第2次土地调查中耕地田坎系数的测算——以青海省为例

以青海省第2次土地调查田坎系数的测算为例,详细介绍了田坎系数的测算方法和要求,并对青海省耕地的现状、分布以及第2次土地调查田坎系数测算的数据进行了简单的分析,认为通过采用新的技术规程和统一的测算标准,利用先进方法和手段,达到了田坎系数测算的精度要求,测算的田坎系数能够满足青海省第2次土地调查的需要。     

基于遥感影像的田坎系数的合理性验证——以韶关乐昌市为例

以韶关乐昌市为研究区,针对二次土地调查下发的田坎系数与更新调查田坎系数存在的较大差异。从遥感影像目视解译提取未达到规定标准的田坎,进行田坎系数测算,并分别与二次土地调查下发的田坎系数和更新调查田坎系数进行比较。结果表明,使用遥感影像获取的田坎系数与广东省第二次土地调查下发的田坎系数的符合度在96%以上,而与更新调查的田坎系数的符合度仅为50%~30%。因此该研究认为,第二次土地调查的田坎系数较符合真实情况,计算出的耕地面积较精确。     

面向对象的高分辨率影像耕地信息提取

[目的]高分辨率遥感影像是快速提取耕地信息的主要数据源.[方法]在对阿图什耕地特征分析基础上,运用面向对象的特征提取方法,利用高分辨影像QUICKBIRD,探讨光谱特征、空间特征、纹理特征、典型特征等在耕地信息提取中的最优参数选择及具体应用,分析、讨论该方法优势与缺陷.并与传统分类方法提取结果进行对比分析.[结果]总精度提高了27.06;,Kappa系数提高了0.413 6,避免了“椒盐”现象.[结论]面向对象提取信息的方法周期较短、精度较高.     

高分辨率遥感影像在土地整治项目可研阶段的应用

依托于云南省昆明市寻甸县某地土地整治项目,利用高分辨率遥感数据与第二次全国土地调查数据相结合的方法为土地整治项目可行性研究阶段进行了应用研究。通过遥感影像对二调数据进行更新,获取符合项目区实际情况的基础数据,对比分析二调数据与经影像更新后数据,分析土地利用现状及限制性因素,深挖土地整治的潜力;且在可研阶段有效控制建设规模,避免可研阶段和规划设计阶段出现较大调整。通过高分辨率遥感影像对项目区耕地图斑进行分割并引入景观格局指标,分析发现,项目区耕地细碎化程度严重,且耕地分割成地块产生的非有效耕地面积较大,造成了耕地资源的浪费,降低了耕地的利用率、产出率,严重制约着农业现代化发展。结果表明,将高分辨率遥感影像应用于土地整治项目可行性研究阶段,能够为分析结果的准确性提供现实性较强的基础数据保障,从而为土地整治项目的可行性提供切实可靠的依据。     

基于无人机可见光遥感影像的耕地精准分类方法研究

无人机可见光遥感具有使用成本低、操作简单、实时获取遥感影像、地面分辨率高等优势。提出了一种利用无人机可见光遥感影像进行耕地精准分类的方法,以广东省惠州市惠东县铁涌镇石桥村部分耕地的可见光遥感影像为研究对象,对耕地的面积信息、形状信息以及位置信息进行监测和提取,采用面向对象法对影像中两种基于可见光波段的植被指数、纹理信息、形状信息进行分析,研究出分类提取耕地信息的较佳方案。经过反复实验确定分割尺度45、合并尺度90为分割参数,同时利用波段信息和纹理信息对未种植作物耕地和其他地物进行分离。该方法总体精度为89.23%,Kappa系数为0.72。实验结果表明利用无人机可见光遥感数据对耕地进行分类虽然存在一些细碎地块被错提、误提的情况,但总体精度仍然保持在一个很高的水准,可以为耕地作物分类提供参考,为实现精准农业提供精准的数据基础。     

洞庭湖平原区县域耕地整理潜力研究——以津市为例

以洞庭湖平原区域津市为例,用GIS软件确定耕地待整理区进行分析,采用典型田块调查法确定净增耕地系数以及净增耕地数量,最终确定津市农用地整理潜力区待整理农用地总面积Ⅰ级为6 890.32 hm2,Ⅱ级为10 195.82 hm2,Ⅲ级为3 672.15 hm2.从案例得出利用GIS的空间分析功确定耕地待整理区,采用典型田块调查法确定耕地标准系数并在此基础上测算耕地整理潜力,其结果要比传统的方法更为准确,也更有效率.     

