集成多源遥感数据与生育期时序光谱特征的水稻种植面积提取

为快速、有效地提取水稻空间分布信息,利用水稻生育期内的光学和雷达影像,依据水稻不同生育时期内的光谱变化规律,提出了简单实用的时序像元频率约束模型（TPFCM）。首先,采用中值合成法分别将Sentinel-2、Landsat-8和Sentinel-1合成为月度数据,将合成后的Sentinel-2和Landsat-8进行融合以减少云阴影对水稻像元的影响,并选取3种融合影像的特征光谱波段计算归一化植被指数（NDVI）、增强植被指数（EVI）和地表水分指数（LSWI）,生成月度多维特征成果影像。其次,检索水稻5个生育时期的遥感影像数据,利用随机森林（RF）分类器提取各生育时期的种植面积,并输入TPFCM模型计算水稻生育期内每个水稻像元的频率,最终依据预提取精度、提取面积误差阈值条件控制模型输出最优水稻空间分布信息。结果表明,TPFCM模型输出的水稻提取面积相对误差为-3.83%,与基于RF分类器的单一生育时期的水稻提取面积相对误差相比绝对值减少了3.94百分点,且提取面积与统计参考面积相关性显著（R2=0.97）。     

基于多源遥感影像的农作物分类提取

合成孔径雷达数据因其较强的纹理特征近年来被广泛应用于农作物分类的研究中.针对多光谱影像无法实现农作物的精确分类问题,本文选取鲁西南济宁市为研究区,融合了2020年4-9月的Sentinel-1 SAR数据和Sentinel-2多光谱数据作为数据源,提取光谱特征、纹理特征、双极化后向散射系数共52个特征变量,通过独立主成...     

基于MODIS EVI时序数据的冬小麦种植面积提取

基于MODIS EVI构建的时间序列谱,结合冬小麦生育期形态变化特征,提取了河南省冬小麦种植面积.结果表明,冬小麦在EVI特征空间中具有独特的序列谱相特征,返青期后冬小麦整体EVI表现为逐渐升高,EVI在开花期后下降,灌浆后期快速降低;采用决策树分类方法实现冬小麦分离提取,整个河南省冬小麦识别面积与官方统计面积仅相差482.00×103 hm2,精度达到90.88％;EVI时间序列谱反映的作物生长过程的生理意义明确,采用MODIS EVI时间序列谱的遥感分类方法可以较好地实现冬小麦的遥感分类提取,满足冬小麦的长势监测和遥感估产的需要.     

基于MODIS EVI的内蒙古草地多源信息综合分类研究

利用遥感数据与非遥感数据相结合的方法对内蒙古草地进行分类研究.以MODIS EVI(MODIS增强型植被指数)数据为基础,计算得到MODIS EVI月度数据,分剐取其一、二、三主成分作为分类的前3个参数;引入研究区域同期的气温、降水、生物温度及DEM(数字高程)数据,通过克里金插值、主成分变换、重采样等方法确定分类的第4、第5个参数.在此基础上,应用ISODATA技术对草地进行分类.结果表明,该分类结果能够提供比AVHRR NDVI(AVHRR归一化植被指数)和MODIS NDVI(MODIS归一化植被指数)更丰富的分类信息,可以清晰识别到5大草地类,对草甸草原、典型草原和荒漠草原可以进一步识别到草地亚类.因此,MODIS EVI数据与非遥感数据结合的多源信息综合分类能提高草地分类的精度.     

