高分1号卫星影像在福州市植被生态遥感监测中的应用

从高分1号(GF1)卫星数据特征出发,论述了卫星数据的预处理方法,并以福建省福州市为例,通过PIE软件对高分1号多光谱相机(GF1-WFV1)16 m影像数据进行辐射定标、大气校正和正射校正,然后利用GIS软件计算植被覆盖度并划分植被覆盖等级。结果显示,除城建区外,福州大部地区为高或较高植被覆盖度区,其中,福州内陆地区植被长势明显高于沿海地区,福州市区、仓山、闽侯高新区及平潭地区植被覆盖度较低。     

基于多源遥感影像融合的植被覆盖度信息提取研究

植被覆盖度是评估生态环境的一个重要参数,对于全球环境变化和监测研究具有重要意义。如何从遥感数据资料估算植被覆盖度,并提高估算精度是建立全球或区域气候、生态模型的基础工作。该研究以CBERS数据与ASAR数据为多源遥感数据源,进行CBERS影像与ASAR影像HPF像素级融合,生成高空间分辨率的多光谱影像HPF融合影像。分别运用CBERS影像和HPF融合影像,提取植被覆盖度,并对两者的提取效果进行精度对比评价分析。评价结果表明,HPF融合处理的影像提取的植被信息精度较高、效果较好,为植被覆盖度信息的提取提供了参考。     

HJ星和GF1号数据在水稻种植面积提取中的应用

利用中高空间分辨率遥感技术监测农作物生长已成为当今农业遥感研究的热点问题。本研究选用国产中空间分辨率卫星HJ星和高空间分辨率卫星GF1号遥感影像数据,在分别对其进行大气校正、几何校正等预处理的基础上,选用PCA、Brovey、HPF和Wavelet 4种融合方法对HJ星和GF1号遥感数据进行融合,并对其融合效果进行定性和定量评价。通过计算融合影像的RVI和NDVI,比较其光谱特征的差异性,并对筛选出的最适融合影像进行水稻种植面积的提取与精度验证。结果表明,在4种遥感融合方法中,HPF融合效果最佳,其标准差和信息熵分别为10.984 3和1.468 6,信息量丰富,与原始影像的交叉熵和相关系数分别为1.848 5和0.370 2,保真度较好,HPF融合影像RVI和NDVI分别为6.508 1和0.713 6,与实测值最为接近,近似率分别为87.71%和98.63%,利用水稻种植面积提取样方验证的精度为98.08%。说明,对HJ星和GF1号遥感影像进行HPF融合,可以增强融合影像的信息量和光谱特征,有利于县域级水稻种植面积准确提取。     

多种光谱指标构建决策树的水稻种植面积提取

合理选取不同光谱指标制定决策树规则,能有效提高决策树分类法提取水稻面积的精度。本研究以江苏省淮安市为例,选取30 m空间分辨率HJ1A和16 m空间分辨率GF1多光谱影像,在对不同地物样点像元光谱特征分析的基础上,选择地物光谱特征明显的GF影像计算NDVI、EVI、DVI和RVI,并提取影像近红外波段反射率,利用上述5种光谱指标确定不同地物分类阈值来对两景影像进行决策树分类,进而获取淮安市水稻面积和分布情况。结果表明,GF影像地物光谱特征较明显,有利于识别不同地物,可用来确定基于多种光谱指标分类的阈值范围。其中,水稻判别条件为NDVI0.70,0.25DVI≤0.45,0.53EVI≤0.80,RVI5.5且0.30ρNIR≤0.46。HJ影像和GF影像提取水稻面积的样本精度分别为87.29%和93.70%,GF影像比HJ影像的水稻面积提取精度提高了6.41个百分点,说明利用多种光谱指标构建决策树分类模型是一种有效提取水稻种植面积的方法。     