一年一季农作物遥感分类的时效性分析

【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。     

基于TITAN软件面向对象分类方法研究——以呼和浩特市满都海公园和青城公园为例

本文根据RS、GIS和GPS原理和方法,以Quick Bird遥感数据为数据源对呼和浩特市满都海公园和青城公园的园林景观信息提取.采用TiTan遥感图像处理软件进行遥感数据预处理,并利用面向对象分类方法先对影像进行多尺度分割,再选择合适的特征参数,通过多次试验建立影像对象的隶属度函数,实现了对研究区的景观分类,在此基础上进行景观对比分析.研究结果显示:利用面向对象分类方法可以快速方便地实现对研究区的遥感影像景观信息提取,精度为85％,为高分辨率遥感影像的信息提取提供了更为快速、有效的技术途径.     

芜湖市土地利用时空动态变化分析

利用遥感和GIS技术,以芜湖市为研究区,对2006,2010,2014年3期遥感影像进行解译,获取土地利用信息数据,基于土地利用动态度、转移矩阵、重心等方法,分析芜湖市土地利用空间格局变化。结果表明,芜湖市土地利用变化动态较大,耕地和建设用地是区域内变化最为显著的土地利用类型,耕地的减少主要转移为建设用地,水域、林地以及其他用地面积略有减少;建设用地重心向西南方向移动,耕地的重心向南移动。芜湖市建设用地的推进与耕地的后退呈现出空间耦合。     

平南县耕地质量等级评价

[目的]以贵港市平南县耕地为研究对象,建立县域耕地质量等级评价体系,为耕地利用和可持续发展提供参考依据.[方法]利用平南县土地利用、高分遥感影像等数据,在GIS平台采用国家土肥部门的耕地质量评价技术,进行2020年耕地质量评价研究.[结果]平南县耕地质量平均等级为5.5,其中一等地占比为0.31％,二等地占比为0.32...     

基于SPOT高分辨率遥感数据的农作物估产方法研究

[目的]为了达到基于SPOT高分辨率遥感数据的农作物估产方法研究的目的。[方法]以邢台市为例,利用SPOT-5卫星2.5 m分辨率全色影像与10 m分辨率多光谱影像的融合得到高分辨率多光谱影像,以此对农作物估产方法进行研究。[结果]结果表明,基于SPOT高分辨率遥感数据的农作物估产结果与地面实测结果相比,其检验结果可信。[结论]该研究为农作物遥感估产的实践应用提供了参考依据。     

Perspective of Chinese GF-1 high-resolution satellite data in agricultural remote sensing monitoring

High-resolution satellite data have been playing an important role in agricultural remote sensing monitoring. However,the major data sources of high-resolution images are not owned by China. The cost of large scale use of high resolution imagery data becomes prohibitive. In pace of the launch of the Chinese "High Resolution Earth Observation Systems",China is able to receive superb high-resolution remotely sensed images(GF series) that equalizes or even surpasses foreign similar satellites in respect of spatial resolution,scanning width and revisit period. This paper provides a perspective of using high resolution remote sensing data from satellite GF-1 for agriculture monitoring. It also assesses the applicability of GF-1 data for agricultural monitoring,and identifies potential applications from regional to national scales. GF-1's high resolution(i.e.,2 m/8 m),high revisit cycle(i.e.,4 days),and its visible and near-infrared(VNIR) spectral bands enable a continuous,efficient and effective agricultural dynamics monitoring. Thus,it has gradually substituted the foreign data sources for mapping crop planting areas,monitoring crop growth,estimating crop yield,monitoring natural disasters,and supporting precision and facility agriculture in China agricultural remote sensing monitoring system(CHARMS). However,it is still at the initial stage of GF-1 data application in agricultural remote sensing monitoring. Advanced algorithms for estimating agronomic parameters and soil quality with GF-1 data need to be further investigated,especially for improving the performance of remote sensing monitoring in the fragmented landscapes. In addition,the thematic product series in terms of land cover,crop allocation,crop growth and production are required to be developed in association with other data sources at multiple spatial scales. Despite the advantages,the issues such as low spectrum resolution and image distortion associated with high spatial resolution and wide swath width,might pose challenges for GF-1 data applications and need to be addressed in future agricultural monitoring.     