线性混合光谱模型在多光谱遥感影像分类中的应用

介绍了混合像元的概念、研究现状和广泛用于混合像元分解的线性模型。以TM遥感图像分类为例,对图像做MNF处理后进行有约束和无约束两种线性混合光谱模型分解混合像元;再对图像进行分类,将得到的图像同直接分类的图像进行比较分析。实验结果表明,考虑约束条件的线性混合光谱解混分类精度比直接分类精度提高了32.8%。     

基于多源遥感数据的赣南稀土矿植被覆盖动态监测

为了构建有效的稀土矿区植被覆盖信息提取方法,准确掌握矿区土地治理的动态变化,对矿区周边的生态恢复效果进行评价,以江西省赣州市南部的稀土矿区为研究区,采用像元二分模型和随机森林算法,结合Sentinel-2 MSI和Sentinel-1 C波段雷达数据组成的多源遥感数据集,对稀土矿区的植被覆盖信息进行提取。结果表明：与像元二分模型相比,随机森林算法能更有效地提取矿区的植被覆盖分类结果,且总体精度和Kappa系数分别提高了8.49%和0.05。对2016—2020年矿区植被覆盖的时空变化进行分析得出,稀土矿区裸地面积不断减少,从3 246 hm²减少到1 779 hm²;植被面积呈增加趋势,从2 806 hm²增加到4 272hm²。整体来说,赣南各地的稀土矿区植被恢复效果均较好,其中赣县的植被恢复效果最明显。     

基于MODIS NDVI的冬小麦收获指数遥感提取

为研究利用遥感技术反演冬小麦收获指数,以河北省馆陶县为例,使用2016年、2017年、2018年连续3年冬小麦生长期内的MODIS NDVI时间序列数据,并基于农学观点和冬小麦生理机制,提出了一种构建收获指数（HI）相关参数的新模型HI_MEAN,并与已有相关模型HI_NDVI和HI_NDVI＿SUM进行比较,最后建立了收获指数的预测模型。结果表明,与收获指数参数模型HI_NDVI和HI_NDVI＿SUM相比,模型HI_MEAN的精度最高。进一步反演了2018年河北省馆陶县的冬小麦收获指数,与实测冬小麦收获指数对比,其r²为0.632 9,说明收获指数参数模型HI_MEAN在反演冬小麦收获指数时,理论基础更加合理,同时也具有最高的精度。同时,收获指数参数模型HI_MEAN构建也为后续的以及其他作物收获指数提取研究提供了一种可行的思路。     

多源遥感数据协同的地块级农作物精细提取

【目的】 针对云南省大理市耕地地块不规整、破碎且农作物空间种植结构复杂的特点,结合多源数据在时间和空间分辨率的优势,达到准确地提取农作物信息的目的。【方法】 协同BJ-2数据和Sentinal-2数据进行农作物精细信息提取。首先,利用空间分辨率较高的BJ-2数据进行面向对象的图像分割,获得农作物地块信息;其次,在农作物物候规律分析的基础上,通过标准差分析获得关键时相,利用相应时间分辨率较高的Sentinal-2数据获取农作物地类信息,实现基于地块的小春农作物的快速精细提取。【结果】 采用实地调查地块真值与提取地类生成混淆矩阵进行精度验证,总体精度和Kappa系数分别为87.4%和0.83。其中,连片种植的农作物如蚕豆和马铃薯提取精度较高,地块细碎且内部种植结构复杂的作物提取精度略低。【结论】 多源遥感数据协同的农作物提取方法,通过高分辨率影像上获得的对象分析单元能很好地对单一地块中的农作物空间特征进行统计分析,很大程度上弥补了中分辨率影像由于分辨率偏低所导致的混合像元处错分的不足;不仅能从耕地地块级别获得农作物种植结构,更直观地反映农作物种植,能有效提升农作物提取的精细化程度,有利于精细化的农作物种植结构管理。     

基于遥感的水体信息提取技术研究进展

总结了遥感技术在水体信息提取方面的研究进展,并阐述了基于遥感的6类水体信息提取方法,包括:单波段阈值法、多波段谱间关系法、指数模型法、多光谱混合分析法、遥感影像分类法和混合像元分解法.在此基础上,指出了应用遥感技术提取水体信息尚待解决的关键问题,并提出了可能的解决途径.最后对水体遥感信息提取的发展趋势进行了展望.     

