GF-1遥感大数据自动化正射校正系统设计与实现

近年来随着遥感数据的爆炸性增长,快速、稳定的自动化影像正射校正成为遥感大数据处理的重要环节。该文在分析GF-1遥感大数据组织方式与元数据特征的基础上,将有理多项式模型正反变换与数字高程数据提取结合,设计实现自动化正射校正系统,并以提高正射校正计算效率与稳定性为目标,研究待校正影像对应数字高程数据快速提取方法,待校正影像分块读取策略等关键问题。在此基础上针对20景覆盖不同地形区域GF-1 8 m多光谱正射校正影像选择均匀分布的检查点,以Google Earth影像中同名点坐标为真值,分析校正误差及收敛情况,试验结果 X(纬线方向)方向和Y(经线方向)方向最大误差均小于16.863 m,距离误差小于23 m,并且92.25%的检查点误差小于16 m(2个像元)。该文提出的自动化正射校正方案在山地地形与平原地形均表现出良好的校正精度与稳定性。     

面向高分一号遥感影像的自动几何配准算法对比

遥感影像的几何配准是影像后续处理的重要前提和遥感农情监测等应用的重要保障。不同的自动几何配准算法在配准效果上存在差异,单一配准算法难以满足所有类型数据的配准要求。根据不同地形特征和不同时相特征,选择了平原和山地、夏季和冬季4个实验区,以现有的基于区域的互相关法、互信息法和基于特征的SIFT算法为基础,分别对上述4个实验区的高分一号影像数据进行自动配准实验,对比3种算法的配准精度、配准效率和稳定性。实验结果表明：应用SIFT算法进行配准,4组实验结果均目视接边效果良好且均方根误差达到10 -5 数量级,满足精度要求。该方法简单、高效,可以应用于农情遥感监测等日常业务。     

基于移动GIS的作物种植环境数据采集技术

野外数据采集具有灵活性强、采集内容多样、准确度高等优势,已成为补充完善农业数据的主要手段之一。作物种植环境数据采集工作存在指标多并随调查区域、作物类型与作物生育期不同而发生变化等特点,采用传统方式设计调查界面与录入模式难以满足数据采集的普适性需求。为此,在分析作物种植环境数据采集工作实际需求的基础上设计并实现了作物种植环境数据采集系统(CPEDCS)原型。一方面,系统针对作物种植环境指标的不确定性特征提出基于结构表的用户可定制种植环境数据录入模式,支持用户自定义录入界面;另一方面,系统集成移动GIS为野外采集工作提供空间信息支持,并可以动态适应空间数据类型、数量、范围的变化。研究的数据组织模型在陕西省杨凌区小麦种植环境野外调查的实际应用中,表现出良好的实用性与稳定性,一定程度上提高了采集工作效率,减少了数据录入出错率并能为调查人员提供空间信息辅助功能。     

面向青藏高原地区耕地资源质量评估的空间抽样方法对比与应用

充分认识青藏高原地区耕地资源质量的空间格局与时间变化特征,是探索区域性耕地资源保护与可持续利用路径的重要基础,对维护青藏高原地区的粮食安全和社会稳定具有重要意义。设计空间抽样方案,利用较少的样点尽可能全面地表征区域耕地质量的总体特征,对于开展耕地资源质量长期观测与机理研究具有重要意义。该研究以青海省互助土族自治县为研究区开展基于耕地质量指标数据驱动的空间抽样实证研究,从信息熵、Kullback–Leibler散度、相似度距离、样本对总体耕地质量空间异质性的表征能力、样本空间分布均匀性等视角,对比分析随机抽样法(random sampling method,RSM),空间覆盖随机抽样法(spatial coverage sampling and random sampling,SPCOSA),条件拉丁超立方体法(conditioned latin hypercube sampling,CLHS),加入平面坐标的条件拉丁超立方体法(CLHS with x and y coordinates as covariates,XY＿CLHS),空间覆盖随机抽样与条件拉丁超立方体抽样的混合抽样法(s...     

基于空间平衡法的县域耕地质量监测布样方法

县域监测样点布局是反映耕地质量等级变化的基础,样本点布设的质量直接影响到耕地质量监测的结果和精度。因此,该文提出了基于空间平衡法的县域耕地质量监测布样方法,对影响耕地质量监测成本和精度的主要因素进行分析,选取样本点距离道路远近、样本点所在位置坡度高低和自然质量各等别样本容量3个方面综合生成包含概率栅格图层,图层中的像元值指总体单元中一个单元相对于其他单元被抽中的相对概率,在此基础上,运用空间平衡算法对包含概率栅格层进行空间改造,抽样选取监测样点,以平均Kriging预测标准差和监测样本点距县级主要道路的平均距离作为优化评价准则,将该方法与传统抽样方法进行比较分析。以江西省吉安县为例,全县布设78个监测样点,结果表明,当样点数量相同时,该方法相较传统布样方法在抽样精度和抽样成本方面均有一定的优势,能有效地监测耕地质量变化,满足县域耕地质量监测的需求。     

