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。     

农作物种植面积遥感提取研究进展

介绍了农作物种植面积遥感提取方面的研究进展,新算法包括：选择多时相数据、多源遥感数据;GIS辅助等手段,并指出采用中分辨率与低分辨率数据相结合的测量方法是获取作物种植面积的主要趋势之一。     

基于遥感抽样的农作物种植面积测量野外调查系统设计与实践

传统农业统计野外调查方式的调查效率、数据质量已经不能满足我国社会经济发展对农业统计调查数据及时精准的要求,基于空间信息技术发展新的农业统计调查方法对提升我国农业统计调查能力具有重要意义。本研究在充分了解基于遥感抽样的农作物种植面积测量业务流程的基础上,设计开发了基于遥感抽样的农作物种植面积测量野外调查系统,将农作物面积测量野外调查的数据组织与管理、数据采集、任务分配、调查进展实时监测等整个业务流程集成为一个数字化系统平台,并基于可移动终端设备实现了野外调查数据采集的核心系统功能。2016年基于遥感抽样的农作物种植面积测量野外调查系统已广泛应用到31个省区和1 100个粮食大县及第三次全国农业普查农作物种植面积遥感测量工作中,实践应用表明该系统可满足农作物面积遥感抽样调查的业务要求,能够显著提升野外调查工作的效率。     

基于MODIS的农作物面积遥感监测及应用

MODIS遥感数据具有探测周期短、覆盖面积广、数据开放等优点,适合大尺度、动态的农业遥感监测应用。结合了MODIS遥感数据资源的特点和农作物物候特征,提出了基于MODIS的农作物面积遥感监测方法,并根据黄淮地区冬小麦种植面积提取的应用需求,选用地理空间数据云平台提供的3种MODIS数据产品进行了农作物面积提取。结果表明,使用5 d合成数据产品的提取精度较高。     

基于高分遥感数据的昌吉市棉花面积识别研究

本文探讨了如何利用高分遥感数据大范围快速提取棉花种植面积。本研究以昌吉市为研究区,基于高分一号(GF-1)遥感影像,利用实地调查的2015年昌吉市作物种植信息,选取不同的监督分类方法,加入耕地掩膜,分析得出昌吉市棉花识别的最佳识别时相以及最佳识别方法。结果表明,棉花与其他种植作物分离程度最好月份为7月,棉花种植面积最佳识别月份为7月,支持向量机分类方法总体精度最高,总体精度为95.24%,Kappa系数0.935。棉花种植面积提取以小于6个像元为最小图斑时结果最佳。高分一号遥感影像7月以支持向量机分类法解译出的2015年昌吉市棉花面积为15 974 hm2,棉花面积提取精度为95.79%。     

基于遥感的福建闽侯丘陵区农作物种植面积空间抽样方法

以福建闽侯县作为研究区,采用传统抽样(简单随机抽样、系统抽样、分层抽样)、空间抽样(空间随机抽样、空间系统抽样、空间分层抽样)等方法对研究区农作物种植面积进行样本抽选、总体推算及误差估计,结果表明:1 500 m×1 500 m格网为最优抽样单元尺寸,空间分层抽样方法的相对误差为3.86%,变异系数为6.03%,抽样成本为6.03,抽样效率高.与传统抽样方法相比,空间抽样方法显著减少样本容量,节约调查成本.     

基于遥感和“两区”划定耕地数据的农作物面积估算分层抽样体系研究

【目的 】四川气候多云雨天气,通过全覆盖遥感影像解译来掌握主要农作物种植面积、分布非常困难,采用野外实地抽样调查与遥感影像分类相结合是有效可行的方法。【方法 】文章以遥感和GIS为手段,充分利用“两区”划定耕地基础数据,采用两级空间分层抽样方法和实验最优空间抽样体系的设计来建立长期的野外调查样方。采用空间分析技术、传统抽样方法相结合的两级空间分层抽样技术,在不同研究区内,以误差、变异系数和抽样个数为抽样效率的评价指标,实验和确定不同层的样方大小、抽样方法和抽样比例的最优抽样体系;通过确定的最优抽样体系,反推2022年研究区油菜和小麦面积,验证其精度。【结果 】抽样体系中样方大小为0.5 km×0.5 km、抽样方法为分层顺序抽样方法或分层麦士比抽样方法、抽样个数为25个左右,误差和变异系数较小,为最优抽样体系。【结论 】经验证,用最优抽样体系反推的2022年油菜小麦面积精度均在93%以上,建立了适用于四川省不同区域的最优抽样体系,布设了长久的野外调查样方。     

