基于RapidEye影像的石漠化区休耕地块监测

[目的]该文选取云南省石漠化地区2个休耕试点区为研究区,研究使用RapidEye多光谱影像监测地块休耕状况的方法,为休耕精准监测提供参考。[方法]获取2017年8月2日覆盖研究区的RapidEye影像,进行大气校正、图像配准,选取休耕区及周边地区的绿肥作物、水稻、玉米、烟草、光温棚、遮阳棚、林地及水体等典型地物,分析绿肥作物与其他地物的光谱差异及可分离性;对休耕区影像进行监督分类,获得分类结果,将分类结果二值化为休耕与其他地物,然后使用地块矢量数据与二值化结果进行相交统计,得到地块休耕面积及比例,最后以休耕比例判定地块是否进行休耕。[结果]绿肥作物与其他典型地物光谱差异明显,可分离性良好;验证结果表明,在石漠化休耕区使用RapidEye影像基于休耕比例判别地块休耕的监测方法总精度为98.89%,Kappa系数为0.9292,错分误差为0,漏分误差为1.19%;判别阈值对休耕地块错分或漏分有影响。[结论]具有红边波段的RapidEye影像可用于石漠化休耕区的精准监测。     

基于高分与多时相中分影像的苹果园地提取

目的 卫星影像已经被广泛用于小麦、玉米、水稻等种植范围较广的粮食农作物空间分布信息提取和面积估算。但是,利用遥感影像研究苹果园光谱与纹理特征,获取苹果园地面积与分布的应用研究较少。以往的研究已经指出高分纹理特征有利于苹果园地分类,但是中分影像的数据保障性会更强,可提供时序的光谱特征,因此,文章提出了一种综合利用非最佳观测期获得的高分辨率影像纹理信息和多时相中分辨率影像光谱信息提取苹果园地的方法。方法 该方法以GF-2号卫星及哨兵卫星数据为数据源,首先利用灰度共生矩阵（GLCM）提取GF-2的纹理特征,然后将提取的GF-2的纹理特征和光谱特征与5期不同时期的哨兵影像相结合,形成5组GF-2纹理和光谱特征与某一期哨兵影像的组合特征（记录为GF-2+单时相哨兵）,1组GF-2纹理和光谱特征与所有哨兵影像的组合特征（记录为GF-2+多时相哨兵）,以7组不同的组合特征（GF-2纹理和光谱特征、5组GF-2+单相哨兵和1组GF-2+多时相哨兵）为输入,使用3种不同的分类方法（C4.5、CART和Random Forest）提取苹果园地的分布,比较分析不同特征组合对苹果园分类精度的影响以及3种不同决策树学习方法的优劣。结果 苹果园提取时,GF-2+单时相哨兵特征组合与GF-2+多时相哨兵特征组合明显优于GF-2纹理和光谱特征组合,GF-2+4月（花期）哨兵是最佳特征组合,其苹果园的分类精度和整个研究区域的总体精度分别比GF-2单独分类提高至少8.14%和8.29%,比GF-2+多时相哨兵分类提高至少1.14%和0.95%。当采用相同组合特征时,随机森林分类方法提取苹果园地效果最好,苹果园提取精度均在90%以上。结论 利用非最优时相高分影像与花期中分影像提取苹果园能够得到最优的精度;如果没有花期中分影像,其他时相中分影像与非最优时相高分影像组合也能够得到比较优的精度。     

若羌绿洲特色林果种植信息遥感提取方法适用性分析

目的 为快速掌握若羌绿洲特色林果业种植信息,提高特色林果资源调查的信息化水平,服务若羌特色林果业的发展。方法 文章通过野外调查和室内文献资料分析建立遥感分类的先验知识,采用面向对象的影像分析方法,构建多尺度分割结果的光谱、植被指数、形状、纹理等特征,采用CART和随机森林算法进行遥感分类,分析使用不同分类算法、特征集对分类结果的影响。结果 （1）随机森林算法相比于CART算法总体分类效果好,分类精度高,特征数据集的加入对CART算法的分类精度影响较小,而对随机森林算法分类精度的提升较为明显。（2）形状特征对形状差异较大的地物具有较强的识别能力,植被指数特征能有效识别植被和非植被地物,纹理特征则对分类精度的影响较小。（3）综合所有特征集并结合随机森林算法的分类结果最优,总体精度88.43%,Kappa系数85.47%,面积精度96.89%。结论 形状、植被指数、纹理等特征集的加入对各个地类的分类精度的影响不同,应具体问题具体分析,随机森林算法比CART算法更适用于多维特征数据集的作物遥感分类任务。     

