基于GF-1影像面向对象分类方法的水稻种植信息提取研究

应用遥感技术提取水稻种植信息是农业遥感的重要内容。GF-1卫星WFV数据为农业信息提取提供了新的途径,面向对象的分类方法是遥感解译的重要方法。本研究以扬州市为研究区域,基于GF-1影像WFV数据,采用面向对象的分类方法,提取水稻种植信息,并实地调查验证试验结果,试图探讨GF-1数据面向对象分类方法在水稻种植信息提取中的可行性与影响提取精度的因素。结果表明,应用GF-1数据,采用面向对象的分类方法能够很好地完成扬州市水稻种植信息的提取,2016年扬州市有水稻种植面积214 524 hm~2,总体精度达到98.5%,Kappa系数0.95,面积精度达97.5%;实地考察能够提高提取精度,地形破碎程度越低,提取精度越高。     

利用HJ-1A卫星遥感影像进行水稻产量分级监测预报研究

以江苏省盱眙县、金湖县和洪泽县为例,利用我国的环境减灾卫星(HJ-1)遥感影像,开展了水稻产量分级监测预报研究。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卫星影像精校正,将GPS样点数据校验贯穿到整个水稻种植面积分类与解译过程中,面积信息解译精度在90%以上。分别利用水稻抽穗期归一化植被指数和比值植被指数反演了叶面积指数和生物量数据信息。结合水稻遥感估产模型进行产量估算,并叠加样点产量信息验证,估产精度达到85%以上;依据预测的水稻产量数据进行产量分级预报,制作了盱眙县、金湖县和洪泽县水稻产量遥感分级监测预报图。结果说明,环境减灾卫星影像基本能满足水稻种植面积提取和产量预报的需求,能够在遥感估产中推广应用。     

基于TM影像的海南岛橡胶种植面积信息提取

以ERDAS IMAGINE为操作平台,利用2008年Landsat-TM卫星数据作为遥感信息源,通过监督分类方法和实际调查,提取海南岛天然橡胶种植面积信息,并与2008年年鉴中橡胶面积数据进行对比分析。结果表明:利用TM遥感影像调查橡胶种植面积的准确率约为91%,基本能反映区域橡胶种植分布情况。     

基于SVM的县域冬小麦种植面积遥感提取

冬小麦种植面积的精确提取,对于农业部门进行冬小麦生长监测与产量估测有着重要的支撑作用。本研究在对Landsat-8卫星15 m×15 m空间分辨率遥感影像进行预处理的基础上,基于最佳波段指数(OIF),采用支持向量机(SVM)算法中四种核函数进行影像分类,并比较分类精度,选择精度最高的核函数作为SVM最优核函数对盐城市大丰区冬小麦种植面积进行提取,与最大似然法、最小距离法的结果进行对比。结果表明,四种核函数中,Linear核函数分类精度最高,达到98.56%。将Linear核函数作为SVM最优核函数对大丰区冬小麦种植面积进行提取,提取到的种植面积为71 834.4 hm~2,提取精度、分类精度和Kappa系数分别为91.25%、98.56%和0.98。基于SVM的冬小麦面积提取效果明显好于传统监督分类方法,说明使用支持向量机与影像光谱特征进行影像分类能够准确提取县域冬小麦种植面积。     

基于面向对象分类的冬小麦种植面积提取

为探索冬小麦种植面积的多源遥感提取方法,以江苏省中部宝应、高邮和兴化三市为研究区域,对冬小麦拔节期Land/TM和ERS/SAR遥感影像进行数据融合,基于波段最佳指数和地物光谱可分性,选择3-4-5波段进行分类,针对传统的基于像素分类方法结果易受"同物异谱"和"异物同谱"现象影响的问题,采用面向对象分类方法,以影像对象为处理单元,结合地物丰富的空间、纹理信息进行小麦面积提取,并与基于像素分类方法(SVM分类)结果进行了比较。结果表明,面向对象分类精度达到了94.16%,较准确地提取出研究区内冬小麦种植面积,比SVM分类结果具有明显优势。该方法可为南方冬小麦种植面积信息的快速获取提供技术支持。     

