基于关键期HJ卫星数据提取无棣县作物种植面积

探讨利用作物关键生育期HJ卫星遥感数据,进行区域主要作物种植面积快速监测的可行性,旨在建立一种方便快捷的作物种植面积提取技术。以山东省无棣县为研究区,根据该县作物栽培技术月历为参考选择关键期HJ星遥感数据,通过EVI指数时序数据分析,采用支持向量机(SVM)方法进行了该县主要作物种植空间分布信息提取。结果表明：关键期HJ星EVI指数数据结合SVM方法,能较为准确地获取该县冬小麦、玉米和棉花的种植面积,总体的面积总量精度超过93%,空间分布精度大于75%;利用关键期影像大大减少了数据处理量,便于可视化感兴趣区的选择,仅利用SVM方法就获得了满足精度要求的作物面积提取结果,大大简化了操作流程,为其他区域利用HJ卫星数据提取作物种植面积提供了参考。     

基于高分卫星影像的青岛市冬小麦种植信息提取

为了准确获取青岛市主要农作物冬小麦的种植信息,以GF-1/16 m卫星影像为主要数据源,将高程、土地利用和田间调查数据作为辅助数据源,根据冬小麦主要发育期与其他地物在GF-1/16 m卫星影像上的光谱差异,计算得到4月份为青岛市冬小麦遥感面积提取的最佳时相。在最佳时相内,采用决策树分类法,通过分区解译方式,提取出青岛市2017年冬小麦种植面积和分布区域,并利用GF-2融合后 1 m卫星影像、地面调查数据和统计局公布数据对分类结果进行精度验证。结果表明:利用GF-1/16 m卫星影像在幅宽、时间和空间分辨率的优势,将土地利用和高程等引入决策树分类模型,进行区域尺度的冬小麦种植面积遥感估算的方法是可行的。经精度验证,2017年青岛市冬小麦遥感解译总精度为94.3%,Kappa系数为0.857。遥感提取面积略小于统计局公布数据,面积总量提取精度为93.6%。本研究为基于高分卫星影像的区域尺度作物种植面积提取提供参考。     

基于时序MODIS-EVI数据的冬小麦种植信息提取

【研究目的】准确获取作物种植空间分布和面积信息是进行粮食估产的重要前提条件,也是调整种植结构的重要数据基础。【方法】笔者以河北省2004--2005年整个作物生育期内35个时相的合成地表反射率数据为数据源,生成时间序列MODIS-EVI数据集,在利用Savitzky-Golay滤波重构时序MODIS-EVI数据的基础上,分析作物EVI时间曲线,结合作物种植结构和物候历,构建分类模型,提取2004年主要种植作物的种植空间分布及面积信息。【结果】Savitzky-Golay滤波能够有效地消除云和缺失数据的影响,同时基本上保持原有曲线的基本形状,较为真实地恢复植被指数曲线。与统计数据相比,各市分类精度相差较大,其中邯郸的分类精度最低（85.9%）,沧州精度最高,达到99%。按全省计算,整体精度为95.7%。2004年,河北省冬小麦呈明显的地带性,主要分布在邯郸东南部、邢台和石家庄中部以及保定东部。【结论】利用时间序列MODIS-NDVI数据提取大区域作物种植空间分布信息是可行的。     

利用环境减灾卫星估测增城水稻产量

为了探讨将国产环境减灾卫星遥感影像应用于田块破碎度大,生长季多云、雨天气的增城地区水稻产量估测的可行性。试验于2010年在增城地区进行,获取了水稻生长季长势、产量信息,及多时相环境减灾卫星遥感影像,提取了水稻种植面积信息,并基于“光谱信息-长势-产量”间相互关系,利用主成分分析算法建立水稻产量估测模型。结果表明,国产环境减灾卫星的特点可使其有效获取研究区水稻遥感影像,便于准确提取水稻种植面积及估测产量。本研究获得的2010年早稻种植面积的提取精度在97.3%,估产模型的预测决定系数为0.73,预测相对误差为12%。推动了国产卫星在该区域的应用。     

基于物候特征参数的橡胶树种植信息遥感提取研究?

