利用高空间分辨率遥感数据的农作物种植结构提取

农作物种植结构是掌握粮食种植面积和产量的重要前提,也是进行作物结构调整与优化的依据。该研究以黑龙江肇东市为研究区域,以高空间分辨率RapidEye影像为遥感数据, 基于最大似然监督分类方法提取了肇东市2011年农作物种植结构空间分布,利用地面样方调查数据进行了线状及细小地物扣除系数计算,实现遥感提取的农作物种植面积的精细提取,然后从面积数量和空间位置两个方面对遥感提取的农作物种植结构进行了精度评价。研究结果表明,利用RapidEye数据提取的农作物种植面积数据总体精度为97.00%,位置精度为96.15%,高空间分辨率数据在农作物种植结构遥感提取中具有重要潜力,线状及细小地物扣除系数可以有效减小线状及细小地物对高分提取的农作物种植结构的精度。     

基于多尺度分割的面向对象分类方法提取冬小麦种植面积

应用面向对象方法,对遥感图像进行多尺度分割,即首先进行大尺度分割,结合NDVI提取植被信息,将图像分为植被和非植被;然后在植被信息类内再进行小尺度分割,利用NDVI并融入几何特征进一步提取冬小麦种植面积及空间分布。在遥感分类的基础上,将线性数据按宽度缓冲,从分类结果中扣除。将扣除结果与地面样方实测数据对比分析。结果表明,监测结果减轻了传统分类方法的椒盐效应,监测结果与验证样方数据比较精度为94.06%。     

基于地块单元的冬小麦遥感估产方法研究

[目的]以高分时序遥感影像为基础数据源,结合土地承包经营权地块数据,对冬小麦遥感估产方法及其精度进行研究和分析。[方法]文章以河南省兰考县为研究区,采用2019年4―5月份的GF-1C和GF-6 2 m PMS遥感影像提取了研究区冬小麦种植空间分布,并在地块单元控制下对冬小麦种植面积进行了修正和精度验证。其最优提取结果的修正阈值为0.93,地块单元内冬小麦总体分类精度为95.66%,Kappa系数为0.89。利用3月7日至5月20日6期GF-1 WFV遥感影像序列NDVI和RVI与冬小麦种植地块单元数据进行空间统计,得出各冬小麦种植地块单元内NDVI和RVI均值,通过分析冬小麦测产地块单元内均值植被指数与产量间的敏感性,提出一种组合均值植被指数的冬小麦遥感估产模型构建方法,通过交叉验证法对不同的估产线性回归模型进行精度评价。[结果]由4个均值植被指数组合变量的多元线性回归模型为最佳,决定系数为0.922 0,预测误差为40.96 g/m~2,预测精度为93.13%。通过该模型得出兰考县冬小麦平均产量为6 047.25 kg/hm~2,较2017年河南省统计年鉴研究区冬小麦平均单产6 001 kg/hm~2有所提高,土地承包经营权地块内和地块外冬小麦总产量分别为2.76亿kg和4 650万kg。[结论]该方法实现了冬小麦估产结果以像元为单位向以地块单元为单位的转变,解决了模型构建时光谱信息与实测产量间对应问题,为利用国产高分卫星进行县域地块尺度遥感单产精准化估算提供了方法支撑。     

CBERS-02B星数据质量评估及土地调查监测应用潜力分析

研究目的:对CBERS-02B星进行数据应用评价.研究方法:定性与定量评价相结合.研究结果:CBERS-02B星HR数据几何纠正误差约为8-11 m;建设用地、耕地解译及新增建设用地检测属性正确率约80%,提取的变化图斑平均相对面积误差约为10%.研究结论:CCD影像可用于1∶100000尺度土地宏观遥感监测;若不考虑数据获取能力,HR和CCD融合影像可满足中小尺度土地利用动态遥感监测精度要求.     

基于Landsat的黄河口地区土地利用类型研究

[目的]对黄河口地区的土地利用情况进行分类分析,为科学规划黄河口地区生态布局和进一步揭示人类与环境之间的发展关系及其相互影响提供理论依据。[方法]基于Landsat遥感数据利用3S技术对近20年来5景覆盖黄河口地区的卫星遥感数据进行解译分析,在科学制定分类标准基础上,结合目视解译和监督分类法提取研究区域内的土地利用类型,同时应用最小二乘法原理对各土地利用类型的变化趋势进行研究。[结果]近20年来,黄河口地区天然湿地和人工湿地的区域及面积均发生了不同程度的变化;黄河口地区滩涂湿地主要分布在东部区域和北部区域;受河流改道等影响,黄河口地区东部滩涂湿地区域和面积均发生过明显改变;黄河口地区各土地利用类型中耕地面积占比最大,滩涂湿地面积占比次之,盐碱地面积占比最小;耕地、城镇及建设用地、裸地和盐碱地面积多年来均呈增长趋势,其中城镇及建设用地面积呈逐年递增趋势,其他各类土地利用面积呈不规则递增趋势;湿地总面积呈减少趋势,其中除盐田及养殖池面积呈增长趋势外,其他湿地面积均呈减少趋势。[结论]黄河口地区受人类活动影响较大的各类土地利用面积变化率大,表明人类活动对土地利用面积变化的影响起主导作用。     