基于中分辨率成像光谱仪(MODIS)数据的水稻遥感估产研究——以江苏省为例

选择以水稻为传统优势粮食产业的江苏省作为研究区,采用MODIS09数据作为数据源,根据水稻移栽期稻田土壤湿度较大的特点,利用不同植被指数间的关系,按照一定的算法排除地表干扰像元,提取水稻像元,并在此基础上结合统计资料,分析水稻单产与提取的水稻植被指数之间的关系,并利用水稻植被指数预测全省水稻单产。研究表明,在条件时间序列插值算法(CTIF)处理的基础上提取水稻像元,并基于提取的水稻像元进行遥感估产的方法能取得较好的估算效果。拟合的2004-2006年单产平均精度高于99%,预测的2007年各地级市水稻单产精度在95%左右,全省平均单产相对误差为0·38%,精度较高,具有一定可行性,可利用该方法对不同年份和不同地区进行水稻产量估算。     

基于穗帽变换的TM影像水稻面积提取

利用水稻生育前期和后期两个不同时期TM影像分别进行穗帽变换生成亮度、绿度和湿度变量,并将它们合成为多时相影像,充分利用这3个具有物理意义的变量,特别是湿度变量进行水稻种植区影像分类和以水为背景的水稻面积提取,并使用亚米级GPS地面调查的数据进行分类验证。 基于穗帽变换影像的分类方法有效提高了水稻面积提取精度,水稻分类的生产者精度和用户精度分别为84.30％和85.18％,这比原始合成影像数据的分类结果提高了约3个百分点;另外,总精度也由原始合成影像的74.12％提高到经过穗帽变换的78.04％。     

基于Landsat/TM遥感的冬小麦长势分级监测研究

为给遥感技术在冬小麦长势分级监测预报中的应用提供依据,以江苏省兴化市为例,利用TM卫星遥感影像,提取冬小麦的种植面积并分析了长势情况。在利用GPS实地取样调查和建立解译标志的基础上,进行TM影像校正、非监督分类和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95%以上。结合NDVI指数反演的叶面积指数数据进行小麦长势分级分类,并制作了兴化市冬小麦长势分级监测图。     

应用隔年卫星遥感影像评估区域麦稻连作水平

为探讨利用稀缺或隔年卫星遥感影像估算大地理区域麦稻连作水平的可行性,以江苏省常熟市为例,利用隔年TM卫星遥感影像,提取小麦和水稻种植面积并分析了麦稻连作水平。在解译隔年稻麦卫星遥感影像获取麦稻连作面积信息的基础上,运用马尔可夫链建模方法构建麦稻连作水平评估模型来估算麦稻连作水平,并用GPS 实地取样调查对估算精度进行验证。结果表明,常熟市麦稻连作指数为0.76,即有76%的小麦连作水稻,估算精度在95%以上,与传统的地面调查方法相比较,统计麦稻连作指数或水平更能反映大地理区域麦稻连作的现状。     

基于NDVI密度分割的冬小麦种植面积提取

为解决作物面积遥感监测中常遇的混合像元问题,选用江苏省沭阳县冬小麦扬花期HJ-1A卫星遥感影像,基于不同地物光谱信息的差异性与可分割性,提出基于归一化植被指数(NDVI)密度分割的冬小麦种植面积提取方法。在利用GPS实地取样调查和建立解译标志的基础上,对HJ-1A卫星影像进行了几何与大气校正。利用NDVI灰度影像提取混合像元训练样本的NDVI值和小麦种植面积,计算小麦面积权重,确定混合像元的NDVI阈值。利用NDVI再归一化结果对NDVI灰度影像进行密度分割,依据不同密度分割系数下像元总面积及其所对应的小麦面积权重关系,最终得到沭阳县冬小麦种植面积。结果表明,根据NDVI密度分割法提取冬小麦面积为8.37×104 hm2,面积精度为92.37%,样本精度为93.31%。基于密度分割系数(P0.5)制作沭阳县冬小麦种植分布图,获取了全县冬小麦空间分布特征信息。以上结果说明NDVI密度分割法能较准确地提取研究区内冬小麦种植面积,可有效解决农作物种植面积提取中混合像元问题。