农户资本禀赋对水稻生产生态效率的影响以湖北省为例

目的 农户资本禀赋约束对水稻生产生态效率会产生重要的影响。为更全面和准确地分析资本禀赋对水稻生产生态效率的影响。方法 文章基于长江中游湖北省农户调研数据,利用生命周期评价方法、超效率SBM模型、熵值法、Tobit和OLS回归等多种模型和方法,在理论分析基础上从多个角度就资本禀赋对水稻生产生态效率的影响进行研究。结果 （1）农户资本禀赋存在较大差异,各类别资本禀赋排序为人力资本（0.37）>社会资本（0.17）>金融资本（0.16）>物质资本（0.14）>自然资本（0.10）。强资本型的农户比例在综合资本禀赋和分类别资本禀赋上均少于弱资本型的农户比例。（2）单季水稻系统生命周期环境影响综合指数为2.10,水稻生产生态效率为0.64。（3）农户综合资本禀赋提升有利于提升水稻生产生态效率。综合资本禀赋对水稻生产生态效率的提升效应主要得益于物质资本、社会资本和金融资本的正向影响。结论 从物质资本、社会资本、金融资本等方面加强农户资本禀赋积累,以促进水稻生产方式绿色转型。     

基于深度学习模型的种植结构复杂区农作物精细分类研究

目的 卫星遥感技术具有覆盖范围广、探测周期短、调查成本低等优势而广泛应用于大区域农作物分类。然而在种植结构复杂区（如城乡结合部）,因其地块破碎、同期生长的作物种类多且分布分散,利用传统的统计分类或机器学习方法进行农作物分类时仍存在精度不高的问题。为提高种植结构复杂区农作物分类精度。方法 文章选取河北省廊坊市广阳区为研究区,以GF-1 PMS全色多光谱融合影像为数据源,采用U-Net、PSPNet及DeepLabv3+,3种深度学习模型进行农作物分类研究。分析模型参数对农作物分类精度的影响,评价3种深度学习模型的农作物分类精度,优选农作物精细分类方法。结果 （1）学习率与3种深度学习模型的分类精度呈正相关关系,较大的学习率（0.01,0.001）下,3种模型收敛速度快,分类精度高。批样本量与模型分类稳定性相关,批样本量设为100时,3种模型的分类稳定性最好。（2）相比PSPNet、DeepLabv3+模型,U-Net模型分类效果最好,总体分类精度为89.32%。（3）GF-1 PMS影像结合U-Net模型可有效提升种植结构复杂区农作物分类精度,大宗作物春玉米、夏玉米的分类精度在80%以上,花生、红薯、蔬菜小宗作物分类精度在60%以上。结论 该研究可为准确获取种植结构复杂区的农作物类型、面积及空间分布信息提供参考依据。     

近10年嫩江市大豆种植结构空间演变研究

目的 我国是世界上最大的大豆进口国，随着近几年中美贸易战的摩擦升级、新型冠状病毒影响导致的全球贸易交流减少，乌克兰战事致其大豆出口骤降等各种因素的影响，我国大豆生产存在潜在危险。研究大豆主产区大豆种植结构动态分布及空间演变，对中国粮食安全和进出口大豆体量都有重大意义。方法 文章依托2011—2021年Landsat系列多景影像，利用“3S”技术、随机森林算法，得到黑龙江省嫩江市大豆空间面积，并通过J-M距离法对样点进行精度验证，最后通过景观格局指数方法，分析黑龙江省嫩江市大豆种植结构时空演变特征。结果 2011—2021年黑龙江省嫩江市大豆种植面积在时空上整体上先减少再增加，主要种植面积从东北部至西南部、东南部增加。大豆面积总体以增加为主，但分阶段面积变化幅度较大。结论 该文利用近10年遥感影像对黑龙江省嫩江市大豆种植结构空间演变研究，以作为东北地区作物种植结构调整、优化粮食安全保障的依据，同时为国家粮食生产政策制定提供参考。     

