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。     

基于无人机可见光遥感的棉花面积信息提取

【目的】针对传统大区域棉花种植信息提取方法相对落后的问题,运用面向对象的影像分析方法,对无人机遥感试验获取的可见光影像进行棉花种植信息的提取。【方法】选用双子星MyFlyDream MTD固定翼无人机搭载佳能EF-M 18-55相机,获取新疆建设兵团第八师135团的可见光影像,借助eCognition软件平台,运用面向对象的方法对研究区内棉花种植信息进行提取试验。【结果】目视解译提取的棉花种植面积为0.35 km²,面向对象提取的棉花种植面积为0.33 km²,分类结果精度为94.29%,误差系数为5.71%,可以有效地提取研究区域棉花种植信息。【结论】面向对象的分类方法相比于传统的基于像素的分类方法提取精度更高,更加接近于目视解译的提取结果。     

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。     

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。     

农作物可见光遥感的一种新方法

应用数码相机获取数字图像,经过AdobePhotoshop图像处理软件的处理和分析,得到颜色指标,通过模型的建立,得到对作物生产和管理有用的指标。这是农作物可见光遥感领域新近出现的一种方法。     

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。     

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。     

基于高分辨率遥感影像的城市绿地信息提取方法研究进展

在总结高分辨率影像特性的基础上,重点讨论城市绿地信息提取方法的研究进展,以供参考。     

基于无人机遥感影像的冬小麦倒伏面积信息提取

倒伏是农业生产中造成减产、作物品质降低的主要原因,基于无人机飞控平台农情监测系统的灾情严重度实时监测以及时采取防治措施提供科学依据。以人工目视解译统计得到的倒伏面积作为判别依据,通过对比最小距离法、最大似然法、神经网络、支持向量机四种监督分类方法对单张无人机影像的分类效果,择优用于无人机拼接数码影像,估算江苏里下河地区小麦倒伏面积。结果表明:最小距离法、最大似然法、神经网络、支持向量机四种方法的分类精度分别为63.57%、98.15%、81.13%、85.04%,最大似然分类法得到的精度最高,其运算速度也最快,与无人机遥感平台农情监测系统快速、便捷的需求相符。将最大似然法应用于整张拼接影像,监测得到倒伏像元个数为7 183 950,估算面积为353.810 8m2,与人工目视解译结果的误差为7.43%,突出了无人机在信息获取方面方便、快捷的特点,表明搭载数码相机的无人机遥感平台对农情监测有一定可行性,可以为精准农业深入开展提供新的契机。     

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.     

土地覆盖遥感专题信息分层分级提取方法研究

【目的】以陕西省横山县1990年的TM图像和2013年的OLI图像作为基础数据源,准确获取横山县土地覆盖专题信息,并制作土地利用类型转换图谱。【方法】对图像预处理后,将横山县10种土地利用类型分别归属到不同的专题层,按照提取难度排列各专题层的处理顺序;对于一个专题层针对性的构建特征空间,并辅助专题图件在特征空间中通过全局阈值分割,获取目标土地利用类型的概貌信息;将包含一层概貌信息的二值图像作为掩膜文件与原图像进行求交运算,依据剩余地物之间的光谱特征和形态特征差异选取尺度,对求交结果依次执行面向对象分割、SVM监督分类和基于数学形态学开闭运算的分类后处理操作,以进一步分离出较难识别的背景地物,获取目标土地利用类型的精确空间分布信息;复合各专题层的提取结果,形成一期的土地覆盖分类结果,然后由两期结果制作横山县1990-2013年土地用类型转入、转出图谱。【结果】分层分级提取方法依据目标土地利用类型对象与背景地物对象的光谱特征和形态特征差异,对多光谱遥感图像逐层逐级分解计算,有效减少对光谱特征微弱、混淆地物的漏分误判现象,降低椒盐效应。两期TM/OLI图像提取结果的总体分类精度和Kappa系数分别为82.31%和0.775,81.26%和0.762。【结论】实验所设计的专题信息提取方法能够较为准确、快速地获取横山县土地覆盖专题信息,为解译黄土高原水蚀风蚀交错带TM/OLI图像提供一个新的思路。     

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。     

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。     

基于多时相遥感影像的水稻种植信息提取

获取水稻种植信息对于指导水稻生产,监测作物生长及合理分配水资源具有重要意义。针对基于单时相影像提取水稻信息精度有限,以Sentinel-2A/B多时相影像为数据源,构建NDVI、EVI、NDWI和光谱特征4种时序特征数据集并设计6种试验方案,结合随机森林算法对水稻种植信息进行提取。结果表明,NDVI、EVI时序曲线可以较好反映出水稻生育期的物候特征,不同地类的光谱时序曲线和NDWI时序曲线可分离度较高,有利于提高分类精度;基于NDVI时序数据集的分类精度最低,基于光谱时序数据集的分类精度最高,总体精度达95.559 0%,Kappa系数为0.943 3,与基于NDVI的分类结果相比,总体精度、Kappa系数、水稻生产者精度和用户精度分别提高了3.530 4%、0.044 9、8.64%和3.36%,水稻与旱地的混分现象得到有效抑制。该研究为区域水稻种植信息精确提取在数据源选择、时序特征构建方面提供了一种新的思路和技术手段。     

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...     

植被信息提取过程中ETM+遥感影像的分类方法

遥感图像分类是研究土地利用覆盖变化的基础。本文以南京市为例,采用监督分类与非监督分类相结合的方法,先以ISODATA非监督分类法获得初始训练模板,通过实地调查对模板进行调整,再在此基础上以最大似然法进行监督分类。研究结果表明,用改进的分类法提取植被信息,可以取得良好的分类效果,是进行植被信息调查较为理想的方法。