遥感影像的空间分辨率对提取崩岗精度的影响

从0.6 m Quick Bird、2.5 m ALOS、10.0 m ALOS遥感影像中分别提取崩岗的特征数据,分析遥感影像的分辨率对崩岗数据精度的影响。结果表明:从0.6 m Quick Bird能容易地提取崩岗数据,且重现性较好,从2.5 m ALOS能提取崩岗数据,但重现性不强,从10.0 m ALOS无法提取崩岗。从0.6 m Quick Bird和2.5 m ALOS提取的崩岗,数量基本一致,但位置不一致、边界不重合、形状差别很大,从2.5m ALOS提取的崩岗周长平均减少20.83%,占58.33%的崩岗面积减少了,平均减少19.78%。因此,可断定0.6 m Quick Bird能反映崩岗的实际情况,2.5 m ALOS能较好地反映崩岗的实际情况,10.0 m ALOS完全不能提取崩岗数据。但高精度遥感影像的获取比较困难,且价格较贵。     

植被高光谱遥感的应用研究综述

植被高光谱遥感以其显著的特点已经成为连接遥感数据处理、地面测量、光谱模型和应用的强有力的工具。本文概述了植被高光谱遥感数据的处理方法和高光谱分析的算法以及它在植被参数估算与分析、植被长势监测、估产及生物量估算等领域的应用现状 ,特别是与近年逐步兴起的多角度遥感结合在建立与完善双向反射模型 ,更精确地反演植被参数等方面的发展状况。并讨论了进一步充分利用植被高光谱遥感数据 ,加速遥感定量化进程的一些途径。     

QuickBird影像在城市土地利用现状调查中的应用研究

以QuickBird卫星影像作为主要数据源,采用主成分分析法对全色和多光谱图像进行融合,并与其它辅助信息进行综合分析,通过室内遥感目视解译,结合野外实地调查验证,对天津市塘沽区土地利用现状进行了遥感调查。研究表明:QuickBird提供的高分辨率卫星图像可以满足制作大比例尺城市土地利用现状图的要求,图像融合可以充分利用全色图像的高空间分辨率和多光谱图像的高光谱分辨率,提高了目视解译的精度。     

LAI无人机多光谱遥感估测及其在盐渍土改良中的应用

【目的】植被产量能综合直观地反映盐渍土改良效果,冬小麦生长旺盛期的叶面积指数（LAI）是植被产量的常用衡量指标。本研究利用无人机多光谱遥感获取冬小麦生长旺盛期的叶面积指数分布数据,对盐渍土改良效果进行客观准确评价,为人们筛选盐渍土改良技术和产品提供科学指导。【方法】以无棣县渤海粮仓滨海盐渍土改良试验区为研究区,基于无人机多光谱遥感数据,利用线性回归分析、偏最小二乘、随机森林和支持向量机等方法,构建拔节期冬小麦LAI反演模型;并利用因子分析法对盐渍土地区抽样地块进行改良效果评价,建立盐渍土改良效果LAI评价模型,基于该评价模型对整个试验区盐渍土改良效果进行评价。【结果】对冬小麦LAI遥感估测而言,并不是分辨率越高越好,而是5×5均值平滑后的光谱数据与一垄小麦叶面积指数的对应最佳。LAI遥感估测模型中,利用支持向量机建立的模型精度最高。改良效果LAI评价模型的预测结果表明,LAI对盐渍土改良效果的预测精度较高,改良效果最优地块的编号为26、27、28、29、30和31,最优改良方法为引黄淤灌和增施有机肥综合改良措施。【结论】无人机遥感可对盐渍土地区拔节期冬小麦的叶面积指数进行准确反演,基于LAI反演结果的盐渍土改良效果评价能够从众多试验小区中定位出最优的改良效果。与传统方法相比,该方法具有成本低廉、精度高等优势,研究结果有广泛推广前景,可以为盐渍土的改良提供重要技术支持。     

