基于CBAM-U-HRNet模型和Sentinel-2数据的棉花种植地块提取

棉花是我国重要的经济作物和战略储备物资,及时、准确地获取棉花空间分布信息对于棉花产量预测、农业政策的制定与调整具有重要意义。针对高分辨率遥感影像获取难度大以及传统机器学习对特征信息利用不足的问题,本文以新疆南部地区图木舒克市为目标区域,提出一种以U-HRNet为基本框架,融合CBAM注意力机制的CBAM-U-HRNet棉花种植地块提取模型。选择U-Net、HRNet和U-HRNet作为对比模型,评估CBAM-U-HRNet模型在Sentinel-2(10 m)和GF-2(1 m)2种空间分辨率数据集上的表现以及在棉花地块提取的优势。结果表明,基于Sentinel-2遥感影像的CBAM-U-HRNet组合模型对棉花地块的提取精度最优,mIoU和mPA分别达到92.78%和95.32%。与Sentinel-2数据集相比,空间分辨率更高的GF-2数据在HRNet、U-Net和U-HRNet网络上取得了更高的精度。对于两种不同空间分辨率的数据集,基于CBAM-U-HRNet模型的棉花地块提取精度较为接近,表明CBAM-U-HRNet模型能够减少由于数据集空间分辨率不同导致的错分。与随机森林算法...     

基于决策树和SVM的Sentinel-2A影像作物提取方法

以河南省濮阳县为研究区,以2017年8月6日遥感影像为基础数据源,基于地面样方和样本点数据分析构建植被指数阈值分割分类决策树,结合支持向量机(Support vector machine,SVM)分类方法实现了秋季主要作物种植面积遥感识别,并与其他方法分类结果进行了精度验证与对比。结果表明,与最大似然法(Maximum likelihood,ML)和SVM法相比较,决策树和SVM相结合能较好地解决线状地物和小地块作物提取不全以及椒盐现象等问题,可以对秋季复杂作物进行有效识别,作物分类提取总体精度和Kappa系数分别为92.3%和0.886。利用中分辨率单时相遥感影像,结合波谱特征和植被指数能有效提高复杂作物分类精度,为区域复杂作物分类提取提供技术参考和借鉴价值。     

基于Sentinel-2的青铜峡灌区春小麦和苜蓿早期识别

【目的】基于决策树分类算法对青铜峡灌区春小麦和苜蓿进行早期识别。【方法】在实地调研的基础上,结合Sentinel-2遥感影像,构建能够不断融入遥感数据的决策树分类算法,对青铜峡灌区春小麦和苜蓿进行早期识别。【结果】4月上旬,由于春小麦和苜蓿生长特征较为相似,春小麦和苜蓿的总体分类精度分别为69%和75%。此后,随着观测数据的不断融入,分类精度逐步提升,5月14日二者的分类精度即可达到90%以上。5月31日利用全部5期卫星影像数据时,春小麦的总体精度可达到94%,Kappa系数为0.75,苜蓿的总体精度可达到97%,Kappa为0.86。2023年青铜峡灌区春小麦种植面积为24 000 hm²,苜蓿种植面积为2 000 hm²。其中,春小麦种植结构较为复杂,既存在集中连片的大规模种植,也存在大量面积较小的碎片化种植带。【结论】基于Sentinel-2遥感数据的决策树分类方法,可在4月上旬获取初步分类结果,在5月中旬苜蓿第1次收割之前对青铜峡灌区春小麦和苜蓿进行较为准确的识别。     

