无人机遥感的农作物精细分类研究进展

【目的】农作物精细分类是面积估算、长势监测、产量预测及灾害评估的重要前提和基 础。近年来,无人机低空遥感技术因其操作成本低、空间分辨率高、灵活性强等优势,成为田 块尺度下农作物精细分类的重要工具。【方法】文章系统总结了国内外近10 余年无人机遥感在 农作物分类领域的研究进展,介绍了目前常用的无人机平台和传感器,归纳了农作物分类特征 及算法的使用情况,指出了无人机遥感农作物精细分类研究存在的问题。【结果】当前无人机 遥感农作物精细分类研究存在一些不足之处：（1）无人机遥感监测面积小,无法在较大尺度区 域实现农作物精准监测。（2）适用于无人机遥感的农作物分类特征仍需进一步挖掘,面向高光 谱影像的农作物分类特征及特征组合尚需进一步明确。（3）分类器使用单一,分类算法的普适性 和稳定性不强。【结论】无人机遥感农作物精细分类研究的发展趋势主要包括3 个方面：（1）无人 机遥感影像与星载遥感数据的高效融合,拓宽无人机的监测范围。（2）面向无人机遥感影像 的农作物分类特征提取与优化研究。（3）适合无人机遥感的农作物分类算法改进。     

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。     

农作物种植结构遥感提取研究进展

农作物种植结构信息对农业生产管理、农业可持续发展及国家粮食安全等具有重要意义。本文中概括了农作物种植结构遥感提取的理论基础,归类了近10年间不同农作物种植结构遥感提取技术方法,重点评述了不同技术方法的特点及应用情况,讨论和展望了未来农作物种植结构遥感提取研究的发展方向。当前,光谱特征、时相特征和空间特征是农作物种植结构遥感提取的三大理论基础。基于单一影像源的种植结构提取方法操作简单,但往往难以获取种植结构“最佳识别期”的遥感影像;基于多时序影像源的种植结构提取方法可以充分利用农作物季相节律特征,成为当前农作物种植结构遥感提取的主流方法。在基于多时序影像源的种植结构提取方法中,多特征参量法较单一特征参量法更适用于农作物种植结构复杂区域,基于多特征参量的统计模型法一定程度上解决了混合像元问题,但模型的鲁棒性有待提高。此外,遥感与统计数据融合的农作物种植结构提取法在国家及全球大尺度的农作物种植结构提取中具有优势,但较低的制图分辨率使得数据产品的区域适宜性较差。未来农作物种植结构遥感提取将以区域“作物一张图”为目标,充分发挥多源数据组合利用的优势,围绕多类型作物同步提取和大范围作物种植结构提取开展深入研究,重点加强遥感数据预处理、特征参量提取和分类器高效选择等关键技术研究,从而提升农作物种植结构遥感提取的时空尺度,满足多方位的农业应用需求。     

基于高光谱遥感的农作物分类研究进展

【目的】农作物类型识别是农作物面积、长势监测与产量预测的重要前提。及时、准确地获取农作物类型、空间分布以及种植面积对制定农业政策、促进社会经济发展和保障国家粮食安全具有重要意义。近年来,高光谱遥感凭借光谱分辨率高、光谱信息丰富等优点,已广泛应用于农作物制图中。【方法】文章归纳了高光谱遥感应用于农作物分类的研究进展,总结了国内外农作物分类常用的高光谱数据源,并分析了各种数据源的适用范围。梳理了农作物高光谱遥感分类方法,讨论了各种分类方法的优缺点。【结果】现有农作物高光谱遥感分类研究存在一些不足:(1)机载高光谱影像光谱分辨率高,但影像监测面积小,不适合大区域农作物面积提取研究;(2)星载高光谱影像监测面积较大,但空间分辨率较低,某些农作物面积提取实际应用中精度较低;(3)由于缺乏对农作物高光谱特征的研究,导致分类算法机理性不足,普适性较差。【结论】农作物高光谱遥感分类未来研究方向是:(1)丰富高光谱遥感监测的农作物类型;(2)提高高光谱影像的空间分辨率,实现农作物种植结构复杂、地块破碎地区的农作物分类研究;(3)进一步研究利用高光谱遥感进行农作物分类的机理和多源数据融合的方法。     

作物种植面积遥感提取方法的研究进展*

 农作物种植面积监测是遥感估产的关键技术之一。回顾和总结了国内外利用遥感数据进行农作物种植面积提取的方法,重点分析了遥感影像分析方法的进展以及大面积作物种植面积提取两个方面,对农作物种植面积遥感提取的发展方向作了简要评述。     