基于ArcGIS的河南省土地利用变化特征研究

[目的]以河南省为研究对象,分析2005~2010年河南省土地利用变化特征及其影响因素,为日后河南省合理利用各类土地资源提供思考和借鉴。[方法]主要采用数据分析法和文献研究法。查阅文献搜集2005~2010年河南省土地利用情况相关数据,通过ArcGIS 10.2软件,得到河南省土地利用变化特征。[结果]河南省的主要土地利用类型是耕地,2010年占河南省土地总面积的63.12%。2005~2010年,河南省的耕地转移面积最大,为5.055 4万hm~2。其次为水域用地,转移面积2.184 8万hm~2。草地转移面积最小,转移面积为2 424hm~2。水域用地动态度变化为7.49%,未利用地动态度变化为6.86%,耕地变化动态度最小,为0.48%。耕地主要向建设用地转移,转移面积为13.403 1万hm~2。林地主要向耕地转移,转移面积为1.617 4万hm~2。未使用地主要向耕地和水域用地转移,转移面积分别为2 568hm~2和7 673hm~2。[结论]2005~2010年河南省土地利用格局发生了较大变化。耕地面积减少,建设用地面积增多。未利用地主要向耕地和水域用地转出。河南省单一土地利用动态度最大的水域用地,最小的是耕地。建议相关部门,依据各地地理条件、经济发展水平及土地利用中出现的问题,制定合理的政策和措施,促进土地利用健康发展。     

基于纹理特征与MODIS NDVI时间序列的耕地面积提取研究

[目的]耕地是粮食安全的重要前提与保障,通过对MODIS时间序列数据的特征分析和提取,讨论了在大尺度条件下的耕地面积提取的可行方法,以期为当地合理利用耕地资源进行农业生产规划与布局提供参考。[方法]文章以呼伦贝尔市为研究区域,选择MOD13Q1为数据源,采用Savizky-Golay滤波方法对MODIS-NDVI时间序列进行滤波处理,并分析各地物间的时间变化特征,最后结合纹理特征信息进行CART决策树分类的结果比较。[结果](1) MODIS-NDVI时间序列能较好的区分不同的土地利用类型;(2) Savizky-Golay滤波降噪能够明显提高分类精度;(3)纹理特征的加入进一步反映地物间差异性;(4)该方法的总体分类精度为83. 72%,Kappa系数为0. 789,其中耕地的提取准确度为86. 33%。[结论]纹理特征使数据像元间的灰度相关性更加丰富,并通过提高像元之间的差异改善结果的精度。该文结果为进一步利用MODIS数据进行土地利用信息与农业资源调查提取提出了新思路。     

河北省土地利用变化图谱特征分析

[目的]为了能够充分反映土地利用变化的时空过程。[方法]文章基于地学信息图谱理论与方法,运用ArcGIS 9.3软件,以河北省2001年、2007年和2013年3期遥感解译数据为空间数据源合成河北省耕地利用变化模式图谱,以及河北省生态功能用地与耕地、建设用地变化模式的图谱,据此揭示河北省土地利用变化时空特征及分布规律。[结果]2001~2013年河北省土地利用变化图谱主要以稳定型为主,主要表现为"耕地-耕地-耕地"。河北省耕地利用变化模式主要以后期变化模式类型主要为"耕地-耕地-草地",面积达到28.876 244万hm~2,主要集中分布在燕山-太行山地以及山前平原区,是整个变化模式中最大的单体变化类型。2001~2013年河北省生态功能用地随着时间的推移,呈现出向耕地以及建设用地转换的趋势,城市化进程的加快,不合理的经济发展必然导致生态环境日益恶化。[结论]该文为今后河北省土地资源的合理利用和科学规划提供科学的依据与指导。     

