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。     

基于无人机遥感与面向对象法的田间渠系分布信息提取

针对目前农田灌排系统识别研究中遥感影像分辨率不足,难以提取田间毛渠且对无水或少水灌排沟渠识别不足等问题,以内蒙古河套灌区磴口县坝塄村为研究区域,利用固定翼无人机搭载520~920 nm多光谱相机进行航拍试验,采用基于面向对象法的特征组合分层分类的提取方法对获取的高分辨率单幅多光谱影像数据进行解译,采用分割阈值为65、合并阈值为90的遥感影像最佳分割参数。利用含水田间毛渠和无水、少水田间毛渠在光谱、几何、空间关系等特征参量中表现出的与其它地物的特异性,建立不同分类层次的规则提取田间毛渠分布信息。提取结果表明,由于水体对近红外波段光谱的强烈吸收,含水毛渠提取效果很好,精度达到97.8%;无水、少水田间毛渠提取精度为75.7%。无人机遥感技术和面向对象法的特征组合分层分类方法为灌区田间渠系识别提供了一种新途径。     

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。     

基于无人机遥感的高潜水位采煤沉陷湿地植被分类

为了掌握采煤沉陷湿地植被的类别和空间分布,促进矿区土地利用、管理和修复,以山东省济宁市东滩煤矿3304工作面为研究区,以无人机多光谱影像为数据源,分别采用面向对象的分类方法和监督分类方法对研究区湿地植被进行分类。基于优选的面向对象尺度分割参数,确定分类规则后构建面向对象分类模型,对湿地植被进行分类,生成植被分布图。同时,利用野外获取的322个采样点进行精度验证。结果表明:与基于像元的监督分类方法相比,面向对象分类方法显著提高了影像分类精度。监督分类方法总体精度为44. 3%,Kappa系数为0. 4;面向对象分类方法总体精度达到84. 2%,Kappa系数为0. 8。该研究为采煤沉陷区湿地调查与开采沉陷影响下地表植被空间分布规律研究提供了方法与基础数据。     

基于面向对象的坑塘遥感监测与动态分析

以江汉平原的洪湖市为研究区,利用1990—2009年间的3期Landsat卫星TM遥感数据,基于面向对象的分类方法进行多尺度分割,利用光谱、空间、纹理等特征,并结合专家知识进行坑塘信息提取,对洪湖市坑塘变化状况进行遥感监测和时空演变分析。结果显示:利用面向对象的自动分类方法可以有效提取坑塘信息。洪湖市坑塘面积在1990—2009年间呈现增加趋势,其中1990—2000年与2000—2009年间坑塘面积分别增加了306.53 km2和379.69 km2。坑塘增加面积随着与湖泊空间距离的增加而减少,坑塘的增加主要由耕地、湖泊和河流转化而来。利用面向对象的坑塘信息自动提取可以为区域资源环境调查监测提供参考。     

基于DOM及LiDAR的多尺度分割与面向对象林隙分类

为研究分割尺度对航空正射影像(DOM)与LiDAR数据协同面向对象林隙分割与分类的影响,以东北典型的天然次生林帽儿山实验林场东林施业区为试验区,对DOM与LiDAR数据进行多尺度分割与面向对象林隙分类。分割过程中,采用基于DOM分割、基于LiDAR数据分割、DOMLiDAR协同分割3种分割方案。每种分割方案采用10种尺度。在每种尺度应用两种数据提取的光谱和高度两种特征,采用支持向量机分类器(SVM)进行林隙分类。研究结果表明:3种分割与分类方案分类精度随尺度的增大整体呈现下降的趋势,与ED3(Modified)趋势相反。基于LiDAR数据在尺度参数10获得了最优分割结果。在所有尺度上(10~100),基于LiDAR数据分割与分类精度高于其他两种数据源的分类精度,相比单独使用DOM优势更加明显。基于LiDAR数据分割与分类方案在尺度参数10时获得了最高分类精度(Kappa系数为80%)。3种分割与分类方案最优尺度的分类精度显著高于其他尺度分类精度。分割尺度对面向对象林隙分类结果有重要影响。     