基于GF-1/WFV EVI时间序列数据的水稻种植面积提取

随着国产高分系列卫星的发射,国产高分辨率遥感影像在作物种植面积提取方面逐渐得到了应用,但目前仅有少量基于高分一号(GF-1)卫星影像归一化植被指数(Normalized Difference Vegetation Index,NDVI)进行作物分类或遥感估产的研究。本文针对NDVI指数在南方多植被覆盖区域易饱和及不敏感的缺陷,利用在NDVI基础上改进的增强型植被指数(Enhanced Vegetation Index,EVI),首次提出基于GF-1卫星16m宽覆盖影像(Wide Field of View,WFV)EVI时间序列的水稻种植面积提取方法。选取四川省乐至县为研究区域,获取覆盖整个水稻生长周期的GF-1/WFV影像数据,构建EVI时间序列,并分析水稻不同生长期的EVI曲线特征。利用时间序列谐波分析法(Harmonic Analysis of Time Series,HANTS)对EVI时间序列进行平滑处理,尽可能减少噪声影响,使EVI时间序列能够更好地反应水稻及其他植被或非植被随时间的变化规律;根据水稻和其他植被及非植被的EVI曲线特征差异构建水稻种植面积提取决策树模型,对水稻种植面积进行准确提取。通过与同期地理国情监测成果的对比,本研究方法提取的水稻种植面积和精度都较高,表明该方法对于提取水稻种植面积效果良好。研究表明,相对于以往用中低分辨率卫星影像进行作物种植结构提取,GF1/WFV影像在南方较破碎的水稻种植面积提取方面应用效果良好,GF-1卫星影像在农业遥感领域具备很大的应用潜力。     

基于GF1-PMS数据的玛纳斯县耕地数量遥感调查方式研究

本研究利用我国自行研发的高分一号遥感卫星数据(GF1-PMS),结合地面实测数据,对玛纳斯县及周边的耕地数量进行调查,以期为土地变更调查和遥感监测工作建立计算机解译的工作流程提供一定的技术支持,探讨基于GF1-PMS卫星研究耕地数量调查的可能性与有效性。     

高分一号提取植被信息方法对比

针对高分一号WFV传感器的参数特点,选取归一化植被指数(NDVI)、增强型植被指数(EVI)和土壤调整植被指数(SAVI)3种植被指数,采用不同时期的数据对四川省茂县地区进行植被信息提取,计算分析不同植被指数提取植被信息的差异性。结果表明:高分一号数据提取的NDVI植被效果最好,其中2013年分类总精度为94.55%,Kappa系数为0.88;2015年分类总精度为90.47%,Kappa系数为0.85。根据统计指标分析表明:在高原山区地形环境下,利用植被指数提取植被信息,高分一号卫星采用NDVI比较合适。     

森林植被遥感监测影像最佳分辨率选择

遥感影像分辨率的高低直接影响着森林植被监测的精度、成本和效率,故选择适合森林植被监测的影像最佳分辨率具有重要的应用价值。针对森林植被监测影像最佳分辨率选择方法及结果缺乏的问题,从林业实际应用出发,提出了基于1个步长的变异函数分析空间变异并综合考虑监测精度、成本和效率来确定森林植被监测影像最佳分辨率方法。基于最新的国产高分二号（GF-2）全色影像,利用1个步长的变异函数对湖南常宁洋泉镇林区3种典型分布类型森林植被进行拟合分析,初步确定适合森林植被监测的影像最低分辨率。然后对重采样形成的不同尺度多光谱影像分别进行监督分类,并对结果进行定量定性分析,结合影像成本和数据处理时间,找到适合不同类型森林植被监测的影像最佳分辨率。研究表明:不同分布类型的森林植被,适合遥感监测的影像最佳分辨率不同:①小冠幅森林植被3.2 m;②大冠幅森林植被16.0 m;③混合冠幅森林植被8.0 m。该森林植被遥感监测影像最佳分辨率确定方法和结果可为其他区域森林植被遥感监测影像最佳分辨率确定提供借鉴。     

