地理国情监测数据在区域水土流失动态监测中的应用

土地利用数据是水土流失动态监测所需的基本数据之一,地理国情监测提供了高精度的地表覆盖数据,可为土地利用数据提供重要的数据源。在建立地理国情监测地表覆盖分类与水土流失动态监测土地利用分类对应关系的基础上,以重庆市江津区为验证区域,根据地理国情动态监测的地表覆盖数据得到了土地利用数据。野外验证了947个图斑的土地利用数据精度,验证结果总体正确率为99.1%,其中边界正确率为100%、属性正确率为99.1%。结果表明,由地理国情监测地表覆盖数据得到的土地利用数据有很好的精度,能够满足《区域水土流失动态监测技术规定(试行)》的数据精度要求,可为区域水土流失动态监测提供数据支持。     

基于特征优选的北疆典型区域非农化遥感监测

该研究旨在准确把握耕地“非农化”的时空格局,为制定合理的土地利用和耕地保护政策提供重要依据。随着特征提取技术和分类算法的进步,利用遥感影像进行大规模耕地动态监测变得更加准确和高效。该研究选用Sentinel-2卫星影像,探讨了不同算法和特征变量在耕地非农化监测中的优势。研究首先提取了4类特征共计31个指标,并通过主成分分析(principipal component analysis, PCA)和相关系数矩阵进行特征优选,获得了12个关键指标,并设计了5种特征组合方案。随后,采用7种基础算法执行影像分类,并通过“单阶段”和“二阶段”两种分类策略,提取耕地“非农化”信息。研究结果表明,有效选择多种特征变量和算法对于提高监测精度至关重要。在所有测试的模型中,采用Softmax构建的二阶段模型精度最高,最优特征组合为光谱特征+光谱指数特征+纹理特征,特征变量维度减少至12个。总体精度、平均用户精度、平均生产者精度和Kappa系数分别达到94.92%、95.16%、93.15%和0.88。对比2020年和2022年研究区数据,发现耕地转变为非农化用地的面积为146.153 km2,而非农化用地转变为耕地的面积为123.074 km2,导致耕地净减少23.079 km2。综上所述,该研究提出的耕地“非农化”监测方法可以为相关的地物信息提取和耕地资源保护与可持续利用等研究提供技术支持和方法参考。     

面向对象分类技术在开发建设项目水土保持监测中的应用

[目的]研究基于无人机低空遥感影像的面向对象分类技术在开发建设项目水土保持监测中的应用,为水土保持监测工作的信息化能力提升提供技术支撑。[方法]利用旋翼无人机获取水土保持监测目标区域的低空遥感影像,通过倾斜摄影技术构建数字表面模型,结合ESP分割尺度评价工具获取最优分割尺度参数,采用多元特征空间指标参与最邻近分类法的监督分类,并依据位置信息的评价方法和误差矩阵对分类解译精度进行验证。[结果]本研究的水土保持监测目标区域的地物分类总体精度达到了86.10%,Kappa系数为0.841,有较好的一致性,能够满足精度需求。[结论]利用无人机低空遥感影像的面向对象分类技术实现了开发建设项目水土保持监测区域地物的快速、精确识别和分类。     

基于无人机遥感影像监测土地整治项目道路沟渠利用情况

为客观监测和有效评价土地整治项目基础设施建后利用情况,初步探讨利用无人机航拍影像结合智能算法识别设施利用状态的可能性,该文选取典型项目,利用多旋翼无人机航拍获取高分辨率影像,提取田间道路和骨干沟渠影像网格切片,通过BoW模型构建典型地物样本特征库基于样本纹理特征进行分类,利用支持向量机模型对研究区骨干线状基础设施利用状况进行识别,并依据目视解译和实地勘察对识别结果进行了精度验证。结果显示无人机遥感方法可以初步识别研究区基础设施建后利用情况;研究区田间道路病害和骨干沟渠淤塞情况识别总体分类精度达到80%和70%;田间道路分类误差主要来自通行不畅与路面裂缝,骨干沟渠分类误差主要来自轻度淤塞;提高影像精度情况下,田间道路利用状况识别精度有所提升但不显著,骨干沟渠通畅状况识别精度无明显变化,模型对宽度2 m以下沟渠识别结果精度较差。研究表明,基于无人机遥感对土地整治项目基础设施利用情况进行自动分类识别具有可行性且效率较高,而监测精度有待于后期进一步提升。     