玉米秸秆还田的补偿意愿影响因素及补偿标准研究——基于徐水区319位农户的实证分析

目的 玉米秸秆还田技术是我国实施耕地质量保护与提升的重要技术模式,也是实现农业废弃物资源化再利用的重要途径,探究农户对秸秆还田技术的采纳意愿并对技术采纳的补偿标准进行精准测度,有助于建立秸秆还田技术持续推广的长效机制,促进农业生产的绿色发展。方法 文章以河北省徐水区319份农户调查为基础,采用条件价值评估法定量分析农户对秸秆还田技术的支付意愿及其影响因素,并进一步构建补偿意愿价值评估模拟模型来估算支付意愿价值和秸秆还田外部环境成本。结果 （1）农户对秸秆还田技术的支付意愿较高,有90%的农户表达肯定支付意愿;（2）基于农户支付意愿和秸秆还田的温室气体减排环境效应测度,徐水地区玉米秸秆还田生态补偿标准的上限和下限分别为661.8元/hm²和171.47元/hm²;（3）支付意愿的影响因子按从大到小的强度排序为耕地平整化程度>化肥成本>农户性别>化肥用量认知>家庭农业纯收入>受教育程度>政策认知>社会网络>地力提升认知。结论 （1）细化补贴类型,制定科学补偿标准,建议玉米秸秆还田的补偿标准为416.7元/hm²（27.78元/0.067hm²）;（2）通过秸秆还田技术培训,提升农户生态认知水平;（3）聚焦不同主体的愿望与诉求,实施针对女性农户群体的补偿政策,为补偿精准施策找准靶向。     

山西省粮食生产时空变化及供求现状分析

目的 探析山西省粮食生产的时空变化及粮食供需结构现状。方法 文章选取2010—2019年山西省粮食生产和消费数据,借助ArcGIS10.2软件、EXCEL软件,采用重心研究模型和粮食安全贡献度模型,综合探析近年来山西省粮食供需变化及粮食安全现状。结果 （1）2001—2019年山西省粮食面积和产量整体稳中有增;种植结构以玉米、小麦为主,谷子、大豆、马铃薯为辅,以及高粱、燕麦、荞麦等小杂粮类;10年来,粮食生产变化表现为以增加玉米,减少小麦和杂粮生产为特点。（2）2010—2019年大豆、燕麦和小麦的产量重心表现为由西北向东南转移,其他种类均呈现由西南向东北方向转移;种植结构变化幅度由大到小依次为：马铃薯>荞麦>大豆>高粱>燕麦>玉米>谷子>小麦。（3）2011—2019年全省粮食产量稳定情况下,以2014年为转折点粮食需求量先降低再增加,调出量先增加再减少,至2018全省粮食调出量减少为负值;粮食需求结构中,口粮占53.65%,饲料用粮占比29.68%,工业用量仅占13.53%。运城市的粮食安全贡献度最大,其次为临汾市、忻州市、朔州市和晋中市较高,长治市、大同市、吕梁市和晋城市较低;太原市和阳泉市最低,为负值。结论 山西省粮食生产表现为总体平衡,种植优势由西南向东北方向转移的趋势,且各作物种植时空变化规律性不强;种植结构尚未形成区域特色产业,粮食需求量仍有逐年递增的趋势,粮食安全仍不容忽视。     

多时相极化SAR数据的旱地作物分类研究

[目的]及时、准确地获取旱地作物类型、种植面积及空间分布信息,可为农业生产管理,国家粮食政策提供重要依据。文章主要是对河北省冀州市棉花、玉米、水体和建筑进行分类,比较不同时相及分类方法下RADARSAT-2数据对4种地物的分类精度。[方法](1)计算得到每个时相(2018年7月14日、8月7日、9月24日)全极化RADARSAT-2数据的39个特征;(2)结合随机森林分类器比较不同分解方法(Freeman分解、Yamaguchi分解、MCSM模型和Cloud分解)得到的特征对旱地作物的分类精度影响;(3)分析参与分类的特征数量和时相对分类精度的影响;(4)将多时相多特征相结合,确定研究区内旱地作物的最佳识别方案。[结果]不同分解方法得到的特征越多、分类精度越高;就仅使用单景影像而言,在9月24日(玉米成熟期早期、棉花吐穗期中期)总体分类精度最高;不同分解方法得到的极化特征之间有一定的相关性,同一时相下,增加参与分类的极化特征数量不能有效提高分类精度;使用3个时相上117个极化特征,结合随机森林分类器,可以得到最佳分类精度(总体分类精度达92.89%,Kappa系数为0.885 9)。[结论]结合多时相与多特征相RADARSAT-2数据,能够有效提高复杂种植结构下旱地作物的识别精度,该研究可为旱地作物种植面积的快速提取提供参考。     