基于RS的土地变更调查监测研究

遥感技术在全国土地变更调查工作中得到广泛应用,主要通过从最新获取的遥感影像中提取所需信息,对比之前的数据库信息进行分析得到一定时间阶段的土地变更情况。基于2012年全国土地变更调查遥感监测项目,以Quick Bird影像数据和前时相基础底图为基础,运用RS对遥感影像进行拼接、融合以及调色等处理过程,并运用GIS对监测图斑进行提取,实现对土地变更的动态监测研究。     

基于矩形模板匹配的线状地物半自动提取方法研究

通过对高分辨率遥感影像线状地物特征分析,提出了一种基于矩形模板匹配的高分辨率遥感影像线状地物提取方法.该方法由用户选取矩形种子区域,自动定义匹配区域,进行种子区域与匹配区域的最小二乘匹配,从而实现线状地物的半自动提取.与剖面匹配法和角度纹理法的对比实验研究结果表明,矩形模板匹配法能够快速、准确地提取出高分辨率遥感影像中的线状地物,节省了时间和人力.     

农作物空间格局遥感监测研究进展

遥感技术因其高时效、宽范围和低成本等优点正被广泛应用于对地观测活动中,为大区域尺度掌握农作物空间格局提供了新的科学技术手段。本文系统总结了近10年来国内外农作物空间格局遥感监测在理论、方法、实践应用等方面取得的新进展,指出了亟待解决的问题,并对今后的发展方向进行了展望。研究认为,农作物种植面积遥感监测主要根据遥感传感器记录的不同农作物光谱特征的差异,进行不同农作物种植面积的识别,方法主要包括:基于光谱特征、基于作物物候特征和基于多源数据的农作物遥感识别方法。遥感技术应用于农作物复种模式监测主要根据时间序列植被指数描述的作物季节活动过程,利用不同的拟合方法得到作物生长曲线,实现作物复种模式有效监测。农作物种植方式遥感监测是更高层次的遥感应用,主要利用时间序列遥感数据,根据作物植被指数的变化规律区分不同作物生育周期,判断不同复种模式下作物的种植顺序和方式。在未来相当长的一段时间内,建立农作物空间格局遥感监测的理论和技术体系、发展和改进遥感影像分类方法、优化时间序列遥感数据平滑技术和提高信息提取的自动化与流程化将是农作物空间格局遥感监测需要重点解决的几个关键问题。     

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SPOT高分辨率遥感数据的农作物估产方法研究

[目的]为了达到基于SPOT高分辨率遥感数据的农作物估产方法研究的目的。[方法]以邢台市为例,利用SPOT-5卫星2.5 m分辨率全色影像与10 m分辨率多光谱影像的融合得到高分辨率多光谱影像,以此对农作物估产方法进行研究。[结果]结果表明,基于SPOT高分辨率遥感数据的农作物估产结果与地面实测结果相比,其检验结果可信。[结论]该研究为农作物遥感估产的实践应用提供了参考依据。     

基于时序影像及关键物候特征的江苏省夏收农作物提取

农作物遥感分类与识别是提取农作物种植范围和面积的基础,也是开展农作物长势、产量、所受灾害等相关信息监测的基础。油菜和小麦是江苏省越冬主要农作物,为解决江苏省主要夏收农作物快速、准确提取的难题,以宜兴市为例,提出了基于时序影像及关键物候特征的夏收农作物提取方法,基于不同农作物在生长发育过程中差异性特征,结合农作物的物候信息,采用表达作物每个生长期阶段特征的时间序列影像数据,对不同的农作物进行提取,提取结果显示,总体精度为92.65%,Kappa系数为0.86,说明利用该方法提取江苏省夏收农作物技术可行,提取结果可为农作物种植面积估算提供参考,为农作物精细监测、耕地非粮化监测提供技术支撑。     

遥感影像数据仓库及网络服务探讨

通过较为先进的数据库技术进行影像数据的存储与管理,便于数据的查询、浏览、分析等功能的实现,并为影像数据的发布与共享提供条件;利用遥感影像元数据实现遥感数据的网络发布与共享,从而使稀缺的影像数据能够得到充分合理的利用;同时采用本体技术,可以有效的实现影像数据的互操作,从而为实现影像数据的全社会范围的共享提供基础与条件.     