基于"残差-挤压激励"深度混合卷积网络的土地利用分类

土地利用变化的监测需要高精度的土地利用分类图，遥感技术的发展为这一工作提供了便利。然而，传统分类方法往往无法针对性的利用影像中的信息，其分类结果中地物边缘信息模糊，分类精度不高且噪声较大，难以满足土地变化监测的需要。该研究针对传统方法分类结果不理想的问题，提出一种基于"残差-挤压激励"单元的混合卷积神经网络模型，采用膨胀卷积层对影像进行"光谱-空间"特征提取，并引入"残差-挤压激励"单元，实现特征重用的同时，选择性的强调信息性特征，对噪声性特征进行抑制，最后对得到的特征进行整合实现对遥感影像的分类。该研究提出的模型与k-最邻近算法（K-Nearest Neighbor, KNN）、支持向量机（Support Vector Machine, SVM）、二维卷积网络（2D- Convolutional Neural Network, 2D-CNN）以及混合卷积网络（HybridSN）相比，在试验数据集上总体精度分别提高了11.15个百分点、11.18个百分点、0.06个百分点和2.46个百分点。且有效减少了地物边缘信息的损失，验证了该方法的有效性。此外，基于该方法分类结果统计出的耕地面积与试验区真实耕地面积仅相差0.77%，误差绝对值远低于其他分类方法。     

河套灌区沈乌灌域GF-1/WFV遥感耕地提取

为提高基于遥感影像的灌区耕地自动快速提取,该文针对河套灌区沈乌灌域种植结构特点,利用实地调查结果、Google earth和GF1-WFV遥感影像构建了研究区主要作物及土地利用类型的NDVI时间序列,并利用HANTS滤波法对NDVI时间序列进行了平滑处理。分别采用基于遥感与Google earth的目视解译、监督分类(支持向量机)、基于NDVI时间序列的决策树分类与监督分类相结合的方法、基于HANTS滤波法平滑处理后的NDVI时间序列决策树分类与监督分类相结合的方法对灌区耕地进行提取。利用基于Google earth与目视解译的10 000个随机验证点以及正确率(用户精度)、完整率(生产者精度)和整体精度(提取耕地面积与实际面积的比值)3个指标对提取结果进行了评价。验证结果表明:监督分类(支持向量机)提取结果的正确率、完整率和总体精度仅为84.82%、64.4%和75.68%;基于NDVI时间序列的决策树分类与监督分类相结合的方法提取精度分别为94.28%、84.21%和89.1%;基于HANTS滤波法平滑处理后的NDVI时间序列决策树分类与监督分类相结合的方法提取精度进一步提高,3个指标分别达到94.47%、87.32%和92.24%。在作物种类繁多的大型灌区,时空分辨率优异的GF1-WFV数据在耕地面积提取上具有很强的实用性;结合作物生长规律与遥感信息的联合方法能够有效提高耕地面积的提取精度。     

基于多光谱遥感的耕地等别识别评价因素研究

为了判断应用遥感技术进行耕地质量识别的可行性,该文以多光谱遥感影像为数据源,采用遥感技术提取耕地质量影响因素,进行耕地质量遥感识别评价。通过建立反演模型和实地验证,有机质含量、地形坡度与表层土壤质地可以利用遥感影像有效获取;灌溉和排水因素理论上可以通过遥感影像识别,但资料获取较困难,可通过专题图和影像解译相结合的方法获取;剖面构型、障碍层次和土壤酸碱度等因素通过遥感识别的准确度较低。以自然等指数作为遥感识别评价成果,利用已有农用地分等成果对其进行验证,结果表明,在误差范围[7%,7%]内二者具有高度一致性,因此基于多光谱遥感进行耕地质量识别评价具有一定的可行性。该研究可为耕地等别评价因素识别、耕地质量评价和动态监测提供参考。     

无人机遥感影像面向对象分类方法估算市域水稻面积

针对如何高效地从无人机遥感影像中提取农作物样方数据,用于农作物面积遥感估算,该文以浙江省平湖市为例,利用面向对象分类方法对无人机影像进行水稻自动化识别,作为样方数据与卫星遥感全覆盖空间分布分类结果结合,采用分层联合比估计进行2014年单季晚稻面积估算。然后,与人工目视解译识别方法获取的水稻样方数据推断的区域水稻面积估算的结果进行精度、效率对比分析。研究结果表明:1)利用面向对象分类方法对无人机影像进行分类,总体分类精度达到93%以上,满足构建样本的要求;2)通过区域作物估算对比分析发现,面向对象分类方法对无人机影像进行水稻识别,构建平湖市单季晚稻的样方数据,能够替代人工目视解译样方准确推断区域作物种植面积,有效地提高了无人机影像在遥感面积估算中的应用效率。     