呼伦贝尔草原生态功能区土地利用变化及驱动力分析

[目的]土地利用作为地球表面与人类活动连接的纽带,明确其变化特征及驱动力对于土地利用格局的优化、区域生态环境的改善和土地利用率的提高等具有重要的指导意义。[方法]文章以呼伦贝尔草原生态功能区为例,从土地利用动态度和土地利用转移矩阵来探究研究区在1990—2015年土地利用变化特征。在此基础上,运用主成分分析对研究区土地利用的年际变化进行驱动力分析。[结果]2015年草地面积为329.52万hm~2,占总面积的81.17%,是呼伦贝尔草原生态功能区的主体土地利用类型, 1990—2015年草地总量略有减少,减幅为0.04%;湿地作为研究区第二大土地利用类型,呈现先减后增、整体减少的趋势,整体减幅为0.36%;其他土地面积减少1.39万hm~2,减幅为19.05%;面积增加的土地利用类型中,耕地面积整体上呈现增加趋势,增加8 480hm~2,增幅高达102.60%;人工表面面积增加6 075hm~2,增幅为29.47%;林地面积增加了2 908hm~2,增幅10.48%。草地、湿地和其他土地利用类型表现为净转入特征,耕地、林地和人工表面用地表现为净转出特征。区域经济和农畜因素是研究区土地利用变化的主要驱动力。[结论]草地与其他土地利用类型间的相互转换是呼伦贝尔草原生态功能区土地利用变化的主要特征,区域经济和农畜因素共同影响研究区不同土地利用类型的分布。     

结合Landsat 8和GF 1数据的冬小麦种植空间分布提取

[目的]为探讨多源中等分辨率数据在冬小麦种植时空分布上的应用。[方法]利用2017年冬小麦关键生育期的Landsat8 OLI(抽穗期)和时间序列的GF-1 WFV(2016—2017生育期)数据,在分析各个行政分区的地表覆盖状况、作物结构和地块破碎度差别的基础上,将行政区划分为3种类型不同的提取单元并建立了适合于各自分区的提取模型:(1)利用关键生育期的OLI数据,采用监督分类—神经网络方法提取结构单一、地块齐整的怀远县种植区;(2)基于WFV数据构建五河县及城区种植区的冬小麦全生育期NDVI时间序列曲线,根据NDVI的时间特征构建冬小麦提取的决策树分类模型提取结构较复杂、混合像元明显的五河县及城区种植区;(3)在对关键生育期OLI-NDVI数据合理分割的基础上,采用最大似然的面向对象分类法获取种植密集、地块破碎的固镇县种植区。[结果]提取结果采用混淆矩阵和当年度统计数据相结合的方法进行精度评价,结果表明:(1)怀远县提取出的冬小麦提取总体精度为97.91%,五河县及城区提取出的精度为97.62%,固镇县的精度为97.42%;(2)全区域冬小麦提取的总体精度为86.82%,Kappa系数为0.84。与当年度统计数据对比的结果表明:2017年蚌埠市的准确提取面积精度可达97.91%,提取面积数据小于蚌埠市统计年鉴提供的统计数据,与调查的实际种植地块基本一致。[结论]采用不同方法提取不同空间分布特征的冬小麦种植面积具有较好的精度,该方法可以为市域冬小麦面积提取提供技术参考。     

遥感数据辅助下县域耕地质量评价与空间分布研究

目的 耕地质量监测与评价是实现耕地科学管护的重要前提。方法 文章以河南省安阳县为研究区,依据“状态—压力—响应（PSR）”框架,构建遥感数据辅助下的耕地质量评价指标体系和模型,分析耕地质量空间分布特征和障碍因素。结果 研究区耕地质量空间分布呈现出聚集性和空间变异性交错耦合的分布特征,耕地质量由东向西逐渐降低,一等、二等、三等、四等、五等耕地质量分别占比7.45%、12.34%、17.83%、33.40%、28.89%;有机质、碱解氮、NDVI_DRY为研究区耕地质量主要障碍因子;随着耕地质量等级的升高,不同等级中小麦产量的均值也随着逐渐升高,说明耕地质量越好,耕地小麦产量越高。结论 遥感数据辅助下的县域耕地质量评价具有系统性、科学性和可靠性,安阳县耕地质量提升重点在于提升丘陵地区土壤肥力和农田水利基础设施。     