HJ-1号卫星数据与统计抽样相结合的冬小麦区域面积估算

【目的】探讨利用HJ-1号卫星遥感数据进行冬小麦种植面积测量的可行性,并进一步结合统计抽样的方法,估算区域冬小麦种植面积,解决单靠遥感进行冬小麦种植面积测量时多期影像信息误差积累和生长差异性影响的问题。【方法】以北京市为研究区,采用多时相HJ-1号卫星遥感数据与分层抽样相结合的方法进行冬小麦种植面积测量:利用多时相HJ-1号卫星遥感数据获取冬小麦遥感识别结果(56506.67hm2),结合耕地地块数据建立入样总体,以耕地地块内冬小麦遥感识别面积作为分层标志进行分层随机抽样,反推得到北京市冬小麦面积总量(59680hm2)。【结果】多时相冬小麦遥感识别结果MAE为0.17,bias为-0.05,抽样反推区域总量面积提高了约5%,在一定程度上纠正了HJ-1号卫星多期遥感影像提取冬小麦区域面积偏低的问题。【结论】本文方法能够准确测量出区域冬小麦总量面积,具有较强的应用性和普适性,为采用HJ-1号卫星遥感数据进行农作物种植面积遥感测量进行了先期的方法探讨,深化了该遥感数据源的应用。     

高分1号卫星遥感影像监测林地动态变化研究

应用高分1号和多期国产高分辨率卫星遥感影像对红星林业局林地动态变化进行目视解译与提取识别,检测林木采伐、占地、开垦和森林灾害等因素造成林地和林木的变化情况。结果表明,高分辨率卫星遥感监测林地动态变化解译正判率达95%以上,其可视化分析方法和技术为森林资源动态监测提供一定的科学支撑,为全国林地和林木采伐管理探讨技术方法。     

RapidEye卫星数据在水稻种植面积遥感调查中的应用研究——以桂平市晚稻为例

本研究在以桂平市RapidEye卫星影像为例,深入探讨RapidEye卫星影像南方地区水稻种植面积遥感调查的可行性。从RapidEye图像的几何纠正精度、图像合成处理、遥感解译标志和调查结果看,采用RapidEye图像调查的精度和实效性高,可以满足南方地区水稻种植面积遥感调查的需要。     

RapidEye卫星数据在水稻种植面积遥感调查中的应用研究——以桂平市晚稻为例

本研究在以桂平市RapidEye卫星影像为例,深入探讨RapidEye卫星影像南方地区水稻种植面积遥感调查的可行性。从RapidEye图像的几何纠正精度、图像合成处理、遥感解译标志和调查结果看,采用RapidEye图像调查的精度和实效性高,可以满足南方地区水稻种植面积遥感调查的需要。     

基于资源三号卫星遥感影像的山区套种烟草面积估测

[目的]针对传统实地测量难以实现山区大面积套种烟草面积监控的问题,研究一种快捷、高精度的估测途径。[方法]利用ENVI5.1软件处理资源三号卫星2.1 m全色影像和5.8 m多光谱影像,导入1∶1万DEM数据进行正射校正以纠正地形起伏引起影像上的误差。野外获得具有代表性的地面控制点(GCP),利用面向对象分类方法,对影像进行智能化的分割和合并,以GCP的光谱、纹理和形状属性创建规则,进而提取烟草面积。[结果]经过分类后处理提取的研究区烟草面积为14 088.46 hm2,分类精度达到94.63%。[结论]面向对象分类方法提取遥感影像信息的实用性较高。     

农作物种植面积“一张图”遥感监测业务设计及应用

【目的】农作物种植面积遥感监测是世界农业大国农情遥感监测业务的主要内容,监测结果也是政府宏观监测与生产管理的重要依据。所以农作物种植面积"一张图"遥感监测业务的设计及应用为农业生产定量化管理提供进一步服务。【方法】文章在农作物种植面积"一张图"概念定义的基础上,提出了基于低、中高空间分辨率2种数据源的"一张图"遥感监测技术方案,并采用EOS/MODIS、GF-1/WFV数据实现了全球、中国大陆区域冬小麦空间分布"一张图"的监测方案应用。【结果】农作物种植面积"一张图"概念的提出,是从监测范围与监测内容上对农作物种植面积遥感监测业务的规范,对遥感监测技术从基础研究向实际应用具有推动作用。【结论】现有遥感数据、分类识别技术能够保证"一张图"遥感监测业务方案的实施与实现。限制遥感数据向"一张图"成果转化的技术瓶颈,是遥感监测自动识别技术的精度与能力。在今后较长一个时期内,从全球及国家尺度出发,开展作物光谱分布规律研究,进而提出普适性较高的算法,是提高全球、国家尺度农作物种植面积"一张图"遥感监测业务效率的主要途径。     

