11月3日发射的GF-7号卫星是我国的第二颗亚米级、多角度民用商业卫星,其在农作物面积分布精细化识别方面潜力有待评估.依据2018年国家统计局数据,全国冬小麦播种面积占粮食作物总播种面积的19.23％,通过遥感手段准确识别冬小麦分布情况,是作物长势和作物估产等后续遥感产品准确评估的保证,对确保粮食安全具有极其重要的意义.通过支撑向量机和随机森林2种机器学习算法,分析高分七号亚米级光谱特征及其纹理特征对冬小麦的精细化识别能力.结果表明,基于影像光谱特征,SVM分类器取得了最优的分类精度,其中冬小麦识别精度为93.96％,总体精度为91.01％,Kappa系数为0.7632,面积精度为91.46％.     

基于GF-1/WFV时间序列的葡萄遥感识别

为研究GF-1时间序列影像的识别技术对大尺度葡萄信息识别提取的可行性,探索大尺度葡萄快速精确提取的新思路。基于GF-1/WFV时间序列影像数据分析试验区主要植被类型的归一化植被指数(Normalized difference vegetation index,NDVI)、增强型植被指数(Enhanced vegetation index,EVI)的时序变化特征,结合葡萄物候期构建决策树,提取宁夏贺兰山东麓葡萄的空间分布信息。结果表明,该方法可以有效提取贺兰山东麓葡萄分布信息,分类总体精度为95%,Kappa系数为0.91。葡萄提取的生产精度为93%,用户精度为96%。在时间序列数据中,葡萄提取的窗口期为3—5月掩埋期和7—9月生长旺盛期。NDVI时间序列能够较好地区分作物和防护林,EVI时间序列能够区分葡萄地和防护林。     

基于高空间分辨率卫星影像的新疆阿拉尔市棉花与枣树分类

【目的】 枣树和棉花是新疆地区的两大优势作物。利用高空间分辨率遥感影像对作物进行识别,更加快速、准确地获取枣树和棉花的种植面积及其分布区域,以利于相关部门政策的制定及农作物的精确管理。【方法】 本文以新疆阿拉尔市主要农作物为研究对象,运用基于像素与面向对象的遥感影像分类方法,通过比较光谱角制图（SAM）、支持向量机（SVM）、CART决策树（DTs）、随机森林（RF）这4种机器学习算法在高空间分辨率卫星影像分类中的作物识别精度,探究影像获取时期（2016-05-10、2016-09-07、2016-10-08）及面向对象的信息提取技术对作物分类精度的影响。【结果】 5月份影像（即棉花覆膜期影像）作物分类精度最高,10月份影像次之,9月份影像最差;与基于像素的作物分类方法相比,面向对象的作物分类方法可以使各时期的作物分类总体精度得到一定提高（除SAM之外）,各时期分类精度分别提高了4.83%、7.77%、7.22%,最高分类精度分别为93.52%（2016-05-10）、85.36%（2016-09-07）、88.88%（2016-10-08）,均实现了较好的作物分类效果。【结论】 5月份（棉花覆膜期）影像对棉花和枣树分类效果最好,该时期的棉花被地膜覆盖,且枣树表现出明显的植被光谱特性,两种作物生长早期呈现出差异化的光谱特征,因此棉花和枣树的遥感识别应在作物生长早期进行;面向对象的分类方法可以综合运用光谱、纹理及空间信息,特别是纹理信息的加入,可以取得比基于像素方法更高的分类精度,且提供一种高效提取田块边界的手段,对当地农田信息化管理具有重要应用价值。在棉花和枣树识别过程中,纹理特征的重要性高于光谱和空间特征,红光和绿光波段在所有波段中对棉花和枣树的识别贡献最大。     

基于GF-1遥感影像的2013—2015年民勤绿洲植被覆盖动态变化分析

基于GF-1遥感卫星影像, 利用植被覆盖度估算模型, 定量研究了民勤绿洲2013-2015年植被覆盖时空变化的规律。结果表明:3年中民勤绿洲的植被覆盖度总体保持稳定, 其中极低覆盖度植被(Ⅰ类)从2013年的76.9%增加到了2015年的83.9%, 低覆盖度植被(Ⅱ类)和高覆盖度植被(Ⅳ类)则分别相对减少了6.8%和1.9%, 中覆盖度植被(Ⅲ类)则增加了1.7%;在植被覆盖度总体稳定前提下, 也有少数野生黑枸杞等名贵药材生长区由于受到人类活动的严重影响, 植被覆盖度明显下降。     

杂交稻“天优华占”不同稻作类型的产量结构分析

本研究旨在探索杂交稻‘天优华占’作为华南早稻、中稻、晚稻不同稻作类型栽培的产量结构特征。根据‘天优华占’参加华南早稻、中稻、晚稻区域试验的产量构成调查结果,对3 种稻作进行产量构成因素与产量、产量构成因素间的相关分析,产量构成因素与产量的通径分析。结果表明,（1）‘天优华占’作为华南早稻栽培,每穗粒数对产量的贡献率为55.7%,每公顷穗数为22.7%,结实率为11.3%,千粒重为4.1%;（2）作为中稻栽培,每穗粒数对产量的贡献率为43.4%,每公顷穗数为45.0%,结实率为6.7%,千粒重为1.2%;（3）作为晚稻栽培,每穗粒数对产量的贡献率为44.1%,每公顷穗数为16.8%,结实率为29.4%,千粒重为3.7%。可见,‘天优华占’作华南早稻栽培高产的关键是培育大穗;作中稻栽培高产的关键是培育足穗大穗;作晚稻栽培高产的关键是培育大穗和提高结实率。     