基于无人机影像的冬小麦深度学习分类

[目的]传统分类方法存在人为主观选择特征、模型无法在大范围泛化的问题,文章利用非监督特征学习的深度学习方法进行冬小麦识别,以解决传统分类方法无法在大范围进行自动化作物识别的不足。[方法]该文集成残差网络(Residual Nets,ResNets)和金字塔场景解析网络(Pyramid Scene Parsing Network,PspNets)构建Res.PspNet,进行冬小麦深度学习自动化分类。在山东全省获取80个村的无人机航拍影像,利用米级遥感影像和对应的标记样本作为"海量标记样本"训练土地覆盖识别模型,以此为基础模型迁移训练冬小麦分类模型,自动提取出冬小麦分布。[结果]实验结果表明,以训练出的土地覆盖数据作为基础模型训练冬小麦模型,收敛速度快,具有很好的泛化性,在不同农业景观调查村中均得到比较准确的结果。从整体验证区域来看,冬小麦总体精度达到了90%以上,区域冬小麦总面积精度达到99%。平原区冬小麦识别精度更高,总体精度达到了90%以上,区域面积精度达到99%,表明模型对冬小麦种植地块规整、生长状态均质的区域,识别精度较高,而山区由于地块破碎、冬小麦长势差异较大,空间卷积会弱化小麦特征且出现"同物异谱"现象,这影响了在该区域内冬小麦的识别精度。[结论]Res.PspNet卷积神经网络能够有效地学习出无人机影像的特征,实现了基于航片影像进行非监督自动化冬小麦"端—端"分类,这也将一定程度上降低冬小麦提取的工作量。     

基于SAR提高喀斯特地区LUCC光谱分类精度研究

喀斯特地区复杂地表形态导致地面调查可深入性差、精度不高,遥感则作为该区有效监测与研究人类活动对土地利用(LUCC)方式与利用程度影响的主要手段。文章利用ALOS多光谱数据与Terra SARX的数据进行融合,讨论了HH极化微波后向散射数据用于改善多光谱遥感数据LUCC分类的精度,并比较了不同融合方法对地物识别。结果表明:2种数据之间的融合充分利用了多光谱的光谱信息与HH极化数据丰富的结构与纹理的特征,增强了不同地物之间的光谱差异,提高地物可分性;PC法融合、IHS法融合分类精度较单独使用ALOS多光谱数据分类精度分别提高了8%与13%,而且由于HH极化对植被含水量的敏感性,提高了"插花"分布的旱地与草地、林地等由植被覆盖的土地利用类型的区分精度。通过该研究探讨了HH极化数据与多光谱数据融合在地表信息提取中的应用,拓展了遥感数据在喀斯特地区土地利用领域应用的范围。     

基于残差U-Net的遥感影像土地覆盖类型自动分割

研究目的:土地覆盖的准确分割对于土地调查和规划具有重要意义。针对传统方法对于高分辨率遥感影像分割存在精度和效率较低等问题,提出了深度学习遥感影像分割方法。研究方法:以2 m高分辨率遥感影像为数据源,选用一种加入残差块的U-Net模型(ResU_Net),对目标区域进行基于深度学习的土地覆盖分割,并与SVM、PSPNet、U-Net分割方法进行对比。研究结果:ResU_Net能够更加准确地表达高分辨率遥感影像的地物信息,该方法总体分割精度达到85.50%,Kappa系数为0.7603,总体精度和Kappa系数均高于SVM、PSPNet和U-Net分割方法(总体精度:ResU_Net(85.50%)>U-Net(79.44%)>PSPNet(78.90%)>SVM(66.80%))。研究结论:ResU_Net模型对高分辨率遥感影像的土地覆盖分割效果更优。     

遥感技术在区域土地利用/覆被变化中的应用--以福建省为例

研究目的运用遥感技术快速查明福建省的土地资源状况与分布及其动态变化,为国土部门与政府决策提供科学依据.研究方法采用人机交互式解译并结合自动分类对2001年Landsat TM影像进行解译.研究结果(1)在自动分类基础上,运用人机交互式目视解译可获得较好的效果与精度.(2)福建省遥感调查土地利用总面积12398515.09 hm2,林地和耕地为主要土地利用类型.(3)从土地利用变化分析,1996-2001年耕地面积减少11.78%,未利用地减少23.55%,而园地、林地、水域和城乡居民点及工矿用地增加.不同土地利用类型间也发生转移,耕地转化为林地和城镇工矿及交通用地面积突出.研究结论运用遥感技术进行土地资源的调查与变化研究,能较准确、及时地为有关部门提供依据,并节省费用.     

杂谷脑河流域土地利用/覆被变化特征研究

以四川省杂谷脑河流域2179KM2范围为研究对象,以1980年、1992年、2001年和2006年的TM遥感数据为基础,结合地形图、林相图等辅助资料,以RS和GIS技术为支撑,对研究范围内的七类土地利用类型从土地利用结构幅度变化和速度变化角度进行研究。结果表明:26a间,林地和未利用地面积减少,其余五类用地面积呈增加状态,从多至少依次为是灌木林地、草地、耕地、居民地和水域;R1和R2变化值最大都是居民地,R1最小的为水域,R2最小的为未利用地。