无人机遥感监测作物病虫害研究进展

本文从无人机遥感监测作物病虫害概况、病虫害光谱相应生理机制、农作物病虫害无人机遥感监测原理等方面对遥感技术在病虫害监测中的研究进行概述;并从多光谱无人机遥感影像监测、高光谱无人机遥感影像、无人机可见光影像、低空与航空无人机遥感影像监测、基于卫星平台的遥感影像监测等方面对无人机遥感监测作物病虫害研究进展进行表述。     

基于无人机影像技术的小麦长势遥感监测

随着国家经济建设快速发展,我国越来越注重精准化农业的推广应用,即对农作物长势进行遥感监测。随着信息化技术在社会中受到广泛关注与应用,为加强小麦长势监测质量与效率,可以引进无人机影像技术在小麦生长过程中对其进行科学化、高效化的遥感监测。本文以无人机影像技术的基本类型与技术特点为切入点,对无人机影像技术在小麦生长过程中开展遥感监测的具体应用进行分析,为加强小麦长势监测、实现精细化农业、提升农业生产质量与效率提供参考。     

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。     

黑龙江省农业资源信息数据库的建设

结合3S技术,对数据库的结构和功能进行了设计,并提出了利用 GIS软件来实现农业资源信息数据库的建设。该数据库的结构包括文档数据库、空间信息数据库、遥感影像数据库、属性数据库和模型库等;该数据库的功能包括查询、空间分析、编辑功能和输出等。     

多源中高分辨率影像协同下时间合成窗口对农作物识别的影响

【背景】中高空间分辨率（≤30 m）影像是在耕地破碎、种植结构复杂的中国南方开展农作物遥感识别研究的重要数据。然而,要克服中高分辨率传感器重访周期较长以及南方多云雨天气的影响,对影像进行时间窗口合成以协同使用多源中高分辨率遥感数据,是获取时空连续农作物制图结果的必要保障。由于不同卫星影像获取的周期不同,且不同农作物物候季相节律存在较大差异,如何选择影像合成时间窗口是农作物准确识别的关键前提。【目的】通过探究影像合成时间窗口对于农作物识别的影响机制,为大尺度复杂农作物种植结构制图提供重要参考依据。【方法】以农作物类型多样且云雨天气频繁的湖北省江汉平原为研究区,通过协同Landsat-8和Sentinel-2A/2B卫星影像,设置7种时间合成窗口（15、20、25、30、40、50和60 d）情景,分别从影像的覆盖度、不同农作物时序光谱特征以及不同农作物分类精度等角度,深入分析影像时间合成窗口对农作物遥感识别的影响。【结果】在影像20 d时间合成窗口的情景下,江汉平原农作物（冬油菜、冬小麦、水稻、稻虾田和其他作物）的总体分类精度最高,为93.13%。对比而言,在影像较短时间合成窗口（如15...     

基于土地利用的遥感影像协同式解译

从人工解译到半自动解译,再到智能化解译,遥感影像解译的理论和方法不断发展。基于遥感影像的土地利用更新调查中,需要进行影像解译以识别各种土地类型,虽然采用了土地利用信息的智能化解译方法,但土地利用分类的精度有限,仍需人为参与解译工作,并充分利用土地利用现状数据库的资料辅助解译,形成土地利用协同式解译,以提高土地利用分类的精度。利用2005年武汉市南湖地区的SPOT影像和土地利用现状数据库的信息进行土地利用协同式解译,结果表明:土地利用协同式解译能很好地提高遥感影像的解译精度。     

基于多时相遥感影像识别与分析高原主要农作物

本文基于归一化植被指数和决策树分类方法,借助多时相高分辨率遥感影像,利用青海省高原地区主要农作物的物候信息,结合地面调查和无人机测绘手段分析省内具有代表性意义的研究区的主要农作物。结果表明归一化植被指数和决策树分类方法对高原主要农作物的面积识别具有较好的可靠性。因此,基于多时相遥感影像数据分区域识别高原主要农作物,将有效解决高原地区因客观因素所造成的农作物面积提取的误差,为高原高海拔农作物面积识别与提取提供理论基础与技术指导。     

QuickBird影像在建立1:2000空间数据库中的应用研究

运用主成分变换(PCA)方法对QuickBird多光谱和全色遥感影像进行融合，运用目视方法评定其融合效果，利用融合后的QuickBird遥感影像进行了1：2000空间数据库建库研究。研究结果表明，主成分变换方法得到的融合影像能基本满足建立1：2000空间数据库的需要；应用融合后的影像，并参考有关辅助资料制订相应的地物判读分析依据，采用目视解译方法提取遥感影像地物信息，容差格网矢量化技术进行屏幕矢量化，建立了现代农业示范园区1：2000比例尺空间数据库。