为了更好地监测橡胶树的生长状态,客观准确地获取橡胶树的种植的地理位置信息,采用非对称高斯函数对海南岛内MODIS EVI时间序列数据进行滤波处理,定义作物物候特征参数并计算海南岛每个像元的特征参数值;统计分析基于MODIS EVI数据的海南岛橡胶树样区作物关键物候特征参数值变化规律;根据橡胶树样区特征参数值变化规律建立海南岛橡胶树种植信息提取算法,提取结果采用不同比例的橡胶树混合像元分类法表示。根据提取算法对海南岛2011年橡胶树种植信息进行提取,用验证数据对该提取算法进行精度检验与实用性评价,检验结果显示该算法的平均分类精度达85.97%,可以用来提取橡胶树种植信息。     

基于环境卫星数据和实测地物光谱数据估算中稻面积

为准确获取水稻种植面积,提高遥感监测精度,利用环境卫星数据,在农作物掩膜的基础上,结合野外实测地物光谱确定端元组分,采用线性光谱混合模型提取湖北省监利县中稻种植面积,将其结果分别与统计数据和实地调查数据相比较。结果表明：采用确定端元选取的方法是可行的,其混合像元分解方法提取作物面积总量精度为93.68%;样本精度为83.67%。因此,利用HJ卫星影像数据开展平原地区水稻遥感监测可为政府决策部门提供信息服务。     

基于多时相双极化SAR数据的作物种植面积提取

及时准确地获取农作物的空间分布信息和种植面积,在农业生产管理与农业政策的制定等斱面具有非常重要的作用。本文以多时相Sentinel-1A影像(4月17日、5月5日、6月16日、7月22日、8月27日、9月2日)为主要数据源,根据研究区作物的物候特征,提取棉花、玉米和果树在不同生长期的后向散射系数(Sigma)和归一化后向散射系数(Gamma)。通过对作物不同极化、不同时相后向散射系数的统计,建立散射特征时序变化曲线,幵分析其特征。利用人工神经网络(Artificial neural network)、支持向量机(Support vector machine)和随机森林(Random forest) 3种分类斱法对研究区的主要农作物迚行分类识别以及种植面积提取,幵对分类结果对比分析和验证。结果表明, 1)棉花的后向散射系数在6月现蕾期和7月开花期明显上升,8月仹达最高值,变化特征最明显,易与其他作物区分;玉米和果树的后向散射系数在9月仹与其他地物之间表现出显著差异。2)相较于神经网络和支持向量机,随机森林的分类效果最好,总体精度达88.97%。其中,对棉花和果园的分类精度为90.88%和...     

单时相MERSI数据在冬小麦种植面积监测中的应用

以FY-3A MERSI可见光到近红外波段250 m分辨率数据为信息源,采用PPI（像元纯净指数）提取结合实测数据的方法,经反复试验最终提取了山西南部冬小麦区的不同地物覆盖特征谱,进而采用基于监督分类的最大似然法、神经网络等方法进行不同地物类型的分类,同时根据不同地物光谱特征采用混合像元分解技术提取冬小麦种植面积。结果表明：单时相FY-3A MERSI数据提取作物种植面积是可行的,神经网络法好于最大似然法,混合像元分解提取的面积同实际种植面积最为接近。     

基于分层抽样的平湖市小麦种植面积遥感测算方法研究

为了更准确地了解县级粮食播种面积,笔者以浙江省平湖市为例,利用高分一号和RapidEye 卫星的影像数据,通过监督分类提取小麦的大概种植区域,在小麦种植区域范围内分层抽样,在保证95%置信区间95%估算精度前提下,估算浙江省平湖市2015 年小麦种植面积为141.73 km2。该结果与平湖市小麦实际种植面积较为相符,说明采用监督分类的方法并且结合分层抽样估算县级粮食播种面积的方法是可行的,此方法适用于浙江省县级粮食播种面积业务化运行。     

