基于无人机可见光遥感影像的耕地精准分类方法研究

无人机可见光遥感具有使用成本低、操作简单、实时获取遥感影像、地面分辨率高等优势。提出了一种利用无人机可见光遥感影像进行耕地精准分类的方法,以广东省惠州市惠东县铁涌镇石桥村部分耕地的可见光遥感影像为研究对象,对耕地的面积信息、形状信息以及位置信息进行监测和提取,采用面向对象法对影像中两种基于可见光波段的植被指数、纹理信息、形状信息进行分析,研究出分类提取耕地信息的较佳方案。经过反复实验确定分割尺度45、合并尺度90为分割参数,同时利用波段信息和纹理信息对未种植作物耕地和其他地物进行分离。该方法总体精度为89.23%,Kappa系数为0.72。实验结果表明利用无人机可见光遥感数据对耕地进行分类虽然存在一些细碎地块被错提、误提的情况,但总体精度仍然保持在一个很高的水准,可以为耕地作物分类提供参考,为实现精准农业提供精准的数据基础。     

基于无人机可见光影像和面向对象的树种分类研究

针对目前林业部门人工调查树种存在效率低、成本高等问题,采用无人机遥感技术进行树种分类识别,提高树种调查效率,辅助林业管理部门进行林木种植结构分析、病虫害防治等工作。利用无人机获取矮冬青、三球悬铃木、马尾松和紫叶李的冠层红绿蓝（red-green-blue,RGB）可见光影像,进行数字表面模型（digital surface model,DSM）特征图像提取,通过色彩空间转换提高树种间颜色差异;应用最优尺度分割,以纹理特征、颜色特征及几何特征为分类特征参数,优选最佳分类特征集,以期实现无人机可见光影像的树种分类。结果表明,DSM与RGB特征融合图像提取树种的精度较高,可见光影像分类总精度为91.58%,Kappa系数为0.89;特征融合图像分类总精度为98.27%,Kappa系数为0.98。研究提出的特征融合图像结合面向对象分类方法实现了可见光影像的树种分类,为实现树种计数、统计、分类提供数据参考。     

基于无人机遥感可见光参数的水稻氮素营养诊断

氮素是决定水稻产量的重要因素之一,传统水稻氮素的诊断耗时费力且对作物的损害较大,确定无人机遥感水稻氮素营养诊断的最佳可见光参数,对水稻氮素的快速诊断具有良好的实用价值.该研究在安徽省怀远县试验基地,设置5个施氮水平,先后2次进行无人机采样,计算出10个可见光参数,并分析可见光参数与水稻含氮量之间的关系,结合相关系数与变异系数的大小筛选出诊断水稻氮素的最佳可见光参数.结果表明,参数B、G/(R+G+B)、G/B、RGBV1与作物含氮量的相关性较强,其中参数G/(R+G+B)可作为无人机为遥感水稻氮素诊断的最佳可见光参数.通过回归分析得到y(含氮量)与x(绿光化标准值)之间的回归方程y=0.0017x2-0.0074x+0.7201,R2=0.9825.     

无人机可见光遥感影像的农作物信息提取及验证

为实现无人机遥感农作物类别的快速识别提供参考,以贵定县马场河乡马长河村部分耕地遥感影像作为研究对象,采用无人机采集地面农作物遥感影像,分析农作物之间纹理和色彩特征差异,对农作物的类型及面积信息进行提取和检验,获取不同种类农作物的种植基本信息。结果表明:利用色彩纹理特征组合对大豆、水稻和玉米种植信息的提取结果误差分别为7. 01%、9. 71%和1. 75%,提取效果较好。可为农作物分类提取提供参考。     

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。     

无人机遥感影像监测棉花旱情应用研究进展

棉花水分状况的实时监测和快速诊断对提高农业水分利用效率和棉花产量起到重要作用。随着低空无人机遥感影像在农作物长势监测中的技术愈发完善,利用无人机遥感影像获取大田尺度棉花旱情信息也逐步成为当下的研究热点。本文从无人机遥感影像监测棉花旱情的原理、方法和诊断水分指标进行了综述,总结了无人机遥感影像技术监测棉花的应用研究趋势,阐述了基于无人机遥感影像监测棉花旱情今后面临的挑战及未来的展望,以期在理论上为无人机遥感影像监测棉花旱情的研究提供参考。     

基于无人机遥感的农作物面积提取

对无人机遥感的农作物面积提取技术应用流程以及具体应用进行了分析,旨在为农村土地资源信息收集、分配以及利用提供更加客观的依据,从而提升农村土地管理水平。     

无人机可见光遥感木麻黄人工林株数提取方法比较研究

以福建平潭岛木麻黄人工林为研究对象,对比研究基于无人机可见光遥感数据的株数提取方法,探讨多种方法在不同林龄木麻黄人工林株数提取的适用性。通过轻型旋翼无人机获取研究区可见光相片,经预处理生成无人机可见光正射影像（DOM）和冠层高度模型（CHM）;分别选取成熟林、幼龄林6块标准地区域,使用基于冠层高度模型的局部最大值方法（LMC）、基于正射影像的局部最大值方法（LMD）、基于正射影像的多尺度分割方法（MST）提取标准地株数;最后通过3种方法提取的株数和实测数据进行对比分析。结果表明： 3种方法中LMC总体提取精度最高,F_score为0.97,而LMD和MST总体提取精度明显降低,F_score分别为0.90、0.78; LMC方法对幼龄林和成熟林的株数提取精度相近,幼龄林和成熟林的F_score皆为0.97。 LMD方法在成熟林的株树提取精度略高于幼龄林,尤其2种林龄类型的P值相差较大,幼龄林RE：0.97、P：0.81、F_score：0.88;成熟林RE：0.94、P：0.89、F_score：0.91。 MST方法在成熟林的株树提取精度明显高于幼龄林,幼龄林 RE：0.88、P：0.67、F_score：0.76;成熟林RE：0.88、P：0.74、F_score：0.81。因此,3种方法中,LMC总体株数提取精度最高,且适用于不同林龄的木麻黄人工林株数提取,可以满足实时、快速提取木麻黄人工林株数的需求。     

