基于GF-1影像的沿淮地区冬季耕地撂荒遥感调查应用

耕地作为一种稀缺资源对国家和农民来说都具有极其重要的意义,但随着市场经济的深入和农村经济的发展,农村耕地撂荒现象时有发生,撂荒耕地必然导致土地资源浪费,影响到中国粮食安全和农民增收,也不利于农村经济社会稳定发展。沿淮地区是安徽省乃至全国重要的商品粮生产基地,但近年来冬季撂荒情况日益严重。该文拟选取安徽省霍邱县,利用2015、2016、2017三年冬小麦生长期内的GF-1卫星16 m多光谱影像,提取霍邱县冬季作物种植的空间分布和面积,通过多年数据对比,来分析霍邱县近年冬季耕地撂荒情况。结果显示:2015、2016、2017三个年度冬小麦种植面积分别为937.72,821.79,608.91km~2。参照2015年度冬小麦种植情况,2016年度冬季撂荒面积115.93 km~2、占比12.36%,2017年度冬季撂荒面积328.81 km~2、占比35.06%。结合实地调研分析,霍邱县近年来冬季撂荒面积不断增大的的主要原因有农田排灌等水利设施不足、稻茬麦效益低、外出务工等。而2017年度撂荒面积明显增加的直接原因是冬小麦播种期间,出现连续阴雨异常天气,低洼地区田间积水严重,致使冬小麦无法播种,被动撂荒。该文的研究可以为沿淮地区冬季撂荒遥感调查提供技术参考。     

用于灌溉耕地制图的特征变量优选

灌溉耕地制图可以为粮食安全、水资源管理和气候变化等相关研究提供数据基础。构建和选择表征灌溉耕地信息的特征变量是灌溉耕地制图最重要的环节之一。该研究选择有良好灌溉信息数据基础的美国内布拉斯加州为研究区,基于已有灌溉耕地空间分布图和灌溉信息数据,提取灌溉耕地和雨养耕地的样本,计算了样本的4类82个特征变量,利用随机森林对比分析了82个特征变量对灌溉耕地识别的重要性。研究结果显示四类特征变量对灌溉耕地识别的贡献程度由高到低为综合特征变量、植被特征变量、土壤特征变量、气象特征变量。不同时相的特征变量对于灌溉农田的识别效果存在差异。重要性排序前4的特征变量包括4月和5月的作物水分胁迫指数,7月的增强型植被指数以及灌溉概率指数。利用重要性前16的特征变量分类得到的灌溉农田的总体精度最高,为88.44%。研究可为灌溉耕地制图相关研究中特征变量的选择提供参考。     

高分辨率遥感影像耕地分层提取方法

随着城市化建设进程的加快,城郊耕地经常会被开发为建设用地,甚至还会遭受非法占用的危险,这极大威胁了中国粮食安全。该文针对高分辨率遥感影像城郊耕地特点,提出了一种多尺度分层的耕地提取方法。首先,基于归一化植被指数(normalized difference vegetation index,NDVI)约束改进传统Harris角点检测方法得到建筑区概率密度图,并利用最大类间方差(Otsu algorithm,Otsu)分割去除复杂建筑区;然后,利用尺度选择工具(estimation of scale parameter,ESP)分析耕地占主导影像的多尺度分割结果,得到耕地较佳分割尺度并在该尺度下分割整幅影像;进而,利用形状、光谱信息初步检测出耕地对象,选择非建筑区的耕地与建筑区的非耕地样本,训练支持向量机模型并对不确定地物进行分类;最后,依据空间关系进一步判断图像对象,得到城郊耕地最终提取结果。试验结果表明,该方法能较高精度地从城郊区域的复杂背景中提取出不同类型、不同光谱的耕地目标。     

阆中市撂荒耕地的空间格局分异特征探析

耕地撂荒是影响我国耕地利用效率的重要方面,撂荒地问题研究也是目前土地利用研究领域的重要方向.以四川省阆中市低山和丘陵区的2009—2019年撂荒耕地为对象,利用土地利用转移矩阵、GIS空间分析方法、撂荒率法和单一土地利用动态分析法,对撂荒地的空间格局特征进行了探析.结果表明:1)种植园地面积近十年来增加显著,而未利用地...     