基于多时相Sentinel-2A的县域农作物分类

利用遥感技术精准地获取区域农作物种植结构数据,对指导农业生产、制定农业政策具有重要意义。以景泰县为研究区,以多时相Sentinel-2A遥感影像为数据源,计算时序归一化植被指数(Normalized difference vegetation index,NDVI)和红边归一化植被指数(Red edge normalized vegetation index,RENDVI)及其组合特征(NDVI+RENDVI、NDVI-RENDVI和NDVIRENDVI),分析作物特征曲线,并采用随机森林法分别以5种特征参数作为分类特征对研究区农作物进行精细分类。结果表明:根据形态特征,研究区农作物特征值曲线可划分为3种类型:高值型(玉米、水稻、胡麻和马铃薯)、低值型(洋葱、大棚作物和砂田瓜果)和开口型(春小麦、春小麦-秋油葵)。高值型和低值型可在7、8月影像中区分,开口型和前两种类型在5月和9月影像上的特征值有明显差异。3种类型内的作物可以通过不同时相影像区分,高值型的4种作物在9月影像上通过成熟期差异可以区分;低值型的3种作物的特征值差异在全年影像上都可以明显体现;开口型的两种作物利用9月影像可以明显区分。利用NDVI、RENDVI、NDVI+RENDVI、NDVI-RENDVI和NDVIRENDVI 5种特征分类的总体精度分别为82. 14%、78. 16%、81. 17%、75. 64%和86. 20%,Kappa系数分别为0. 78、0. 74、0. 77、0. 71和0. 83,总体精度和Kappa系数由大到小依次为NDVIRENDVI、NDVI、NDVI+RENDVI、RENDVI、NDVI-RENDVI,说明RENDVI辅助NDVI可以有效提高分类精度(精度较仅用NDVI提高4. 06个百分点)。选择合适的时期和分类特征,利用Sentinel-2A特有的红边波段数据及其较高的空间分辨率在县域农作物精细分类上具有较好的精度。     

一种基于Sentinel-2的塑料大棚提取方法

采用Sentinel-2 MSI（multispectral instrument,MSI）作为数据源,以多尺度面向对象分析为基本方法,研究分析塑料大棚与其他地物在不同分割尺度下的典型特征,建立一组大棚指数,提出一种基于大棚指数集的塑料大棚提取方法。通过山东省潍坊市某地区的塑料大棚提取试验对方法进行验证,应用该方法提取大棚的生产者精度、用户精度和总体Kappa系数分别为96.6%、89.2%和0.9,测试精度表明该方法能较为有效地应用于塑料大棚提取研究。      

基于作物空间信息特征的灌区种植结构优化研究

针对目前北方许多大型灌区种植结构不合理、农业需水量偏大、水资源紧缺等问题,提出了一种基于作物空间信息特征的种植结构优化方法,通过调整种植结构和优化空间分布,减少农业需水量,提高农业效益。利用地统计学(GS)和地理信息系统(GIS)的空间处理能力,分区计算了灌区多年平均参考作物需水量(ET0)和作物需水量(ETc),并统计分区内作物单产和产值信息;构建了基于作物空间信息特征的多目标优化模型,设计了2种作物种植结构方案。结果表明,与传统多目标种植结构优化模型相比,基于作物空间信息特征的种植结构优化方法在节水效果和农业效益上都有一定的优势。     

基于Sentinel-2A遥感影像的潍坊市冬小麦种植面积提取研究

为准确、高效、自动化的提取大尺度范围冬小麦种植面积,利用Sentinel-2A卫星影像进行试验,提出一种基于中等分辨率影像的面向对象结合深度学习的遥感冬小麦提取方法。利用面向对象分类法和随机森林分类算法对2021年潍坊市冬小麦种植面积及种植区域进行提取和结果对比,证明面向对象分类法在提取冬小麦种植面积时的可行性和有效性。此外,利用面向对象方法得到的二值分类图像作为标签图像,基于TensorFlow框架,利用U-Net构建深度学习神经网络模型,使用训练得到最优模型提取2017—2021年潍坊市冬小麦种植面积。使用实地调查数据对分类结果进行精度验证,并对潍坊市近五年冬小麦种植面积进行年际变化分析。该分类方法的总体分类精度达93.1%,Kappa系数为0.91。本研究方法可为大范围的冬小麦种植指导和农业结构调整提供科学、可靠的依据。     