基于时间序列NDVI的灌溉耕地空间分布提取

灌溉耕地空间分布地图是农业和粮食政策制定、水资源管理和环境变化研究的基础数据,及时、准确和适用性强是区域尺度灌溉耕地分布提取方法的重要要求。相比于非遥感数据融合和遥感影像分类方法,利用遥感参量对统计数据进行空间重建的方法具备少受样本限制、运算速度快、与统计数据匹配水平高和产品分辨率适宜的优势,但目前该方面的研究较为薄弱。该文以中国为研究区域,应用国外提出的基于时间序列NDVI的灌溉面积统计数据空间化方法,研制中国2010年、空间分辨率250 m的灌溉耕地空间分布地图,深入分析了该方法的应用效果及其影响精度的主要原因。结果表明,利用该方法获得的灌溉耕地空间分布数据的空间位置精度与同类遥感产品相当,在数量精度上具有明显优势,不同区域的制图效果具有差异性。全国总体精度64.20%,各省精度极差为48.35%。制图误差主要来源为耕地底图、方法假设和分类参量,未来方法的优化应重点加强耕地分布制图、改进方法假设、进行不同类别和时间点的特征参量的筛选和利用。     

基于GIS的耕地遥感监测人机交互式图像解译系统

基于卫星遥感的耕地监测系统包括两部分内容：应用ＧＩＳ的人机交互式遥感卫星图像解译;信息系统开发与应用。为满足农业部门经常性的对耕地数量变化的需求,该文提出应用ＧＩＳ的人机交互式解译成图系统,适用于华北地区大面积陆地卫星遥感图像解译,解译速度和精度均较高。     

高分遥感在黄河流域水土流失动态监测中的应用

[目的]总结和分析黄河流域水土流失动态监测项目所采用的遥感监测技术,为流域水土流失动态监测探索和推广一种崭新、高效的方法。[方法]基于资源3号高分辨率卫星影像,采用面向对象的影像分类方法对准格尔旗2014年的土地利用信息进行半自动分类,并构建植被覆盖度回归模型,对项目区植被覆盖度进行反演研究。[结果]面向对象的土地利用半自动分类结果和植被覆盖度回归模型反演结果,其野外验证精度达到90%以上,满足水土流失动态监测高解析度和高精确度基础数据获取的需求。[结论]面向对象的土地利用分类方法和植被覆盖度回归模型计算,能够有效避免传统人工目视解译导致的成果误差,节约人力成本和时间成本,提高数据获取的精度和效率。     

青海高原东部农业区土地利用遥感分类制图

为有效地监测复杂区域生态环境治理成效,该文以青藏高原与黄土高原过渡地带的青海高原东部农业区为例,研究大范围复杂地区土地利用遥感自动、快速提取方法。首先构建适于研究区土地利用变化分析的分类系统;其次,采用地理分区综合遥感分类法对青海高原东部农业区进行土地利用遥感分类制图。研究结果表明,上述方法适宜大范围复杂地区土地利用信息的有效提取,Kappa系数0.71,较未分区的分类结果高0.12。分类制图结果表明,研究区土地利用结构以农用地为主,其中>6°～25°的坡耕地占耕地总量的63.33%,应加大这部分坡耕地水土流失的防治。该研究为大范围复杂地区土地利用遥感信息提取提供了有效的方法,为青海高原东部农业区土地资源的科学管理与规划提供了参考。     

基于遥感时序物候特征的耕地非粮化多模式监测方法

耕地非粮化对粮食生产和农业可持续发展构成潜在威胁,精准监测不同的耕地非粮化类型对制定针对性的农业管理政策至关重要。该研究以河北省石家庄市藁城区为研究区,首先采用最大类间方差算法（OTSU）提取果园和耕地范围,然后利用Google Earth Engine（GEE）云计算平台构建了基于Sentinel-2遥感数据的特征集,包括光谱特征、物候特征和NDVI（normalized difference vegetation index）时序特征。结合面向对象分割和随机森林（radom forest, RF）、时间加权的动态时间规整（time-weighted dynamic time warping, TW-DTW）算法,构建了4种不同的分类模式用于提取粮食作物和露天蔬菜、大棚种植等非粮食作物。通过选择最优模式,提取了研究区2019-2022年间不同非粮化类型的空间分布信息,并探讨了不同模式的优点和局限性。结果表明：1） 采用面向对象的机器学习模式进行耕地内作物分类的精度最佳,两个生长季内总体精度分别达到93.23%和90.10%,Kappa系数分别达到0.91和0.88;2） 基于时间序列匹配的模式在区分粮食作物和其他地类方面表现出较高的准确性,冬小麦、玉米和大豆的用户精度分别高于95.60%、74.70%、82.70%,制图精度分别高于97.70%、86.40%、93.10%;3） 利用面向对象的机器学习模式进行耕地非粮化信息提取,在两个作物生长季的总体精度为87.00%和81.00%。分析耕地非粮化结果发现,藁城区2019-2022年的年际性非粮化面积为2753.09 hm2,其中果园占比最高;而季节性非粮化结果显示,秋粮非粮化面积（3174.86 hm2）明显高于夏粮非粮化面积（1060.27 hm2）。该研究利用Sentinel-2时序遥感数据,为一年两熟区耕地非粮化监测提供一种新的思路,可以为制定差异化农业管理政策提供依据。     