国产高分系列遥感卫星影像的批量自动配准研究

【目的 】遥感影像的精确几何配准对于国产高分系列卫星影像处理以及后续的农情监测等应用至关重要。【方法 】文章基于自动配准和正射校正程序包AROP,选择16 m分辨率的高分1号、高分6号宽幅影像和3 m分辨率高分2号、高分7号多光谱影像作为实验数据,以经过几何精校正的10 m分辨率的Sentinel-2影像和3 m分辨率的谷歌影像为基准影像,在农业用地场景和城市用地场景下,进行批量的几何配准实验,对配准的结果进行目视检验和定量评价。同时,为了更好地匹配高分影像与Sentinel-2影像,将高分1号、高分6号宽幅数据重采样到15 m的分辨率进行几何配准。【结果 】在农业用地和城市用地场景下,配准精度大多达到了0.5个像元以内,满足了影像配准的精度标准。其中15 m分辨率的高分1号和高分6号的配准精度分别为0.31～0.54和0.33～0.53,均小于0.6个像元;3 m分辨率的高分2号的配准精度在0.47～0.6之间,小于0.6个像元;高分7号的配准精度在0.44～0.49之间,小于0.5个像元,而且所有高分系列遥感卫星在配准后均目视效果出色,接边良好。【结论 】利用AROP对15 m分辨...     

高分六号遥感数据在有林地识别中的应用

精准农业观测卫星-高分六号卫星(GF6)增加了4个特殊波段,更加有效地反映了植被特有的光谱特性,为植被应用研究提供更为详细的地物光谱信息。为了分析GF6数据在植被识别能力上的优越性,比较了GF6号新增波段(红边1、红边2、黄边、紫边波段)和高分数据传统波段对有林地识别精度的影响。结果表明:GF6新增波段对有林地快速识别的精度达到97.67%,Kappa系数为0.95,比GF数据4波段对有林地的识别精度提高了3.35%,Kappa系数提高了0.08。CART自适应特征和阈值选择决策树算法比人工决策树分类算法对有林地识别精度有显著增加,精度由88.81%提高到97.67%,Kappa系数由0.78提高到0.95。GF6数据新增特殊波段结合CART自适应特征和阈值决策树算法对有林地具有快速优越的识别能力。     

地形因子对长汀县植被覆盖度时空特征的驱动影响

基于6期30 m分辨率的Landsat TM/OLI遥感影像数据,采用像元二分模型反演长汀县2000—2016年间植被覆盖度时空特征;同时,基于DEM数据提取高程、坡度、坡向等地形因子,分析地形因子对长汀县植被覆盖度时空特征的影响.研究发现,2000—2016年间,长汀县植被覆盖度呈增加趋势,植被覆盖度均值由68.59%增至78.86%,年均增加0.64%.不同等级覆盖度植被变化趋势存在差异,其中极高植被覆盖面积不断增加,2016年极高等级植被面积占长汀县总面积达74.38%.整体而言,长汀县植被覆盖度以改善为主,占该地区总面积的73.76%,但仍有约26.23%区域植被覆盖度呈退化趋势.高程、坡度对长汀县植被覆盖度空间分布和变化趋势具有显著影响.随高程和坡度的增加,植被覆盖度均呈增加趋势,但坡向对植被覆盖度影响较小.不同高程和坡度的植被覆盖度增加程度存在差异,其中低海拔和平缓坡地区植被增加趋势明显,而各坡向植被覆盖变化趋势基本一致.综上所述,2000—2016年间长汀县植被覆盖度不断增加,地形因子对长汀县植被覆盖度的时空特征具有显著影响.     

