AVIRIS高光谱遥感数据的植被信息提取

以Moffett Field的AVIRIS高光谱遥感影像为对象,应用基于信息量的自适应波段选择方法实现植被信息提取的最优波段组合,在此基础上采用监督分类为主、目视解译为辅的信息提取方法,在ENVI和ERDAS遥感图像处理软件中进行分析与处理,实现植被信息提取。结果表明,与多光谱遥感数据相比,高光谱遥感数据具有更强的植被信息识别能力,提取的植被信息更丰富。     

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。     

基于对象的CHRIS遥感图像森林类型分类方法研究

高光谱遥感森林类型分类中采用传统基于像素分类方法精度较低,本文通过高光谱遥感影像的特征,采用面向对象的最近邻监督分类方法对高光谱CHRIS影像进行分类实验,首先对影像进行多尺度分割,然后将分割对象信息、形状特征及上下文联系等特征构成特征空间进行最近邻监督分类,并与传统的基于像素的最大似然分类方法进行比较分析,结果表明,面向对象的最近邻法能够较好的识别森林类型,总精度为89.06%,kappa系数为0.82,而最大似然法分类精度为85.75%,kappa系数为0.79.其分类精度明显高于最大似然法,这表明该方法适合高光谱遥感影像分类,为今后的高光谱遥感森林类型分类能够起到技术参考和理论依据.     

基于土壤调整植被指数对荒漠草原地表高光谱影像中植被识别

草原植被的分布情况是草原荒漠化等级评价的重要指标。本文以内蒙古自治区中部荒漠草原为研究对象,通过采集地物高光谱数据,使用土壤调整植被指数结合阈值法探寻植被光谱最佳阈值分布区间,进而完成植被的识别。研究结果表明,植被与非植被的最佳阈值临界为0.20,总体精度达到97.7%,Kappa系数达0.956。满足荒漠草原植被的高光谱识别要求,为后续研究低空高光谱遥感进行草原退化等级评价提供了技术支持。     

基于归一化植被指数对荒漠化草原地面高光谱影像中植被的识别

草原植被的分布与面积是草原退化评定的重要指标。以荒漠化草原植被为研究对象,在内蒙古四子王旗试验区域自然光下采植被的高光谱数据,通过构建植被光谱特征指标阈值对植被覆盖地区与非植被覆盖地区进行识别和分类,为低空高光谱遥感进行大面积的识别及数量统计提供依据,为高效,适时的草原监测和退化评价提供理论和技术手段。选择具有代表性归一化植被指数NDVI分析数据规律。结果表明:荒漠化草原阈值区间为0.01~0.9,其中植被阈值区间为0.4~0.9,非植被阈值区间为0.01~0.4,当NDVI阈值取0.4时对有无植被覆盖分类明显,经Kappa系数验证精度达96.2%。高精度的植被识别为后续无人机高光谱遥感提供数据数据支持及理论基础。     

枸杞病虫害遥感近地高光谱特征研究

在中宁县规模化枸杞种植区,通过遥感近地高光谱技术,利用光谱辐射仪,对处于盛果期的健康枸 杞冠层和感染了木虱、瘿螨、负泥虫、白粉病的染病枸杞冠层进行光谱特征测定。根据光谱反射率测定结果,分 析枸杞冠层染病前后的光谱特征及变化规律,筛选枸杞病虫害遥感识别最佳波谱范围及优化组合,得出红边波 段（680~760 nm）为枸杞病虫害识别的最敏感波段。基于高光谱变量特征参数和敏感波段光谱反射率参数的计 算,研究其与病情指数间的关系,构建枸杞病情指数反演模型,得出以参数R760/R700 为变量的模型为枸杞病情指 数反演的最佳模型。     

天山南坡土壤光谱特征曲线分析——以渭干河库车绿洲为例

土壤是所有生物赖以生存的重要资源之一。因此,对土壤的反射光谱曲线及其变化规律进行研究不仅在土地资源的遥感调查领域中有着重要的意义,而且对植被的调查、高光谱遥感地物光谱分析以及识别分析也有重要意义。通过测定不同含水量、不同质地,不同类型土壤以及不同含盐量土壤的反射光谱,分析土壤波谱特性曲线,研究土壤物理性质对土壤波谱曲线的影响;     

宁夏农林科学院农业经济与信息技术研究所召开农业遥感学术研讨会

正2018年1月27日,宁夏农林科学院农业经济与信息技术研究所邀请北京师范大学地理学院陈云浩教授从高光谱遥感、高光谱图像霉变花生识别应用、无人机遥感系统农业应用和耕地养分生产力潜力与质量综合评价等4个方面作了农业遥感学术报告,重点介绍了利用星载、航空和地面3种不同高光谱平台来解决不同尺度下农业遥感研究与应用问题。参会人员根据实际工作需要和研究方向,针对枸杞道地性检测、红梅杏霜冻监     