基于多时相遥感数据的吉林西部土地覆被分类提取

为深化计算机自动提取土地覆被类型在遥感分类研究中的应用,以吉林西部的镇赉县为试验区,利用Landsat8多时相遥感数据的季节变化信息、地表植被、水体与土壤等特征参量,构建多维分类特征数据集对试验区进行土地覆被分类研究,提取了11种地表覆被类型。结果表明:1)多维变量组合方案的总体分类精度为95.50%,Kappa系数为0.9504。该方案自动提取地类达到了一个比较理想的分类结果,方案有效可行;2)方案中,3个主要特征分类变量的引入能很好改善易混淆地类的可分性,尤其,地表植被季节变化信息和土地信息的引入能明显提高土地覆被的分类精度;3)实际情况表明,引入的分类特征量不是越多越好,只有将多种分类特征有效结合才能够提高土地覆被分类精度。该文为农牧交错带上的土地覆被遥感监测提供了一个可行的方案,该方案有效可行。     

近30年西藏耕地面积时空变化特征

耕地对保障粮食安全、促进社会经济发展起着至关重要的作用。西藏生态环境脆弱,深入了解西藏耕地分布及其变化过程,可以为指导西藏农业发展、保障生态安全提供参考。本研究以4期遥感资料为数据源,采用土地利用动态度、土地利用区位指数和土地区域差异模型,对1980-2010年西藏耕地面积时空变化特征进行研究。结果表明:1)近30 a西藏耕地面积总体呈增长趋势,从3 252 km2增加到3 703 km2,占西藏土地总面积的比例从0.27%上升到0.31%,年变化量15.37 km2,年变化率0.46%。2)西藏耕地主要分布在日喀则、拉萨、山南、昌都4个地区,海拔3 800~4 200 m之间,28°~30°N地区,其中拉萨、海拔3 800~4 000 m、28°~29°N是耕地最为集中的地区。3)近30 a西藏耕地相对增加较快的是昌都地区、海拔3 200 m以下和4 200 m以上地区、30°~33°N地带,西藏耕地的变化表现出向高、低海拔地区、纬度较高地区扩展的趋势。近30 a西藏耕地的时空变化特征是气候等自然地理条件与人类活动综合作用的结果。     

中高分辨率遥感影像在农业中的应用现状

为了更加透彻地了解中高分辨率遥感影像技术在农业中的应用研究现状,该文通过对其应用研究现状进行了提炼和总结,并给以简洁的展望。明确了物种识别和分类、农作物面积估算与监测、作物养分和水分状况监测、农作物的叶面积指数、生物量和叶绿素含量监测、病虫害监测和预报、农业自然灾害的监测、农用地土地资源动态变化和监测、作物产量预测8个方面是中高分辨率遥感影像在农业工作中的应用重点,指出农业工作将更加精细、多种技术和方法的融合使用、统一的农业遥感影像数据库的完善、对当前遥感影像技术不足之处的弥补、标准农业植被光谱库的完善和健全的植被解译体系的完善6个方面将是未来一段时期内应用发展的重点和热点。本文可对遥感农业应用和研究工作提供一定参考。     

基于知识的遥感影像的BAYES分类方法研究——以福州市琅歧岛土地覆盖/土地利用类型为例

提高计算机遥感影像的分类精度,是遥感应用中研究的主要问题之一。以福州市琅歧岛土地覆盖/土地利用类型为例,以遥感影像解译知识为基础,使用TM、Aster的融合影像和NDVI生成的植被覆盖度影像,并结合DEM、土地利用等地理辅助数据,将DEM和NDVI因子作为待分类影像的波段加入其中,构成新的待分类影像,运用Bayes分类方法,通过循环迭代的方法消除先验概率对分类精度的影响,实例证明比运用单一的分类方法精度明显提高。