地理空间视角下耕地资源新认知体系构建

耕地是在自然资源要素和人为活动的共同作用下，以食物生产为核心，兼具生活、生态、文化等多重功能的复杂综合体，其成为资源的本质是“空间的可利用性”。地理学特有的“要素、空间与时间相互融合的视角”为理解耕地资源空间格局、时空变化及影响、驱动因素等问题提供了重要支撑。发展地理空间视角下耕地资源综合认知理论与方法，是探索耕地保护与利用协同路径的关键环节。该文根据已有耕地资源质量、价值研究探讨耕地资源内涵，包括：解析耕地资源自然层、生计层、制度层、意识层的“要素-功能-价值”级联关系；梳理耕地资源多尺度、整体性、区域性与动态性特征。在此基础上，该文提出耕地资源认知理论框架，提出从耕地资源利用-本底-效益三方面综合认知耕地资源格局；发展耦合利用-本底-效益的耕地资源过程模型；解析文化传统、社会经济发展对农作物产量未来需求的影响机制。探讨了土地适宜性、资源环境承载力、耕地质量与价值、耕地集约利用、地理权衡、地理耦合、复杂地理系统等领域理论研究对认知耕地资源的支持。最后，从星空地-体化耕地资源感知、高性能时空数据处理、时空格局与过程分析、多情景空间模拟与优化四方面探讨耕地资源认知关键技术体系及面临难题。     

基于空间模拟退火算法的耕地质量布样及优化方法

耕地质量监测是保障耕地资源的永续利用,实现耕地产能提升、加强耕地资源的管理、保护、合理利用的重要措施,对实现持续粮食安全具有重要意义。该文提出了基于空间模拟退火算法的耕地质量布样优化方法,以空间模拟退火算法为基础生成一组最优样本,构成基础监测网络,在此基础上,通过多期耕地等级成果数据提取属性发生变化的分等因素和对应发生变化的区域,生成潜在变化区,并结合研究区实际情况辅以专家知识和异常监测点,对基础样本点进行增加、删除、替换等优化操作,生成最终监测样点。以北京市大兴区为例,最终确定布设55个监测样点,结果表明,该方法布设的样点在耕地质量预测方面的精度高于传统的随机抽样和分层抽样方法,能有效地预测县域耕地质量并监控耕地质量的变化情况。     

中国耕地健康产能综合评价与试点评估研究

评价中国耕地健康产能状况,分析危及耕地健康的区域性关键问题,对探索可持续的耕地利用路径,维护国家粮食安全与生态安全具有重要意义。耕地健康产能是耕地自然系统与利用系统综合作用的结果,直接计算耕地健康产能状况是复杂困难的。因此,该文尝试采用一种简化的方法评价耕地健康产能,即分别评价耕地健康与耕地产能状况,并通过耦合耕地健康与产能,分析耕地利用合理程度与生产能力之间的相互作用特征。其中耕地健康状况强调从不同方面评价人对耕地利用的适宜程度并体现区域耕地不合理利用的主导因素。该文以全国范围65个县(市)作为研究对象,应用地形特征、土壤性状、耕作条件、环境状况和生物特性5类指标整合影响耕地健康的关键因子并评价耕地健康状况,在此基础上,通过分析指标标准差收敛特征与评价因子的评分规则定义各指标的临界健康与亚健康阈值,将试点县划分为健康、亚健康与不健康3类,进而分析不同健康状况的分布特征。同时,综合区域气候条件、耕地自然条件与耕作技术水平评价耕地产能水平,并分析区域耕地健康-耕地产能作用特征。结果表明,试点县耕地亚健康及不健康类型表现出显著区域性特征,不同试点县限制耕地健康的关键要素存在差异;一方面,耕作条件的亚健康状况普遍(数量占比约40%),表现为耕地破碎化严重以及农田基础设施不完善,也反映出高标准农田建设的迫切需求;另一方面,生物特性形式严峻,表明在气候条件-土壤结构-耕作技术等因素相互作用下耕地保障动物健康生长的能力正面临退化。此外,通过耕地健康与耕地产能耦合分析,该文将试点县耕地健康产能特征划分为"健康-高产能"、"健康-低产能"、"亚健康-高产能"、"亚健康-低产能"、"不健康-高产能"、"不健康-低产能"6类,并分析不同类型区域耕地保护的重点方向,其中"不健康/亚健康-高产能"区域分布广泛,是中国实施藏粮于地、藏粮于技战略的关键地带,应兼顾耕地健康与耕地产能,加强提升耕地健康状况的方法研究与实践。该项研究为耕地健康产能提升提供科学依据,为不同区域耕地资源保护路径设计提供有效支撑。