利用高分一号影像提取水体信息的方法研究

高分一号卫星影像以高空间分辨率、多光谱分辨率以及高时间分辨率为优势在水资源领域中具有广阔的应用空间。为了能够找到一种及时、快速、准确提取水体信息的方法,本文采用单波段阈值法、谱间关系法、NDVI法以及NDWI法结合光谱分析等方法对吉林省扶余市与长春市交界的松花江部分河段的水体信息进行提取,并对提取结果进行对比、分析。结果表明利用归一化差异水体指数(NDWI)法,再结合阈值法能够将水体信息完整地提取出来,此次试验研究为利用高分一号卫星影像提取水体信息提供了可靠地参考依据。     

基于不同时相高分一号卫星影像的水稻种植面积监测研究

高分一号卫星影像具有高空间分辨率和高时间分辨率的优点。为了分析在水稻生育期内不同时相的高分一号卫星影像对水稻识别的影响,以江苏省建湖县为研究区域,选用2014年7月21日至2014年10月24日期间5景空间分辨率为16 m的高分一号卫星影像,采用ISODATA分类与人工目视解译相结合的方法分别提取各时相的水稻种植面积,并以地面实测GPS水稻样方进行精度验证,结果表明5个时相的水稻种植面积精度都在86%以上,10月15日精度达到最高,为90.391%,说明利用高分一号卫星影像可以用于监测水稻种植面积且精度较高,在农业遥感监测领域中具有广阔的应用前景。     

2000-2014年大通县植被覆盖时空变化研究

[目的]探索大通县植被变化规律。[方法]基于Landsat TM卫星遥感影像数据,通过ArcGIS10.0与ENVI5.1软件,提取并分析了大通县不同时期的植被覆盖度时空变化总体特征及其变化原因,并结合大通县DEM数据提取地形因子,研究了不同海拔对植被覆盖度变化的影响。[结果]大通县2000年、2005年、2010年、2014年的平均植被覆盖度依次为73.57%、67.53%、56.13%、69.18%,植被覆盖度fc>0.65的区域和植被覆盖度稳定区的面积占总面积的比例均达到60%以上,植被覆盖总体情况良好;随着海拔的上升,植被覆盖度总体上呈现出先增加后减少的趋势,海拔高度低于3 500m的地带,中高与高等植被覆盖度占比在40%以上,但随着海拔的升高,植被覆盖度下降明显。[结论]引起大通县植被覆盖度动态变化的主要原因是社会经济政策与人类活动的共同影响,有效的政策引导以及森林生态安全屏障的构筑是大通县植被覆盖度提高的主要因素。     

多时相高分一号影像在丘陵地区大宗农作物提取中的应用

【目的】基于多时相的高分一号(GF-1)影像,利用面向地块对象分类法提取广西崇左市江州区大宗农作物种植面积,为南方多云雨丘陵地区提取作物信息提供参考。【方法】以2 m分辨率的GF-1影像为数据源,采用人机交互的方式准确识别地表覆盖的地块信息,基于对多时相GF-1影像进行云影检测,并处理生成影像的光谱、归一化植被指数(NDVI)、亮度等特征,采用面向地块对象的分类方法提取甘蔗、水稻和香蕉的作物信息。【结果】根据混淆矩阵评价分类的结果可知,提取大宗农作物的总体精度为90.08%,Kappa系数达0.85,满足农业成果应用的精度要求。【结论】利用有效影像数据,结合地块数据完成作物信息提取,该技术方法能够准确提取丘陵地区大宗农作物信息,为解决南方多云雨丘陵地区提取作物信息难题提供了有效途径。     

面向耕地的高分一号卫星遥感影像融合方法研究

选择国产高分一号(GF-1)卫星2 m全色/8 m多光谱影像,对增强耕地信息的遥感影像融合方法进行了研究,研究所选择的融合方法包括Subtractive法、Brovey变换法、MHIS法、HCS法和Gram-Schmidt法,并从主观和客观方面对融合影像质量进行了评价,基于融合影像对研究区耕地信息的增强进行了分析。结果表明,面向耕地信息时,MHIS法融合影像最好。     