基于总体抽样下子总体追加抽样设计的棉花种植面积遥感估算方法研究

针对遥感与抽样相结合的农作物种植面积估算方法中,子总体的作物种植面积估算需要新的抽样体系设计和样本野外调查等繁重工作,缺少基于总体下对子总体的作物种植面积估算的方法,以沙湾县、玛纳斯县和呼图壁县为总研究区,提出了基于遥感和PPS抽样相结合的总体抽样下子总体追加抽样设计的子总体研究区呼图壁县棉花种植面积估算方法,并以新疆建设兵团统计局公布数据为真值对其估算结果进行对比分析。结果显示,基于总体抽样下子总体追加抽样设计后,子总体研究区估计量的变异系数为0.023 3,远低于0.05,而追加抽样设计前变异系数为0.122 3,说明样本在该方法下的代表性得到极大提高。以新疆建设兵团统计局公布数据为真值进行对比发现,子总体研究区棉花种植面积提取精度达到94.2%,能够有效提取子总体中的棉花种植面积,同时避免了重新建立子总体研究区抽样体系所需要的人力、物力、财力等资源的消耗。     

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Landsat影像的云南勐腊县橡胶遥感识别与种植面积信息提取

以ERDAS IMAGINE为操作平台,利用2020年Landsat与Planet卫星数据作为遥感信息源,通过监督分类方法和实际调查,提取云南省勐腊县天然橡胶种植面积信息,并与2020年橡胶面积统计数据进行对比分析。结果表明：利用Landsat遥感影像调查橡胶种植面积的准确率约为92.5%,基本能反映区域橡胶种植分布情况。     

基于无人机多光谱影像的棉叶螨识别方法

【目的】利用无人机遥感在空间分辨率和光谱分辨率上的优势,研究大面积棉田棉叶螨监测方法,为类似的农作物虫害遥感监测研究提供参考。【方法】选20种光谱指数作为螨害监测的特征因子,使用赤池信息准则作为模型优选依据,获取最佳建模特征,建立棉田螨害监测识别的logistic回归模型。【结果】在所分析的全部光谱指数中,TVI、DVI和RDVI为螨害监测的最佳特征因子,基于该3个因子构建的logistic回归模型的分类准确率为95%,F1值为95.1%,能够较好地实现棉田螨害识别。【结论】监测模型可以实现区域范围的棉叶螨快速识别。     

遥感信息技术在大麦生产中的应用研究

大麦生产中应用调优栽培信息化技术,是把传统农业与高新产业结合的技术,通过实际应用,可以提高大麦单产,改善籽粒品质,增加大麦生产抵御自然灾害的能力,提高经济效益,同时可以减少麦芽生产企业收购成本,使收购更具有针对性.大麦调优栽培信息化技术在我国北方地区具有很好的推广价值.     

基于遥感影像的粮棉作物自动提取技术研究

以TM遥感影像为数据源,根据研究区域粮棉作物的物候特征,研究并实践了运用监督分类和模型分类进行粮棉作物提取的方法,为农业布局规划和政府决策提供了依据。     

基于无人机影像阴影去除的苹果树冠层氮素含量遥感反演

【目的】去除无人机多光谱遥感影像中的阴影,以提高苹果树冠层氮素含量反演模型精度。【方法】以山东省栖霞市苹果园为试验区,利用2019年6月采集的无人机多光谱影像,分别基于归一化阴影指数（normalized shaded vegetation index,NSVI）和归一化冠层阴影指数（normalized difference canopy shadow index,NDCSI）去除果树冠层多光谱影像中的阴影,提取非阴影区域果树冠层光谱信息;通过相关性分析方法,将基于原始光谱影像和基于NSVI、NDCSI去除阴影后提取的光谱数据与实测叶片氮素含量进行相关性分析,分别筛选氮素含量的敏感波段并构建光谱参量;采用偏最小二乘（partial least square,PLS）及支持向量机（support vector machine,SVM）方法构建果树冠层氮素含量反演模型并进行精度检验。【结果】绿光波段和红光波段为果树冠层氮素含量反演的敏感波段;阴影削弱了果树冠层的光谱信息,去除阴影前后,冠层多光谱各波段光谱差异较大,在红边波段及近红外波段尤为明显;基于2个阴影指数去除阴影后构建的氮素反演模型精度均有提升,最优模型为基于NDCSI去除阴影后构建的支持向量机氮素含量反演模型,该模型建模集R²和RPD分别为0.774、1.828;验证集R²和RPD分别为0.723、1.819。【结论】基于NDCSI可有效去除无人机多光谱果树冠层影像中的阴影,提高氮素含量反演精度,为果园氮素精准管理提供了有效参考。     

基于面向对象的无人机遥感影像荒漠植被分类

荒漠植被分布稀疏且叶面普遍较小,导致影像中植被光谱特征较弱,分类难度较大.为提高荒漠植被分类精度,选取古尔班通古特沙漠为研究区,以无人机遥感影像和数字表面模型为数据源,采用面向对象的随机森林算法,在去相关拉伸光谱信息增强基础上对荒漠植被进行分类,分析去相关拉伸前后分类精度的变化.结果 表明:基于去相关拉伸并结合面向对象...