基于Sentinel-1A的东北地区作物留茬区监测研究

以吉林省四平市为研究区,利用Sentinel-1A上搭载的全天时、全天候、高分辨的双极化合成孔径雷达（Synthetic aperture radar, SAR）对玉米留茬区进行监测。对比分析了玉米作物留茬区和非留茬区C波段微波信号的后向散射特性,并探讨了不同极化组合下的差异,确定留茬区可分离性相对较高的模式。运用支持向量机(Support vector machine,SVM)方法对研究区主要地物进行识别,获取留茬区的地理分布及其覆盖面积和比例。实验结果表明不同极化组合均能得到比较理想的结果,证明了实验方案的有效性。特别是对于VH和VV双极化组合模式下,总识别精度为86.15%,留茬区识别精度达90.26%。     

基于神经网络算法的Sentinel-2数据的灌溉面积提取

在灌区用水管理中,灌溉面积及其空间分布信息非常重要。传统的灌溉面积提取手段耗费大量的人力物力和时间,已经不能满足灌区的现代化管理。自遥感技术应用于灌溉面积提取以来,经过几十年的发展,已经有很多的研究成果。但现今在应用于灌溉面积提取的遥感技术中,前沿的方法多数采用多个传感器数据或长时间序列的数据,且往往针对某一特定的区域,很难具体的应用在实际的灌区工作中。为了在灌区管理的实际应用中准确高效地提取灌溉面积和分布,开展了一种基于光学卫星多时相差值数据的神经网络算法的灌溉面积提取技术研究。以山东省淄博市桓台县的试验田为研究区域,首先利用随机森林对Sentinel-2卫星数据的所有波段以及一些与土壤水含量以及植被相关的指数进行重要性排序,不同地区的地情下重要性排序结果也不同,所以利用重要性排序可以快速的获取适合此地区的波段以及指数的组合。选取重要性较高的波段或指数作为神经网络模型输入层进行灌溉面积提取。然后根据实际样本田的数据对提取结果进行检验,所得到的总体灌溉面积提取精度达到了76.7%。Kappa系数为0.74。此外,对研究区域进行植被覆盖度分级,并分析了在不同植被覆盖度下的灌溉面积提取结果...     

基于遥感的宝鸡峡灌区作物面积信息提取

灌区中不同作物的种植面积是分配灌溉用水的重要依据,遥感方法不仅可以提取各作物种植面积,而且可以获取其空间分布情况。基于2009年Landsat5-TM影像,综合分析宝鸡峡灌区农作物种植特点和光谱特征,运用决策树分类法获取灌区各作物面积。并由地面实际调查数据和高分辨率影像对分类精度进行评价,各地物精度均达85%以上。结果表明该方法适合灌区的作物分类。     

基于Sentinel-2超分辨率影像的干旱区水体提取方法

针对干旱区复杂环境下水体光谱特性空间差异大、水体提取方法适用性差的问题,本研究基于Sentinel-2卫星多光谱数据,通过超分辨率算法重建10 m空间分辨率多光谱影像,将短波红外(Short-wave infrared, SWIR)重建波段、近红外(Near-infrared, NIR)重建波段作为水体识别特征波段,在此基础上采用超像素分割算法识别水体像元,基于24种光谱指数、支持向量机(Support vector machine, SVM)、神经网络(Neural network, NN)、K-means共构建60种水体提取方法,采用总体精度(Overall accuracy, OA)、准确率(Precision)、F1值、马修斯相关系数(Matthews correlation coefficient, MCC)等水体提取精度指标进行综合评价,以黑河流域为典型研究区,确定干旱区最佳水体提取方法。结果表明,基于Sentinel-2绿色波段(中心波长为560 nm)与超分辨率重建短波红外波段(中心波长为1 610 nm)构建的改进的归一化水体指数方法,显著增强水体提取时对干旱区细小水...     