Gaofen1-WFV与Sentinel2-MSI数据在定量计算中的对比与评价

高分1号(Gaofen1)卫星于2013年发射成功,选取2种植被指数,研究国产Gaofen1-WFV数据计算的植被指数与欧空局哨兵2号(Sentinel2-MSI)数据计算的植被指数间的一致性与差异性,并建立2种数据源植被指数间的关系.结果表明,无论是归一化植被指数还是土壤调节植被指数,不同数据源计算结果的相关系数均为0.9,具有较好的一致性.研究结果可以推动国产卫星数据在精准农业、农业灾害等定量评价中的进一步应用,也为Gaofen1-WFV和Sentinel2-MSI数据的交互使用提供依据,以弥补单一高空间分辨率数据源难以大范围、短周期重复覆盖的不足.     

基于高分六号卫星的植被生态景观监测分析

随着国产高分卫星对地观测系统的建立和完善,精细化生态遥感监测分析需求已提上议事日程。笔者以新疆维吾尔自治区巴音郭楞蒙古自治州和静县为例,利用GIS和遥感技术对高分6号卫星数据进行归一化植被指数(NDVI)反演,生成植被指数覆盖度等级,结合土地利用类型,对研究区植被生态景观现状进行分析评价;并且用DEM数据提取高程、坡度2个主要的地形因子对NDVI值的空间分布进行了相关分析。结果显示：（1）和静县植被覆盖度等级分布都具有明显的空间异质性,总体而言,以中度和较低覆盖植被为主;（2）和静县植被指数在低海拔与高海拔地区较低,在中海拔地区(2500~3200 m)植被指数达到最大,最大值为0.48;（3）坡度对植被影响较大。在10°左右,植被长势较好,植被指数达到最大。     

面向林地分类的GF-2影像融合算法评价

针对林业部门目前常用的遥感影像融合算法,探究适合于林地信息提取的GF-2影像融合算法。以GF-2卫星1 m全色/4 m多光谱分辨率平面影像为数据源,采用HSV变换(hue-saturation-value,颜色空间变换),Brovey变换(彩色标准化变换),PC变换(principle components,主成分变换),HPF变换(high-pass fusion,高通滤波变换),GS变换(gram-schmidt,正交化变换),Pansharp变换(超分辨率贝叶斯变换)等6种常用融合算法,通过目视和定量特征分析对融合效果进行评价,并结合面向对象分类方法对融合后影像进行地类信息提取和分析,探讨6种融合算法对GF-2影像在林区地类提取的适宜性。研究结果表明:基于Brovey和HSV算法的融合结果目视效果良好,清晰度与纹理增强明显;这2种融合算法影像在不同地类信息的提取上各有优势,HSV算法融合结果在不同地类的提取上效果最好,分类总精度可达85.14%,Brovey算法融合结果则在森林类型的提取上具有最高的分类总精度,为75.72%;其余4种融合算法在图像质量及其他地类提取中各有优势,具体融合算法的选取需根据应用目的和影区应用区域的实际情况而定。该研究可为林业部门提高GF-2卫星的适用性及大规模应用提供参考。     

基于Landsat图像的南京城市绿地时空动态分析

以南京市主城区为例,以10期(1986至2011年)TM/ETM+遥感数据为信息源,遵从V-I-S(Vegeta-tion-Imperviousness-Soil)模型,采用性光谱混合模型提取植被覆盖度,并利用高空间分辨率Quickbird和IKONOS影像对提取结果进行精度验证,在此基础上对研究区植被覆盖时空动态模式特征进行评价。结果表明:利用线性混合像元分解技术,对中等分辨率的TM/ETM+遥感影像进行城市绿地的丰度信息提取是有效且可靠的。从时间角度看,南京主城区植被覆盖度逐年递减,其中主要变化表现为高植被覆盖区域向低植被覆盖度区域转化;空间上,低植被覆盖区域由中心城区向四周不断扩大,而城郊结合部由于快速城市化致使植被覆盖区逐渐被非植被区取代。在南京,影响植被覆盖度变化的因素主要有快速城市化进程、变动的绿化政策与措施以及其它自然因素。