基于多源遥感数据的北京城市热岛研究

首先利用MODIS数据在像元尺度上获取地表温度反演中所需大气参数一大气水分含量,再利用LandsatTM影像采用Jimenez-Munoz和Sobrino的普适性单通道算法反演地表温度,通过地面实测数据对反演结果进行验证。结果表明,利用多源遥感数据反演地表温度具有较高的精度。用该方法对北京城市热岛状况进行研究,发现北京城市热岛效应十分明显,地表植被覆盖度低是城市热岛出现的主要原因之一。     

基于MODIS多时相数据的冬小麦种植面积提取方法研究

以河南省作为研究区域,采用冬小麦返青及拔节期间的高光谱数据MODIS-NDVI 16 d合成数据集,利用遥感手段对河南省冬小麦面积进行估测。利用剔除非耕地后的数据,使用最小噪声分离(MNF)的方法进行数据压缩处理,并基于连续最大角突锥模型的线性混合像元分解法进行估测计算。估测结果与当年河南省实际统计数据相比,在特殊气候影响下,其相对误差也仅在0～7%,说明这种方法提取效果较好,在农作物面积估测中具有较强的应用价值。     

基于植被指数时空间统计特征的农业灾害信息遥感提取

及时、准确地获取农业灾情信息是防灾减灾、保障粮食安全的必要条件,本文提出了一种快速、准确地获取农业灾害信息的动态提取方法。以高时间分辨率的MODIS_NDVI时间序列为数据源,以2013—2015年黑龙江省投保地块为研究区,建立灾害监测模型,对不同物候区内的不同作物进行区分,在此基础上提取黑龙江省农业灾害空间信息。将2013年30个已知典型灾害的MODIS监测结果与高空间分辨率HJ-1A/1B CCD影像监测的监测结果对比分析,确定了模型最优阈值和Kappa系数,并利用该监测模型及阈值对2014—2015年全省农业灾害空间信息进行提取,验证了该农业灾害监测模型的精度。研究成果为区域尺度灾害信息遥感提取提供了技术支撑。     

基于IHS的多源遥感影像数据融合研究

运用IHS变换方法对农八师148团的TM和ALOS影像数据进行数据融合。首先给出了影像融合的技术流程和IHS变换的计算方法,然后根据计算方法得到了影像融合图像,最后根据影像质量评价指标对影像融合后质量进行评价。结果表明,融合后的影像数据更有利于计算机自动解译和进行更准确的分类决策。     

基于云存储的多源遥感影像管理系统研究与设计

近些年遥感影像呈指数增长,遥感影像管理部门如何科学有效地管理海量的遥感影像数据,充分利用存储空间,按需高效调取多源遥感影像是目前迫切需要解决的难题。设计了海量多源遥感影像管理和服务的系统,应用云存储技术,将分布不同地点的存储设备通过软件组合后依托网络传输技术协同工作,管理部门可基于该系统做到有效的影像数据管理、数据分发以及数据服务共享等,切实解决当前海量遥感影像管理和应用遇到的问题。     

基于混合像元分解的香格里拉市高山松空间分布变化研究

利用香格里拉市1997-2017年每5 a的Landsat遥感影像、2018年外业调查数据、森林资源二类调查数据和DEM数据为数据源,以高山松为对象,综合运用混合像元分解技术、决策树分类和GIS技术对其空间分布变化进行分析。结果表明,1）分类中,高山松归一化多分量指数阈值为0.333,云南松归一化多分量指数阈值为0.208;云冷杉归一化多分量指数阈值为0.362。2）各年分类结果总体精度分别为69.42%、76.73%、81.07%、78.90%和76.53%。3）香格里拉市高山松覆盖面积2002年比1997年减少了13.40%,2007年比2002年减少了2.47%,2012年比2007增加了8.96%,2017年比2012年增加了4.06%,呈现出先减少后增加的趋势。4）研究区内高山松主要分布在海拔高度2 800~3 800 m,1 800~2 800 m高山松面积总体呈现为轻微下降趋势;2 800~3 300 m海拔区间1997-2007年呈现下降趋势,2007-2017年呈现上升趋势,3 300~3 800 m区间内1997-2002年高山松面积呈现下降趋势,2002-2017年高山松面积逐年上升,3 800~4 800 m区间内1997-2017年高山松面积逐年下降。利用混合像元分解构建归一化多分量指数结合决策树分类对树种分类具有一定的参考价值,高山松时空变化结果对森林资源管理和后续研究可提供科学数据支撑。     