基于时序植被指数的县域作物遥感分类方法研究

准确地获取农作物种植面积信息是农业管理部门及时掌握农作物生产信息的基础。基于时序植被指数的作物遥感分类方法,可以充分发挥遥感技术周期短、速度快和宏观性强的特点,克服单时相遥感数据的“同物异谱”和“异物同谱”导致的混分问题。以河北省曲周县作物遥感分类为例,在研究待分类作物的最佳NDVI阈值区间的基础上,探讨了基于时序植被指数的农作物分类知识规则建立方法。分类结果显示研究区2014年各类作物的种植面积分别为：冬小麦27 776.61 hm 2、夏玉米27 776.61 hm 2、春玉米2 582.73 hm 2、棉花6 485.94 hm 2、谷子 277.65 hm 2。 用总体分类精度、Kappa系数和统计数据对分类精度进行了验证,总体分类精度为89.166 7%,Kappa系数为0.857 4,与统计数据的相对误差分别为冬小麦-0.80%、夏玉米-0.32%、春玉米-3.15%、棉花-2.71%、谷子4.12%。研究结果表明该方法可为县域农作物种植面积遥感调查提供技术依据。     

基于Sentinel-2影像的三亚西玳瑁岛珊瑚礁信息提取研究

本文基于Sentinel-2数据,以三亚珊瑚礁保护区的西玳瑁岛为研究区域,提出面向对象的珊瑚礁信息提取方法,通过大量实验得出西玳瑁岛珊瑚礁区域的最优分割尺度,并结合最近邻分类方法来对珊瑚礁信息的提取.结果 表明,Sentinel-2数据对西玳瑁珊瑚礁信息起到很好的提取效果,珊瑚礁信息提取的总体精度达到了93.3,Kap...     

基于MWatNet模型的河套灌区解放闸灌域灌溉水体提取

为提高灌溉农田中灌溉水体的识别精度,以河套灌区解放闸灌域作为研究区,基于Sentinel-2遥感影像,结合灌区实际情况对地表水体提取模型(WatNet)进行改进,得到MWatNet模型并提取灌溉水体。采用总体精度（Overall accuracy,OA）、平均交并比（Mean intersection over union,MIoU）、F1值等水体提取精度指标进行综合评价。结果表明：改进后的地表水体提取模型(MWatNet)在解放闸灌域农田灌溉水体的提取上具有较好的识别精度,模型总体精度达到96%,平均交并比达到83%,F1值为80%,实地调研验证准确度为85.7%;对比原WatNet、水体语义分割模型(Deeplabv3_plus)和水体提取模型(Deepwatermapv2),MWatNet在灌溉水体提取的连结性、剔除道路和城镇干扰等方面,均表现出更好的效果和模型运行效率。利用该模型可以实现灌溉水体定量化表征,为灌溉用水调度提供了数据支撑。     

基于决策树和面向对象的作物分布信息遥感提取

利用我国2012年4—11月覆盖主要农作物全生育期的23幅中分辨率HJ-1A/1B卫星时序影像,采用决策树和面向对象相结合的分类方法提取黑龙江省双河农场主要农作物分布信息,并与传统决策树分类方法进行对比。通过影像预处理构建时序HJ星影像集,先利用面向对象方法提取道路,为作物提取排除田间道路及附属地物干扰;再结合作物物候历分析不同地物光谱和时序特征,筛选出7个特征指数和14个敏感时相,建立决策树分类模型,提取出玉米和水稻。研究表明,多特征指数辅助作物分类十分有效,尤其是归一化水指数NDWI对水稻提取非常有效;较之传统决策树分类,决策树和面向对象相结合的分类方法能有效剔除田间道路及附属林带沟渠对作物分类的干扰,总体分类精度从89.22%提升至95.18%,该方法可为其他地区利用中分辨率遥感影像低成本高精度提取作物分布信息提供借鉴。     

基于MODIS-EVI的内蒙古沿黄平原区作物种植结构分析

[目的]获取内蒙古沿黄平原区农业资源信息,提高大区域中低分辨率遥感影像上作物种植结构分类的效率和精度.[方法]利用多时相作物分类方法在内蒙古沿黄平原区构建增强型植被指数(EVI)时间序列曲线,依据不同农作物EVI时间序列曲线的差异对6种主要农作物小麦、玉米、葵花、西葫芦、番茄和苜蓿的种植结构进行了分析.[结果]小麦、玉...     