基于超高空间分辩率无人机影像的面向对象土地利用分类方法

为明确基于无人机超高空间分辨率影像的土地利用分类方法,尤其是有效特征和算法的选择,该研究获取吉林省德惠市一农耕区超高分无人机影像,获取区域正射影像图和数字表面模型,计算地形指标,采用面向对象方法进行土地利用分类研究。首先,采用随机森林算法,以光谱特征为基础,依次引入指数、形态、地形、纹理特征,建立5种特征选择方案,分析各类特征对分类效果的影响。其次,以Boruta特征选择算法获取的优化特征集为基础,采用随机森林算法、朴素贝叶斯算法、逻辑回归算法和支持向量机算法分类,分析不同算法的分类效果。结果表明:采用5种特征选择方案分类,引入形态特征时总体精度降低,引入其他特征时总体精度逐渐提高。5种特征共同参与的分类效果最佳,总体精度为98.04%,Kappa系数为0.980。错分主要发生在裸地和宅基地,漏分主要发生在草地、裸地、水渠和道路。错分和漏分主要是因为这几种类型对象具有相似的光谱、形态、纹理特征或相似的分布位置。采用优化特征集分类时,相比其他算法,随机森林算法更擅长处理高维特征集,获得最高的总体精度98.19%,最低的错分和漏分误差,分类效果最佳。借助无人机超高空间分辨率影像提取地形信息、形态信息,可以有效辅助土地利用分类,并能提高传统分类方法精度。     

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。     

QuickBird遥感影像在区域耕地定级中的应用研究

继续深入研究我国耕地定级，对区域耕地的数量、质量等的评价以及更好地保护和利用土地资源具有重要的现实意义。采用高分辨率的QuickBird遥感影像，提出了不同于传统农地定级的技术路线，通过高通滤波融合、几何校正，建立了地物解译标志和屏幕矢量化分类生成土地利用现状图，提高了大比例尺制图效果．并制作出了1：2000比例尺耕地定级质量图。     

基于GF-6卫星影像多特征优选的酿酒葡萄精准识别

多源遥感信息和特征优选是提高农作物识别精度的重要支撑,高分六号(GF-6)卫星作为首次引入红边波段的国产卫星,其丰富的光谱信息为作物识别提供了新的思路和解决途径。该研究基于宁夏回族自治区银川市永宁县2018年6月—2019年3月的GF-6数据,充分利用红边优势提取光谱特征、纹理特征和植被指数特征,构建多种特征组合方案,并根据随机森林算法对特征重要性进行度量,选取最优特征组合对酿酒葡萄进行精准识别。结果表明,与单一特征相比,多源遥感特征的增加显著改善了酿酒葡萄分类效果,其中,植被指数贡献程度最大,光谱特征次之;基于随机森林的优选特征组合分类效果最佳,其中,总体分类精度为94.15%,酿酒葡萄用户精度为94.23%,制图精度为92.59%;以实地调查的4个酒庄为验证区,将酿酒葡萄提取结果与统计数据进行对比,面积相对精度均在70%以上,其中优选特征结果相对精度在90%以上,研究结果将为国产卫星红边波段在植被分类和识别方面的应用提供数据参考。     