高光谱分辨率遥感技术在农作物估产中的研究现状与发展趋势

综述了高光谱分辨率遥感技术及利用高光谱分辨率遥感对农作物估产的研究,包括作物种植面积的遥感估测、作物遥感估产最佳时相的选择和地面单产遥感估产模型的研究,并分析了高光谱分辨率遥感在农作物估产中的发展趋势。     

基于高光谱成像技术的蓝莓果实成熟度识别研究(英文)

在蓝莓收获期,果实成熟度识别的预先识别对果实收获管理及产量评估具有重要意义。基于遥感的高光谱成像技术,以其包含丰富的光谱及空间信息,在复杂背景对象识别中具有极大的开发潜力。通过采集美国佛罗里达州三种典型南部高丛蓝莓的高光谱图像,研究了基于高光谱图像处理技术在复杂背景中进行蓝莓果实成熟度（成熟、近成熟以及未成熟）识别的数据处理算法。通过支持向量数据描述（SVDD)和K-means聚类算法,构建了蓝莓果实成熟度识别模型,从像素层面和外观层面对蓝莓果实进行混合识别。实验结果表明：对蓝莓成熟果实的识别正确率达到96.1%,近成熟果实识别率为94.7%,青果识别率为91.2%。为了评估算法性能,使用另外两种对象识别算法（KNN和SAM）作为比较,试验表明新提出的算法对复杂背景适应性更好,尤其是对小尺寸对象识别准确率更高。     

基于BP神经网络的荒漠化草原草种识别与分类

草原退化与荒漠化已经成为中国草原的主要生态问题,其典型标志为草原植被结构的改变,草原草种的识别与分类成为草原退化监测的重要手段。文章基于内蒙古乌兰察布市四子王旗草原,在自然光条件下,使用高光谱仪采集高光谱图像,利用高光谱的图像和光谱信息,实现对草种的分类。本研究通过提取图像的纹理特征和光谱的二阶导数,将提取到的特征输入到BP神经网络中进行分类,实验结果表明,该种方法对草种识别的精度能达到93%,实现了草原草种的高光谱图像分类,为高光谱遥感实现草原退化监测提供了可能。     

基于机载激光雷达和高光谱数据的树种识别方法

训练样本的选取是影响监督分类精度的直接原因之一,数据空间分辨率越高,训练样本要求越准确,而人机交互训练样本选取推广力有限。利用机载高光谱（AISA）和激光雷达（LiDAR）主被动遥感数据,探讨基于高分辨率影像的训练样本自动提取技术以及适合树种识别的遥感变量。根据树木的结构和高度差异,开展树高分层掩膜试验,并计算光谱间夹角,在每个高度层中自动化优选树种的高纯度训练样本。计算植被指数、主成分分析等特征变量,基于支持向量机分类器对研究区进行树种精细分类。实验表明:通过对阔叶林、马尾松Pinus massoniana,毛竹Phyllostachys edulis,杉木Cunninghamia lanceolata,油茶Camellia oleifera的训练样本分层自动提取后再进行分类,激光雷达和不敏感色素指数变量能有效提高树种分类精度。其中高光谱+激光雷达+结构不敏感色素指数变量组合的分类精度最高,其总体精度和Kappa系数分别为89.12%和0.86,阔叶林、马尾松、毛竹、杉木、油茶的用户精度分别为75.00%,100.00%,86.36%,90.91%和96.55%。该方法对本研究区森林树种的识别是有效的。     

高光谱遥感数据在农作物重金属胁迫调查中的应用

利用高光谱遥感数据对四川崇州地区研究作物进行光谱角匹配识别,结合光化学植被指数,有效划分了可评价区域。随后对采样点处遥感光谱信息进行了提取,运用线性回归及多元回归方法,建立了光学信息与土壤各重金属含量间的经验模型,并结合潜在生态危害指数法进行胁迫等级的划分,取得了良好的调查效果。     

作物遥感识别方法研究现状及展望

作物遥感识别是作物面积提取、长势监测、估产和时空分布研究的前提和基础。遥感识别作物方法多样,优势各异,应用性不同。本文系统梳理了基于光谱特征识别作物、基于纹理特征识别作物、基于物候特征识别作物及其他作物遥感识别的方法,归纳总结了每类方法的原理、优缺点和适用范围,指出了需进一步研究和解决的问题,并对今后的发展方向进行了展望,以期为作物遥感识别方法的应用及作物遥感研究提供参考与支撑。     