基于Sentinel-1和Sentinel-2数据融合的农作物分类

基于光学影像的遥感技术受云雨、昼夜影响较大,导致获取连续的作物时序生长曲线较困难,而雷达影像作为主动式成像,能够很好地克服这一缺陷。本文以陕西省渭南市大荔县某农场为研究区域,分别采用最大似然法(Maximum likelihood,ML)和支持向量机(Support vector machine,SVM)2种方法,融合Sentinel-1雷达影像和Sentinel-2光学影像,提高农作物的分类精度。研究结果表明,融合数据的农作物分类精度相比光学数据分类精度有所提高。在无云层覆盖的情况下,利用SVM方法融合Sentinel-2的红、绿、蓝、近红外4个波段数据与Sentinel-1数据,总体分类精度提高了2个百分点,Kappa系数提高了5个百分点;在有少量云层覆盖情况下,利用ML处理融合数据的分类结果精度和Kappa系数分别提高2个百分点和4个百分点,SVM方法下的分类精度提高了6个百分点,Kappa系数提高了8个百分点。     

基于作物生长模型与机器学习算法的区域冬小麦估产

为精准、高效、实时地实现区域冬小麦产量估算,以河南省鹤壁市淇县桥盟乡石桥村为研究区,基于分辨率10 m的Sentinel-2多时相光学遥感影像,利用集合卡尔曼滤波(Ensemble Kalman filter, EnKF)算法同化PROSAIL辐射传输模型反演的多期叶面积指数(Leaf area index, LAI)到PyWOFOST作物生长模型中实现一定数量不同长势单点产量的估测,最后利用建立的机器学习模型和面域数据反演区域冬小麦产量,实现作物生长模型与机器学习算法的应用耦合及一种新的区域冬小麦估产模式。研究基于Sobol参数敏感性分析法量化对贮藏器官总干重质量(Total dry weight of storage organs, TWSO)与LAI_max的敏感性参数,并基于反演的多期LAI和粒子群优化(Particle swarm optimization, PSO)算法优化与LAI_max相关的TDWI、TBASE、CVS、CVL敏感性参数,将其输入到PyWOFOST模型中,利用EnKF算法和时序LAI数据调整对TWSO相关的AMAX...     

泾惠渠灌区作物种植结构变化对灌溉需水量的影响

研究种植结构变化对灌区作物需水量和灌溉需水量的影响,能够为作物生育期的灌溉用水管理和农业水资源规划提供基础数据。依据泾惠渠灌区实测降水和蒸发蒸腾等气象数据,采用FAO推荐的Penman-Monteith公式和作物系数法计算灌区主要作物需水量;通过频率计算和配线法确定灌区丰水年(25%)、平水年(50%)和枯水年(75%)的有效降水量;根据1988—2014年Landsat卫星遥感影像提取的泾惠渠灌区不同历史时期农业种植结构数据,计算典型水文年份灌区总灌溉需水量,并分析作物需水量和灌溉需水量在不同典型水文年的年际和月际变化。结果表明,随着泾惠渠灌区农业种植结构的变化,灌区总的作物需水量和灌溉需水量都呈现显著下降趋势。但泾惠渠灌区在1988—2005年间,单位面积平均作物需水量和平均灌溉需水量都基本保持不变,随后均呈小幅下降趋势。各月份作物总需水量和总灌溉需水量除6月份之外,其余各月份都呈现显著下降趋势;但在此期间,灌区单位面积平均作物需水量和平均灌溉需水量除在4、8、9月份呈下降趋势,而6月份呈显著增加趋势外,其余各月份基本保持不变。灌区总的作物需水量和灌溉需水量的下降主要是由农作物种植面积大量减少所致,种植结构的变化对其影响较小,但灌区种植结构调整后的作物需水量状况更符合区域有效降水特点。