撂荒耕地信息获取方法研究进展与展望

撂荒作为耕地利用边际化的最终表现形式,是中国近20 a以来耕地利用亟需解决的重要问题之一,而有效获取撂荒耕地信息是探究撂荒耕地时空变化与影响因素的基础前提,也是政府进行耕地政策调整,保障耕地资源可持续利用的重要依据。该研究应用文献综述法与归纳总结法,基于国内外学者在撂荒耕地信息获取研究上的成果,对撂荒耕地信息获取方法进行归纳总结,并对未来研究方向进行了展望。结果表明：1）综合前人研究成果,撂荒耕地信息获取方法可以分为基于抽样调查、文献荟萃分析以及遥感获取的3种类型。2）基于抽样调查的撂荒耕地信息获取方法在案例研究上应用较广,且有着近乎一致的研究范式,但数据空间表征能力较弱。全国家庭调查数据在一定程度上增加了数据的空间属性,但对原始数据的二次筛选减少了样本容量,降低了数据的可信性。3）文献荟萃法基于“二手”的文献或数据,研究结果受已公开发表文章数量的限制,且需要研究人员对相关领域热点关键词有全面了解,目前该方法在撂荒耕地信息获取应用上相对较少。4）遥感卫星与计算机技术发展给撂荒耕地信息获取提供了便利,基于地物特征规则与土地利用信息变化,多种耕地撂荒检测方法被开发,但受限于高空间分辨率与大范围提取需求,仍存在较大的优化空间,未来研究可在数据选择与处理、特征和方法融合上进行更深一步的探索。     

基于DEM及高分辨率遥感影像的西北黄土高原区侵蚀沟道普查

侵蚀沟道是黄土高原水土流失的重要来源地,全面掌握侵蚀沟道现状,可以为黄土高原水土保持研究、水土流失治理提供重要的基础资料。依托第一次全国水利普查水土保持情况普查项目,对西北黄土高原区侵蚀沟道的数量、特征及分布情况展开了全面的调查。以2.5 m分辨率遥感影像、1∶5万DEM图为主要信息源,利用GIS软件,采用人机交互方式提取了侵蚀沟道的长度、面积、类型和纵比及其地理空间位置等特征信息,为沟道侵蚀机理及治理技术研究提供了数据支持。     

基于最优尺度选择的高分辨率遥感影像丘陵农田提取

农田测绘与粮食安全密切相关,高效经济的农田测绘是中国政府部门重点关注的工作之一。农田田块是农田测绘的基本要素,从遥感影像中提取农田田块信息是当前研究的热点。然而,丘陵地区农田形状不规则、光谱特征不明显导致农田信息提取困难,该文通过研究最优的农田分割尺度来提高农田田块信息提取的精度。首先,利用各向异性扩散算子在由Sobel得到的梯度图上生成多尺度梯度影像。然后,通过信息熵差异分析得到有效尺度范围。其次,利用标记分水岭算法对农田梯度影像进行分割获得多尺度农田信息。最后,利用非监督的全局评价方法在已得的有效尺度范围内确定农田提取的最优尺度,同时确定最优的农田提取结果。对比试验结果表明,该文方法能够有效地提取丘陵地区的农田田块,精度可以达到73.06%,比Mean-shift方法提取的精度高22.48%。该研究可为中国农田测绘提供技术参考。     

使用高分遥感立体影像提取黄土丘陵区切沟参数的精度分析

为了研究高分立体像对测量黄土丘陵区切沟参数的适用性,选取陕北黄土区合沟小流域,以三维激光扫描全站仪获取的数据为参照值,分析使用GeoEye-1高分遥感立体像对测量切沟参数的精度,得到如下研究结果.1)刃沟面积、周长、沟长和沟宽等线状和面状参数平均测量误差分别为3.58 m2,0.55 m,0.13m和-0.10 m,其中面积、周长和沟长的百分误差主要集中在5％以内,沟宽百分误差主要分布在10％以内.2)切沟三维参数沟底宽、最大沟深、平均沟深的平均测量误差分别为-0.67、0.14和-0.46 m.截面积和体积的平均误差分别为-6.30 m2和-54.01 m3.最大沟深的百分误差主要集中在30％以内,沟底宽、平均沟深、截面积和体积的百分误差则主要分布在50％以内;相较于三维激光扫描的切沟,立体像对提取的切沟沟底形态误差较大,主要是沟底宽和平均沟深偏小.3)切沟规模越大,切沟体积、截面积和沟底宽的测量值偏小的幅度越大.但是,切沟体积测量误差与切沟体积之间可以建立较好的线性回归模型,在缺少其他测量手段时,可以使用该模型对测量误差进行校正.总体上看,高分立体遥感为切沟线状和面状参数测量以及切沟体积测量提供了新的方法,为黄土丘陵区沟蚀监测提供了便捷、且相对可靠的数据源.     