基于遥感数据的东平湖面积变化监测

本文以东平湖的1985、1990、1995、2002、2005、2009年的Landsat4-5卫星遥感数据为数据源,提出了波段加和法提取东平湖的水面面积。并与归一化差异水体指数(NDWI)法、改进的归一化差异水体指数(MNDWI)法和修订型水体指数(RNDWI)法计算结果进行比较,相对误差为0.68%～7.27%。波段加和法较上述的三种方法能够更加精确地提取狭窄水面,使小区域水体与其他地物的区分边界更加明显直观。同时,通过对该湖泊1985～2009年年际水面面积变化趋势分析表明,东平湖水面面积总体呈现缓慢的下降的趋势。     

基于时序遥感数据的玉米种植面积提取方法研究

探讨了在Landsat TM图像上进行玉米分布区域信息提取的基础上,利用MODIS数据NDVI植被指数的时间序列进行提取的方法,并以吉林省榆树市实验区为例,提取了2007年的玉米种植面积。研究结果发现,该方法提高了用单一时相landsat TM进行玉米面积识别的精度。     

多源遥感数据在黑龙江水稻种植面积本底调查中的应用

利用多源遥感数据结合的优势,在地理信息系统和全球定位系统的支持下,结合地面调查,进行水稻种植面积的提取,从而实现黑龙江水稻种植面积的本底调查。为黑龙江省建立现代农业空间统计技术体系和粮食安全与区域生态保障空间的决策支持系统提供方法研究,同时也为黑龙江省农业空间统计技术和宏观农业科学决策的现代化进程提供示范。     

基于多时相遥感影像识别与分析高原主要农作物

本文基于归一化植被指数和决策树分类方法,借助多时相高分辨率遥感影像,利用青海省高原地区主要农作物的物候信息,结合地面调查和无人机测绘手段分析省内具有代表性意义的研究区的主要农作物。结果表明归一化植被指数和决策树分类方法对高原主要农作物的面积识别具有较好的可靠性。因此,基于多时相遥感影像数据分区域识别高原主要农作物,将有效解决高原地区因客观因素所造成的农作物面积提取的误差,为高原高海拔农作物面积识别与提取提供理论基础与技术指导。     

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。     

农作物空间格局遥感监测研究进展

遥感技术因其高时效、宽范围和低成本等优点正被广泛应用于对地观测活动中,为大区域尺度掌握农作物空间格局提供了新的科学技术手段。本文系统总结了近10年来国内外农作物空间格局遥感监测在理论、方法、实践应用等方面取得的新进展,指出了亟待解决的问题,并对今后的发展方向进行了展望。研究认为,农作物种植面积遥感监测主要根据遥感传感器记录的不同农作物光谱特征的差异,进行不同农作物种植面积的识别,方法主要包括:基于光谱特征、基于作物物候特征和基于多源数据的农作物遥感识别方法。遥感技术应用于农作物复种模式监测主要根据时间序列植被指数描述的作物季节活动过程,利用不同的拟合方法得到作物生长曲线,实现作物复种模式有效监测。农作物种植方式遥感监测是更高层次的遥感应用,主要利用时间序列遥感数据,根据作物植被指数的变化规律区分不同作物生育周期,判断不同复种模式下作物的种植顺序和方式。在未来相当长的一段时间内,建立农作物空间格局遥感监测的理论和技术体系、发展和改进遥感影像分类方法、优化时间序列遥感数据平滑技术和提高信息提取的自动化与流程化将是农作物空间格局遥感监测需要重点解决的几个关键问题。     

高分辨率卫星遥感在引黄灌区农作物种植结构调查中的应用

针对当前宁夏引黄灌区灌溉管理工作的需要,以高分辨率卫星遥感影像为基础底图,结合实地调查,查清了灌区农作物种植结构的分布和面积情况,为进一步实施灌区农业种植结构优化调整、节水灌溉及水量调度管理等工作提供科学依据和基础资料.