基于优化地貌特征和纹理信息的黄土高原沟缘线提取方法

沟缘线是黄土高原地区的典型特征线,其提取结果是构建地表空间分布式水土流失过程模型的基础。本文提出了基于优化地貌特征和纹理信息的面向对象沟缘线自动提取方法,即通过构建适宜的地形因子和纹理信息,利用地物的几何结构、地形纹理和相邻像元差异性的关系,采用面向对象多尺度分割技术,基于决策树分类的方法提取沟缘线。选取沟缘线发育典型的黄土高原地区,以1∶10 000的DEM为数据源,确定了最优的分割参数和分类特征。相对于人工识别的沟缘线,该方法提取的结果在4个像元缓冲范围内为90%,绝对误差均值为2～3个像元,最大误差为4～6个像元。通过与基于坡面形态特征及汇水过程特点的提取算法进行对比,可知该方法克服了传统从形态特征出发的自动提取结果出现大量噪声的缺陷,提高了沟缘线提取精度,位置准确性增强,为黄土高原大范围宏观地貌分异研究提供了有效的方法和途径。     

基于面向对象分类法的农田识别提取

【目的】利用中低分辨率遥感影像,精确获取县域尺度的农田分类结果,提供一定的方法参考。【方法】兹以中等分辨率的Landsat8 OLI遥感影像数据为数据源,采用面向对象的CART决策树分类法,对垫江县的农田进行了识别与提取,并与基于像元提取的最大似然法分类结果进行精度对比。【结果】(1)与最大似然分类法相比,CART决策树分类法的精度更高,总体精度和Kappa系数分别达到88.8%和0.85,对于旱地和水田的制图精度高达90%以上;(2)在分割尺度的确定上,使用eCognition软件中的ESP工具能快速的确定最优分割尺度,提升了效率和科学性;(3)县域尺度上,面向对象分类法对中等分辨率影像数据进行遥感提取也具有一定的适用性。【结论】基于Landsat8 OLI遥感数据的面向对象分类法能够实现县域尺度低成本高精度农田分类的需要,也为缓解精度和成本、空间分辨率和提取方法的矛盾提供了一定的参考。     

基于多目标遗传随机森林特征选择的面向对象湿地分类

以多时相Landsat8影像和SRTM DEM为数据源,对南瓮河流域进行了面向对象湿地分类。为削弱高维特征集对分类精度的影响,提出一种多目标遗传随机森林组合式特征选择算法(MOGARF)进行特征集优化。利用Relief F算法对完整特征集进行特征初选,再以基于随机森林的封装式多目标遗传算法进一步提取优化特征集。将所得特征集结合随机森林分类法提取湿地信息。并将结果分别与基于完整特征集和仅采用Relief F算法及Boruta算法提取的优化特征集的3种随机森林分类结果对比。试验结果表明,采用MOGARF算法特征选择后,特征维度降低至原来的10%,且分类精度最高,总体精度为92.61%,比其他分类方案提高0.35%~1.94%,Kappa系数为0.907 5,袋外误差为7.77%,比其他分类方案降低0.91%~1.48%。利用MOGARF特征选择的随机森林分类法是湿地分类的有效方法。     

基于深度学习的大棚及地膜农田无人机航拍监测方法

随着精准农业技术的发展,快速获取大棚和地膜农田面积及地理分布的需求越来越大,但沿用面向卫星遥感影像的解译方法处理无人机航拍影像,存在特征选择复杂、识别精度较低、处理时间长等问题。基于此,本文提出一种基于深度学习的大棚及地膜农田无人机航拍监测方法,即采用六旋翼无人机搭载索尼NEX-5k相机进行航拍作业,对采集到的558幅赤峰市王爷府镇地区的无人机航片进行正射校正与拼接,构建全卷积神经网络(Fully convolutional network,FCN),通过多尺度融合的方法实现了FCN的5个变种模型:FCN-32s、FCN-16s、FCN-8s、FCN-4s、FCN-2s,使用带动量的随机梯度下降算法端到端训练模型,自动提取并分类影像特征。FCN模型与ENVI商用遥感软件的基于像素的分类方法、e Cognition软件的面向对象的分类方法对比后表明:FCN-4s模型为识别大棚和地膜农田的最佳模型,对于测试区域的平均整体正确率为97%,而基于像素的分类方法平均整体正确率为74.1%,面向对象的分类方法平均整体正确率为81.78%。FCN-4s模型平均运行时间为16.85 s,是基于像素的分类方法运行时间的0.06%,是面向对象的分类方法运行时间的5.62%。本方法可快速准确获取大棚和地膜农田的地理分布及面积,满足设施农业对无人机航拍监测的需求。     

基于面向对象与替换法的遥感影像云检测与去除技术

裁剪20090716和20090730两景HJ-l CCD多光谱影像的部分作为试验区,基于面向对象法实现了厚云、薄云及云影的检测,进而利用替换法去除云和云影.对原影像、去云后影像的像元灰度均值、最大值、标准差、熵等指标进行了比较,结果表明,还原后的影像符合地面实际,面向对象与替换法可作为HJ-1 CCD多光谱数据的云检测与去除的重要方法.     