基于HJ卫星的中国南方地区甘蔗面积提取研究

为了研究大范围甘蔗种植面积的提取方法，以广西、云南、广东湛江和海南为研究区，以30 m空间分辨率的多时相HJ卫星影像为数据源，采用基于NDVI时间序列的决策树分类模型提取研究区内2014/2015年度甘蔗种植面积。结合农业部门的统计数据对甘蔗种植面积提取结果进行精度评价，总体精度达到87.5%。对研究区广东湛江甘蔗种植区域进行抽样调查，抽样调查精度达到93.2%，Kappa系数为0.81。表明该方法可以高效地应用于中国南方地区的甘蔗种植空间信息识别。     

利用无人机遥感技术提取农作物植被覆盖度方法研究

基于无人机的遥感信息获取技术已广泛应用在农业领域。无人机遥感平台获取农作物信息技术具有高时效、高分辨率、低成本、快速、准确等特点,是目前精准农业中农田信息获取的重要手段之一。利用无人机遥感技术获取可见光影像,以棉花、花生和玉米为研究对象,选取不同的植被指数进行可见光图像阈值分割,结合研究区域可见光影像监督分类结果,确定3种作物提取植被覆盖度方法。试验结果表明,利用无人机可见光图像植被指数阈值分类方法,可以有效提取作物植被覆盖度。该方法对于棉花、花生和玉米3种作物植被覆盖信息的提取精度较高。     

棉花产量遥感预测的L-Y模型构建

本文利用LAI动态与棉花产量的关系建立了叶面积指数—产量（L-Y）模型,以期利用多时相遥感数据,实现对棉花产量定量遥感预测。模型建立以小区控制和大田生产试验数据为基础,以农学原理为背景,采用数学推演方法,具简单、灵活、普适性强等特点。检验结果表明,用便携式光谱辐射计测定棉花冠层高光谱反射率,以棉花全生育期LAI动态与棉花产量的关系和近地高光谱遥感参数模型监测的多时相LAI,可很好地定量预测棉花产量,估算误差约为5.44%,RMSE达到116.2 kg·hm^-2,预测值与实测值相关系数为0.836,达极显著水平。L-Y模型为棉花卫星遥感估产提供了参考模型,对其他作物使用动态生长信息提高遥感估产水平也有一定的借鉴意义。     

水田防护林空间密度分布研究

水田防护林是保护水田免受风灾的一道绿色屏障,水田防护林空间密度分布可以体现区域水田分布的疏密程度,研究水田防护林空间密度分布对水田防护林建设规划和水田产量研究都有着重要的意义。本研究以吉林省前郭灌区为研究区域,对灌区内水田防护林的空间密度分布进行了研究。以遥感影像为基础数据对灌区水田防护林进行监督分类,经过验证kappa系数达到0.87,根据分类结果提取水田防护林总面积为110.945 km2,总周长为4998.095 km。利用网格法对灌区防护林数据进行空间密度分析,得出灌区水田防护林空间密度分布图,根据密度分布现状进行了分析得出结论,前郭灌区水田防护林分布不均匀,防护林重点分布在灌区南部地区,北部新开水田区防护林分布极少,对灌区水稻产量构成了不利的影响。     

基于卫星遥感的区域棉稻与稻棉轮作周期估算模型研究

根据对2001年到2004年连续4年的卫星遥感影像的解译，研究了江苏省里下河农区兴化市的棉花轮作现状，建立了棉稻和稻棉轮作周期的估算模型，并给出了棉稻和稻棉轮作周期的估算公式。结果表明，在兴化市42个乡镇中，棉稻和稻棉为主要轮作模式，但轮作水平差异较大，在假定该区域的棉稻和稻棉轮作周期为平稳随机过程的情况下，可以推算出棉稻轮作周期为2.81年，稻棉轮作周期为2.89年，两者十分接近，仅相差2.85%，符合轮作的基本规律，说明本文的轮作评估模型和相关的估算公式是合理的，遥感影像解译的精度达到了试验的要求。     