地块尺度的复杂种植区作物遥感精细分类

实现复杂农区作物种植信息的精准、动态监测是中国农业精细化管理面临的迫切需求,而作物种植碎片化和异质性给作物遥感精细分类带来了诸多挑战,该文旨在探索基于高分辨率影像的地块尺度多种作物同步识别方法,以满足实时获取复杂农区作物详细分布信息需要。研究选取武汉市新洲北部为典型区,以WorldView-2影像为数据源,利用ReliefF-Pearson方法优选作物遥感特征,采用人工神经网络、K最近邻和随机森林算法进行作物分类,并对比分析其精度。研究发现：1）RVI、NDVI、相关性和边界长度等12个特征构成了地块尺度作物分类的相对较优特征,可在充分表征影像信息同时降低数据冗余;2）相比于人工神经网络和K最近邻算法,随机森林算法分类精度最高,其总体精度达79.07%;3）以光谱特征差异为作物区分基础,形状和纹理特征的使用能有效改善地块尺度作物分类精度,总体精度可提高4%左右;4）研究所采用的方法体系能有效提升复杂种植区地物分类精度,水稻、棉花、荷等主要作物以及裸旱地、裸水田等地物分类精度均达到了80%以上。研究成果可为复杂种植区作物遥感精细分类提供新的思路和方法借鉴,亦可为作物种植信息精准普查、土地利用精细化管理以及农业产业结构调整动态监测等提供参考。     

陕北黄土丘陵区退耕地植物群落演替特征

为了解黄土丘陵区侵蚀地貌退耕地植物群落演替模式及其基本特征,以陕北安塞纸坊沟流域的20块不同年限退耕地和荒坡为研究对象,采用空间代替时间序列的方法进行植物群落的调查和演替特征的分析。结果表明:退耕地植物群落大致经历了茵陈蒿群落—杂类草—狗尾草群落—长芒草群落—铁杆蒿群落—茭蒿群落的演替过程。植物群落的Shannon-Wiener指数、Simpson多样性指数、Margalef丰富度指数和Pielou均匀度指数均表现出随演替进行而上升的变化规律,但上升的速率各异;演替前期和中期的群落基本上属于对数级数分布,说明该阶段的物种组成主要是生态位预占模式起作用,演替后期的群落属于对数正态分布,可能是生态位预占、周围繁殖体的侵入压力、种间竞争和其他因素共同作用的结果;群落盖度变化与演替时间符合二次函数变化规律。     

基于遥感的黄土高原植被物候监测及其对气候变化的响应

为了分析黄土高原地区植被物候特征,该文基于AVHRR传感器获取的陆地长期数据记录(land long term data record,LTDR)V4 NDVI数据,对黄土高原1982-2011年间植被物候的时空变化进行分析,并借助偏相关分析方法对物候与气温和降雨的关系进行量化分析。结果表明:黄土高原近30 a间春季物候提前显著(0.54 d/a,P0.001),主要集中在北部草地和灌木植被;秋季物候推迟显著(0.74 d/a,P0.001),主要分布在甘肃、陕北、内蒙古和山西北部等地。不同植被的春秋物候稍有差异,稀疏灌木林春季物候提前趋势最多(1.31 d/a),常绿针叶林最小(0.19 d/a);秋季物候推迟最多的为乔木园地(1.18 d/a),最少的是水田(0.17 d/a)。黄土高原植被物候主要受气温影响,降雨的变化也会对物候产生一定影响。冬季和前年秋季气温上升是春季物候提前的主要驱动因子;夏季和秋季降雨则对秋季物候休眠期延迟起着重要作用。该研究可为黄土高原生态环境评价及气候变化预测模型提供一定依据。     