基于TM与IRS融合图像对土地覆盖进行分类

用不同空间分辨率的TM与IRS－1C（PAN）遥感图像进行融合，可增强图像清晰度。本研究用人工神经网络BP算法对TM和IRS－1C（PAN）的融合图像进行土地覆盖分类，分类的总体精度达到95％，高于最大似然法（分类的总体精度为71％）。     

退耕还林工程中遥感技术应用研究现状

采用遥感技术开展退耕还林工程规划、验收和监测,具有科学、经济、客观、高效等特点,在退耕还林工程中得到了广泛的应用。利用同一地区退耕还林前和退耕还林后不同时相的遥感数据,通过用GIS中的空间分析技术可定期获得该地区已经退耕还林的面积,高分辨率遥感数据可用于退耕还林工程的监测,了解退耕还林地的植被生长状况及质量状况,实现对退耕还林地工程的实施情况进行实时评价。     

基于高分辨率遥感影像的玉米田叶面积指数反演

根据玉米田样地生物物理参量的野外实测数据,对PROSAIL模型输入参数的取值范围进行率定。通过PROSAIL模型参数敏感性分析,确定不同的输入参数设置方案,模拟不同的叶面积指数、叶倾角、叶绿素含量对应的玉米冠层反射率,建立叶面积指数的缨帽三角分布模式,从而获得玉米田红光-近红外波段反射率-LAI查找表,选取宁夏中卫市WV-3高分辨率遥感影像对玉米种植区域LAI进行反演。通过与实测数据比较,分析了PROSAIL模型在高分辨率遥感影像农作物LAI反演方面的适用性,为高分辨率遥感影像反演农作物LAI提供了方法参考。结果表明,PROSAIL模型输入参数的范围率定与不同设置方案的确定是有必要的,并且运用该查找表从WV-3影像反演的LAI与实测数据较一致,查找表均方根误差为0.47,LAI反演均方根误差为0.24。研究表明,该方法在利用WV-3遥感影像进行玉米田LAI反演中具有较强的适用性,能够进行准确有效的大面积叶面积指数遥感反演。     

基于相似性分析的中低分辨率复合水稻种植面积测量法

 【目的】利用遥感技术获取大范围水稻种植面积是遥感技术在农业领域的主要应用方向之一。本研究的目的是探索利用多尺度遥感数据复合测量水稻种植面积的方法。【方法】以SPOT5数据的水稻识别结果作为样本,构建图像相似性指数,通过支持向量机（SVM）混合像元分解模型,对MODIS-EVI时间序列数据进行水稻的种植面积测量。【结果】通过江苏省邳州市的试验研究得出：（1）在野外经验支持下,从MODIS-EVI时间序列数据中构建的水稻种植相似性指数可以有效反映水稻在整个研究区的空间分布情况;（2）利用图像相似性选取训练样本,能有效地提高MODIS-EVI数据的水稻种植面积的测量精度,当图像相似性指数越小,即图像相似性越高,提取的水稻种植面积也越准确;（3）通过与随机样本测量结果对比分析,基于相似样本的测量方法有着更高的稳定性;（4）该方法在不同种植结构分区内有着相似的总量精度与像元精度变化规律,均能获得较高的测量精度。【结论】基于相似样本的水稻种植面积测量方法,有助于发挥MODIS长时间序列优势,提高水稻种植面积遥感测量精度和稳定性,可以作为替代随机选取样本的方法之一。