遥感影像土地覆被分类研究进展

传统的遥感影像土地覆被分类技术主要有监督分类和非监督分类,随着遥感探测技术和计算机技术的不断发展,遥感分类技术得到了长足发展。在传统遥感分类技术的基础上,结合当今遥感影像分类技术领域内的一些新进展和应用,对土地覆被分类技术做出较为全面的阐述。     

CLDAS数据在早稻低温冷害监测中的应用

本研究旨在实现水稻低温灾害的实时动态监测,改善目前遥感数据在南方地区应用受云雨天气影响受限的现状。利用CLDAS气温数据,结合遥感水稻种植本底信息,参考低温冷害监测指标,选取广西典型早稻低温冷害过程进行监测试验。试验结果表明：利用CLDAS气温分量数据可对区域气温变化状况进行有效的动态监测,结合水稻种植空间分布信息,可实现精细化的水稻受灾面积及等级监测。CLDAS反演的气温精度较高,与气象台站实测气温误差多小于0.5℃。CLDAS和遥感数据结合可为水稻精细化低温冷害监测提供一种新的有效途径。     

遥感信息与棉花模型结合反演模型初始值和参数的方法研究

通过将遥感信息(叶面积指数LAI)与棉花模型结合,建立了遥感-棉花反演模型,用以反演棉花模型所需的初始数据和参数,解决模式在从单点扩展到区域应用时缺少初始输入的问题。反演的参数为播种期、种植密度、生育期施氮量和灌溉量。通过对反演模型检验,初步确定反演模型是正确的。另外,在区域上初步应用的结果表明,反演的参数和模拟的产量与实际情况吻合较好。     

基于遥感信息与水稻模型相结合对镇江地区水稻种植面积与产量的估测

为了实现遥感信息与作物模型相结合对镇江地区的水稻种植面积与产量的估测,以便于可以直接利用遥感信息与模型对该地区的水稻生长进行监测,将遥感资料与水稻生产模型(ORYZA2000)相结合,建立遥感数值模拟模型,进行由点及面的区域水稻种植面积及产量的估测。利用遥感数据（8天合成的MODIS和环境小卫星数据）,计算归一化植被指数(NDVI)和增强植被指数(EVI),结合试验区实测的叶面积指数(LAI),建立植被指数与LAI之间的关系,通过模型模拟出的LAI计算出植被指数的浮动值,结合相对应的多时相的遥感数据识别镇江市的水稻,由此可以预报镇江市的水稻种植面积及产量。研究结果表明,模型对水稻生长发育期内的生物量和LAI的模拟较好,水稻LAI与遥感资料计算出的植被指数EVI的幂函数拟合性较好,可以应用这种相关模式识别水稻,并结合ORYZA2000模型提高区域范围的水稻估测精度,同时也体现了遥感信息与作物模型相结合可以很好的监测区域内水稻的生长情况,取得较好的模拟效果。     

基于GIS系统生态功能区划研究——以黑龙江省密山市为例

为了探索和研究GIS系统在生态领域中的应用,尤其是检验遥感技术在生态功能区划方面发挥的突出作用,以黑龙江省密山市行政所辖区为研究对象,利用2012年7月133/28、133/29、134/28、134/29、135/28 5景TM卫星数据和密山市地形图,设置密山市整体的研究区域。通过用ERDAS对卫星数据的校正、图象增强等处理,结合密山市状况资料,进行有监督分类。结果表明,共分成4种类型：森林、草地、耕地和水域,并建立了卫星影象分类解译标志。运用空间分析方法结合生态功能分区的原则,对密山市进行生态功能区划。共划分4个生态功能区域：Ⅰ西北部林业生态建设发展区;Ⅱ铁路沿线工商贸密集发展区;Ⅲ中南部农业建设发展区;Ⅳ兴凯湖生态旅游及渔业发展区。