高光谱遥感数据在植被信息提取中的应用研究

概述了高光谱的概念与高光谱遥感数据的特点,重点介绍了目前利用高光谱技术估测地表植被信息的最新研究进展,并讨论了今后植被高光谱遥感应用发展的方向和研究领域,     

基于Landsat 8 OLI辅助的亚米级遥感影像树种识别

为研究高空间分辨率遥感影像与多光谱遥感影像协同进行面向对象树种识别的有效性,本研究以QuickBird高空间分辨率(全色0.61 m)和Landsat 8 OLI(30 m)遥感影像为基础数据,在分类的过程中采用2种分割方案(有Landsat 8 OLI遥感影像辅助的QuickBird遥感影像分割和无Landsat 8 OLI遥感影像辅助的QuickBird遥感影像分割)进行多尺度分割,对2种分割方案进行比较。基于QuickBird遥感影像和Landsat 8 OLI遥感影像提取光谱、纹理、空间3方面68种分类特征,应用最邻近分类法和支持向量机分类方法进行面向对象树种分类,采用相同的分类系统、统一的分割尺度以及同一套验证样本,利用Kappa系数、总精度、生产者精度和用户精度4个评价指标进行精度评价。结果表明:单独使用QuickBird高空间分辨率遥感影像的分割结果优于QuickBird高空间分辨率遥感影像与Landsat 8 OLI遥感影像协同分割的结果,最优分割阈值与合并阈值分别为25和90。在最优分割结果的基础上,多光谱Landsat 8 OLI遥感影像与QuickBird高空间分辨率遥感影像协同进行面向对象分类,最邻近分类法和支持向量机分类方法的分类总精度分别为85.35%(Kappa=0.701 3)和88.12%(Kappa=0.853 6);单独使用QuickBird高空间分辨率遥感影像进行面向对象分类,2种方法的分类总精度分别为79.67%(Kappa=0.693 9)和83.33%(Kappa=0.792 5)。QuickBird遥感影像在Landsat 8 OLI遥感影像辅助下,分类结果的地物边界更加清晰,总体精度及主要树种识别精度均得到了提高。研究成果应用在实地森林调查与区划时可有效缩短调査时间、减少调查成本、降低劳动强度、提高成果质量。      

荒漠公益林中典型灌木树种光谱特征研究

应用地面高光谱仪测定古尔班通古特沙漠中梭梭和柽柳的冠层光谱,结合遥感影像分析比较了两种灌木树种的光谱响应曲线差异。结果表明:不论是沙土还是盐碱土,柽柳在近红外波段内反射率均高于梭梭,并根据这一规律性总结出了基于光谱特征的梭梭和柽柳的识别模型,最后对不同树种的光谱响应机制进行了探讨。     

火龙果植株高光谱识别与特征波段提取

[目的]为火龙果长势监测、估产、植株病害高光谱遥感诊断提供可靠依据.[方法]通过原始光谱、光谱不同形式变换和不同植被指数对火龙果植株冠层、果、枝、花等不同部位进行识别,运用主成分分析法提取火龙果不同部位的特征波段,构建BP神经网络模型,分析火龙果不同部位的波段特征,检验BP神经网络模型识别准确率.[结果]在波长400～...     

基于叶片光谱特征的南疆盆地主栽果树树种遥感识别

随着新疆南疆林果业的飞速发展,对于果树树种的分类与提取逐渐成为研究热点。试验选取了新疆南疆盆地主栽的5种果树作为试验对象,利用光谱仪测定不同树种的叶片高光谱反射率数据,旨在找到一种快捷、精确、大范围、适时、动态的果树监测与分类方法,以期为星载高光谱遥感水平上的树种智能识别提供必要的技术支撑。在对不同树种叶片光谱特征分析的基础上,采用不同步长间隔的平滑滤值处理及5种数据变换方式,开展了5种果树树种识别研究。结果表明:在步长间隔为5 nm的平滑处理下,经过一阶微分变换的树种识别精度最高,达99.3%。此方法为新疆南疆主栽果树树种的遥感识别提供了新的途径。     

基于BP神经网络的高光谱果树树种识别研究

高光谱具有波段窄、波段多的特点,能够提供比多光谱遥感更精细的地物光谱信息,为识别光谱性质相似的森林树种提供了有效途径。对南疆盆地4种主栽果树树种(苹果、香梨、核桃、红枣)的冠层光谱数据进行测量,用BP神经网络对原始光谱数据及其经一阶微分、对数一阶微分、归一化一阶微分变换后的光谱数据进行分类识别,结果表明:对数一阶微分和归一化一阶微分变换后树种识别精度分别为94%和88%以上;红边区的光谱波段包含了大量树种识别的信息;采用BP神经网络能够对南疆盆地主栽果树进行基于冠层光谱的分类,而且分类精度相对较高。