基于高分影像的面向对象土地利用变化检测方法研究

以2013年与2014年2期高分一号卫星影像为数据源进行浙江省海盐县沿海地带土地利用类型变化检测。面向对象的变化检测方法包括单一波段差值比值法、多层次多波段差值比值法、变化矢量分析法,为对比检测效果还进行了基于像元的多波段差值法与比值法对多光谱影像与融合影像的检测。结果表明,面向对象的变化检测总体精度为86.29%,Kappa系数为0.72,优于基于像元的变化检测方法。在面向对象的变化检测中,运用融合影像进行分层次多波段差值比值法得到的检测效果最好,优于变化矢量分析法。而基于像元的变化检测中,运用融合影像进行多波段差值法得到的检测效果较好。     

基于无人机LiDAR的天然林与人工林林隙提取

为研究主动遥感进行森林地物分类和林隙提取的效果,分别在天然林和人工林中比较了无人机激光雷达(Li DAR)数据的阈值法、逐像元法和面向对象法3种方法的分类精度和适用性。选取天然林(黑龙江省哈尔滨市帽儿山林场)和人工林(内蒙古自治区赤峰市旺业甸林场)两处试验区,应用阈值法、逐像元法和面向对象法3种方法,对两个试验区采集的无人机Li DAR数据进行林隙、非林隙、其他类型划分。研究结果表明,面向对象法在天然林和人工林试验区中的分类精度和Kappa系数均最高,天然林为82. 43%、0. 73,人工林为91. 74%、0. 88;逐像元法次之,天然林为76. 62%、0. 64,人工林为78. 68%、0. 68;阈值法的分类精度和Kappa系数差异较大,在天然林中的精度极低,为50. 54%、0. 27,人工林的精度较高,为79. 12%、0. 69。面向对象法和逐像元法在天然林和人工林普遍适用,均可以达到理想的分类精度和Kappa系数。阈值法在天然林的精度较低,更适合于人工林的分类,即林分高度趋于一致,且建筑、道路等其他类型干扰较少的区域。天然林的最佳分类方法为面向对象法,人工林的最佳分类方法为阈值法。     

小型农机智能设计系统的研究与开发

根据小型农机设汁知识的特点和分类,应用面向对象的方法,实现了实例知识的表示,并构建了层次实例库;采用CLIPS语言实现规则知识的表示,并创建了规则库,建立了实例推理和规则推理的集成推理机制.运用面向对象语言对推理结果(即设计对象)进行封装,封装的设计对象通过在其方法中调用三维设计平台的二次开发函数实现参数化建模.基于上述方法开发的小型农机智能设计系统可帮助开发人员快速地进行产晶的变型设计.     

基于面向对象知识表示的农业专家系统的设计

随着专家系统技术性的深入应用,采用面向对象技术进行知识表示和管理成为现代人智能研究的一个热点.面向对象的知识表示,以类、对象进行事物及知识的描述,具有模块性、继承性、封装性、多态性和易维护性等特性,便于知识的检索、管理、传输和共享.为此,在对面向对象的知识表示和推理机制进行了讨论的基础上,详细地介绍了采用面向对象知识表示的专家系统的设计思路,并对其实现方法及所用到的一些关键技术做了说明.     

面向对象的玉米收获机系统优化可行性分析

为深度提升我国玉米收获机的整机作业效能与运行效率,采用面向对象的软件设计开发方法,对其作业系统展开可行性优化设计.以整机的作业机理为基础,融合ETL技术与面向对象的设计方法,把系统划分为不同的对象进行系统建模,并构建完整的系统运行体系展开可行性验证试验.试验结果表明:经面向对象方法设计优化,收获机系统的数据冗余度可降低...