基于SegNet语义模型的高分辨率遥感影像农村建设用地提取

针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像WorldView-2为数据源,利用182 064幅128×128像素大小的影像切片为训练样本,选取基于深度卷积神经网络的SegNet图像语义分割算法对遥感影像中的农村建筑物进行提取,并与传统分类算法中的最大似然法(maximum likelihood,ML)和ISO聚类、浅层学习算法中的支持向量机(support vector machine,SVM)和随机森林(random forest,RF)以及深层语义分割算法中的金字塔场景解析网络(pyramid scene parsing network,PSPNet)的试验结果作对比分析。研究结果表明:SegNet不仅能够高效利用高空间分辨率遥感影像中农村建筑物的光谱信息而且还能够充分利用其丰富的空间特征信息,最终形成较好的分类模型,该算法在验证样本中的分类总体精度为96.61%,Kappa系数为0.90,建筑物的F1值为0.91,其余5种分类算法的总体精度、Kappa系数、建筑物的F1值都分别在94.68%、0.83、0.87以下。该研究可以为高空间分辨率遥感影像农村建设用地提取研究提供参考。     

基于点特征检测的农业航空遥感图像配准算法

针对当前无人机遥感图像配准算法普遍存在匹配精度差与配准速度慢等问题,该文以点特征检测方法为基础,结合矩阵降维处理方法,提出一种适用于农业航空遥感图像配准的改进算法—SNS(scale-invariant feature transform and singular value decomposition)算法。SNS算法以高斯函数同步检测尺度空间极值点的坐标和特征尺度,利用海森矩阵消除伪特征点,获取特征点精准定位,在求取特征点的模值与方向基础上,采用奇异值分解方法进行矩阵优化,实现数据降维再重构。试验结果表明,SNS算法与经典算法相比,配准速度平均提高5.01%,配准精度均方根误差平均降低10.48%,说明SNS算法在压缩数据量的同时,提高了整体配准精度,具有配准速度较快和鲁棒性较好的特点。研究结果可为农业航空遥感图像快速配准提供参考。     

中国黄土高原丘陵沟壑区退耕地植被分布的影响因子研究

A study was conducted in the forest-steppe region of the Loess Plateau to provide insight into the factors affecting the process of vegetation establishment, and to provide recommendations for the selection of indigenous species in order to speed up the succession process and to allow the establishment of vegetation more resistant to soil erosion. Four distinctive vegetation types were identified, and their distribution was affected not only by the time since abandonment but also by other environmental factors, mainly soil water and total P in the upper soil layers. One of the vegetation types, dominated by Artemisia scoparia, formed the early successional stage after abandonment while the other three types formed later successional stages with their distribution determined by the soil water content and total P. It can be concluded that the selection of appropriate species for introduction to accelerate succession should be determined by the local conditions and especially the total P concentration and soil water content.     

基于遥感影像的露天煤矿区土地特征信息及分类研究

该研究利用Landsat TM数据,以安太堡大型露天煤矿为例,在对地物光谱特征深入分析的基础上,设计了大型露天矿区土地剧烈扰动下不同地物特征提取模型,提取了安太堡露天矿区植被高覆盖区、植被低覆盖区、剥离堆垫区、采煤运煤区及边坡区等不同地物信息。采用归一化植被指数(NDVI)提取植被低覆盖区与植被高覆盖区信息,采用(TM4-TM5)>0提取植被高覆盖区信息并与NDVI进行了比较,采用TM4<40提取采煤运煤区信息,采用TM4/TM7在0.99～1.01范围来提取边坡区信息, 并统计计算了各类地物所占面积和分布情况。对研究区TM影像进行主成分分析,剥离堆垫区、采煤运煤区和边坡区等反映矿区扰动特征的信息主要由第1主成分反映,植被低覆盖区和高覆盖区等反映矿区植被覆盖特征的信息主要由第2主成分反映,两个主成分的贡献率达到97.16％,并利用扰动特征和植被特征对研究区地物进行了分类。该技术与方法为露天矿地物变化动态监测以及土地复垦与生态重建均提供了准确数据支持。