HJ卫星遥感在水稻长势分级监测中的应用

利用水稻分蘖期HJ-1A卫星遥感影像,提取江苏省姜堰市水稻种植面积并分析水稻的长势情况。在利用GPS实地取样调查和建立解译标志的基础上,进行HJ-1A卫星影像校正、人机交互式判读解译等操作,并将GPS样点数据校验贯穿到整个分类过程中,信息解译精度在90%以上。最后,利用归一化植被指数(NDVI)反演叶面积指数(LAI),依据LAI数据进行水稻长势分级,制作了姜堰市水稻分蘖期长势分级遥感监测专题图。     

基于GF-2遥感影像的葡萄大棚信息提取

随着设施农业的不断发展,快速准确获取农业大棚的空间分布和种植面积有助于农业经济增长模式调整,实现农业资源的高效利用。以2017年5月的GF-2遥感影像 为数据源,在构建最优特征空间的基础上,采用面向对象随机森林分类方法开展南方丘陵地区葡萄大棚信息提取。结果表明：①利用尺度评价工具ESP和邻域差分绝对值与标准差比RMAS结合的方法可以实现特定地物目标的最优分割尺度选择,分割效果良好;②通过Gini指数进行特征选择能减少数据冗余,提高分类精度,在优选的15个特征变量中,光谱特征占有绝对优势,其次是纹理特征和几何特征;③基于最优特征子空间的随机森林模型能有效提取葡萄大棚的分布信息,总体精度高达92.5%,F值为0.91,其面向对象的精度评价指数GTC为0.12。 结果表明,该方法对基于GF-2影像的南方丘陵区域葡萄大棚信息提取具有较大的应用潜力,并可为其他地区的农业大棚信息提取提供较好的解决思路。     

基于GF-2遥感影像的葡萄大棚信息提取

随着设施农业的不断发展,快速准确获取农业大棚的空间分布和种植面积有助于农业经济增长模式调整,实现农业资源的高效利用。以2017年5月的GF-2遥感影像 为数据源,在构建最优特征空间的基础上,采用面向对象随机森林分类方法开展南方丘陵地区葡萄大棚信息提取。结果表明：①利用尺度评价工具ESP和邻域差分绝对值与标准差比RMAS结合的方法可以实现特定地物目标的最优分割尺度选择,分割效果良好;②通过Gini指数进行特征选择能减少数据冗余,提高分类精度,在优选的15个特征变量中,光谱特征占有绝对优势,其次是纹理特征和几何特征;③基于最优特征子空间的随机森林模型能有效提取葡萄大棚的分布信息,总体精度高达92.5%,F值为0.91,其面向对象的精度评价指数GTC为0.12。 结果表明,该方法对基于GF-2影像的南方丘陵区域葡萄大棚信息提取具有较大的应用潜力,并可为其他地区的农业大棚信息提取提供较好的解决思路。     

基于GF-1数据的南京江北新区植被覆盖度遥感估算

以南京江北新区为研究区,选用GF-1 16 m分辨率的MFV4多光谱传感器数据,基于像元二分模型对研究区进行植被覆盖度遥感估算。结果表明,GF-1数据可以快速有效地反映地表植被的空间分布状况。对结果的分级统计显示,江北新区植被覆盖较高,生态环境良好,适宜打造绿色宜居区域。     

森林植被遥感监测影像最佳分辨率选择

遥感影像分辨率的高低直接影响着森林植被监测的精度、成本和效率,故选择适合森林植被监测的影像最佳分辨率具有重要的应用价值。针对森林植被监测影像最佳分辨率选择方法及结果缺乏的问题,从林业实际应用出发,提出了基于1个步长的变异函数分析空间变异并综合考虑监测精度、成本和效率来确定森林植被监测影像最佳分辨率方法。基于最新的国产高分二号（GF-2）全色影像,利用1个步长的变异函数对湖南常宁洋泉镇林区3种典型分布类型森林植被进行拟合分析,初步确定适合森林植被监测的影像最低分辨率。然后对重采样形成的不同尺度多光谱影像分别进行监督分类,并对结果进行定量定性分析,结合影像成本和数据处理时间,找到适合不同类型森林植被监测的影像最佳分辨率。研究表明:不同分布类型的森林植被,适合遥感监测的影像最佳分辨率不同:①小冠幅森林植被3.2 m;②大冠幅森林植被16.0 m;③混合冠幅森林植被8.0 m。该森林植被遥感监测影像最佳分辨率确定方法和结果可为其他区域森林植被遥感监测影像最佳分辨率确定提供借鉴。