基于多源遥感影像的高后果区变化检测方法

近年来,随着城镇化进程的持续推进,部分管道的周边环境不断变化,相应管道的高后果区范围也随之发生变化,准确、高效地掌握环境变化数据以持续更新高后果区信息对管道企业的安全管理工作具有重要意义。由于短期内管道沿线具有自然地物变化较少、人工地物变化频率较高的特点,利用高分辨率正射影像与多光谱影像,提出一种基于多源遥感影像的高后果区变化检测方法。该方法在超像素分割基础上,以LBP-HOG融合特征和光谱梯度差方法对多源数据的变化信息进行提取。实验表明,此方法对管道周边人工地物的变化检测具有较高的准确性,可有效提高高后果区管理的工作效率。     

基于ANN 多源遥感数据融合的耕地种植强度估算方法研究

【目的】文章引入"种植强度指数"的概念,对现有评价指标进行改进,利用基于遥感数据的种植强度指数实现耕地集约化利用程度的精细化表达。【方法】该文以湖北省为研究区,融合Landsat 8遥感数据和MODIS时间序列植被指数数据,构建了人工神经网络模型估算湖北省耕地种植强度。【结果】利用BP神经网络提取的研究区耕地种植强度与验证样区耕地种植强度间决定系数达到0.923,证明了该研究方法的可靠性。【结论】人工神经网络模型估算方法得到的高时空融合的种植强度数据集,可为智慧农业提供技术方法和基础数据,对于耕地集约化利用的研究具有重要意义。     

基于CART决策树的黄河源区域生态地类的遥感解译研究

为指导黄河源区域生态环境修复,以黄河源区域为研究区,采用Landsat 8影像作为数据源,以融合多种特征指数的CART树模型进行高寒湿地分类方法研究.结果表明:使用CART决策树算法进行数据挖掘处理,将得到的决策树用来分类制图,得到黄河源地区生态地类分布图,通过混淆矩阵得出分类后总精度为88.25％,Kappa系数为0...     

基于多源遥感特征融合与卷积神经网络(CNN)的丘陵地区水稻识别

为探究卷积神经网络(CNN)算法和多源遥感优选特征数据融合对丘陵地区水稻种植区的识别效果和适用性,以江西省上高县为研究区,利用Sentinel-2与GF-1遥感影像数据,对研究区晚稻种植区域进行识别。选取影像波段特征、植被指数、纹理特征及地形特征等分类特征,用分离阈值法(SEaTH)筛选出对各类别分离度较大的特征变量。基于Sentinel-2优选特征数据、GF-1优选特征数据、Sentinel-2与GF-1优选特征融合数据,使用CNN分类算法进行晚稻识别,同时用支持向量机(SVM)、最大似然法(MLC)分类算法进行对比。结果表明,Sentinel-2与GF-1优选特征融合数据在CNN分类算法下对水稻的识别效果最好,总体精度、Kappa系数分别为96.19%、0.93,结合野外调查数据进行验证,实际验证精度达94.69%。由研究结果可知,Sentinel-2与GF-1优选特征融合数据在CNN分类算法下对丘陵地区水稻识别具有较好的效果和适用性,是丘陵地区水稻遥感识别的有效手段。     

地表温度的多源遥感数据时空融合模型构建

为解决传统的遥感数据融合模型在高异质性地表区域的融合精度不高的问题,本研究在考虑地表温度的前提下构建了一种新的多源遥感数据时空融合模型.首先,为消除反演得到的可见光与红外信息出现不对等的影响,将地表测温空间尺度为综合多地表参数的数据尺度模型.然后利用低尺度低空间分辨率的转换残差模拟地表温度.由于地表温度特征复杂,构建B...