基于GF-1与MODIS时空融合的南方丘陵区水稻提取研究

[目的]水稻在我国粮食生产中占有重要的地位,针对南方低山丘陵区地形复杂多样,地块破碎的环境特点,利用遥感数据时空融合方法对水稻分布进行提取研究对作物精准估产和政府决策具有重要意义。[方法]以衡阳县为研究区,基于增强型时空数据融合模型(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model,ESTARFM)将MODIS数据分别和GF-1WFV、Landsat 8影像进行数据融合,构建高时空分辨率的NDVI时间序列集,对NDVI序列进行滤波并获取各地物物候参数,采用决策树分类方法提取水稻种植面积。[结果](1)ESTARFM能有效融合MODIS和GF-1WFV、Landsat 8影像,其中Landsat 8数据的单波段融合效果(R_(NIR)=0.92,R_R=0.82)优于GF-1WFV融合结果(R_(NIR)=0.82,R_R=0.75),但NDVI结果相关性差异不大(Landsat:R_(NDVI)=0.93,GF-1WFV:R_(NDVI)=0.89);(2)利用决策树分类法进行地物分类,基于GF-1WFV融合数据的分类结果优于Landsat融合数据分类结果,其中GF-1WFV数据得到的分类结果总精度达到86.37%,单、双季稻的精度分别为62.26%与86.70%,Kappa系数达到0.80;而Landsat数据的分类总体精度为80.96%,单、双季稻精度分别为56.87%和70.74%,Kappa系数为0.72。[结论]GF-1WFV融合数据可用于获取精细的水稻种植分布;针对南方低山丘陵区,特别是地形复杂度较高的区域,GF-1 WFV数据比Landsat数据在水稻提取方面更具有优势。     

基于高光谱曲线的马铃薯与其他主要作物光谱差异性分析

[目的]文章以马铃薯关键生长期——结薯期为测量时点,以马铃薯和玉米、大豆、水稻为研究对象,开展高光谱曲线特征差异性研究。[方法]为更好地描述马铃薯与其他作物的光谱差异,创建高光谱反射率差异性指数、高光谱一阶导数差异性指数、高光谱红边幅值差异性指数、高光谱曲率差异性指数及高光谱植被指数差异性指数。[结果](1)马铃薯与玉米、大豆、水稻3种作物光谱曲线具有明显差异,马铃薯与玉米的反射率值在480nm附近蓝色波段位置差异最显著,差异性指数值为67.866%,与大豆、水稻的最大差异性指数值分别为49.068%、57.559%,均位于550nm附近绿色波峰位置;(2)作物光谱曲线经一阶导数变换运算,马铃薯与其他作物间的光谱差异被显著放大,在近红外波段放大程度最显著;(3)马铃薯与玉米、大豆、水稻高光谱曲率差异性指数最大值均位于波长750nm附近,差异性指数值分别为78.365%、63.471%、80.882%;(4)常用植被指数中,比值植被指数、增强型植被指数可显著区分马铃薯与玉米、大豆、水稻。[结论]差异性分析结果为农作物空间分布遥感识别提供了技术支撑。     

基于GF-1 PMS影像的柠檬种植面积估算

为应用国产高空间分辨率影像快速、准确估算丘陵区柠檬种植面积,文章基于GF-1 PMS影像使用不同数据预处理及分类法估算柠檬种植面积。通过对影像进行大气校正、数据融合、滤波等处理,分别得到光谱反射率数据、融合影像和纹理特征数据(分辨率分别为8m、2m、2m)。通过可分离性分析,发现荒草地和未成林柠檬的可分性最差,二者在光谱反射率数据、融合影像和纹理图像中的可分性数值均小于1.8,是影响柠檬分类精度的主要因素。基于最大似然法的分类精度评价结果显示,纹理图像数据估算精度好于8m分辨率的多光谱反射率数据和2m分辨率的融合图像,适当的影像预处理有助于提高监督分类精度。对比基于最大似然法的精度,基于面向对象法的柠檬面积估算精度达95.09%,高于监督分类法的,使用GF-1 PMS影像估算柠檬面积最优方法为面向对象法。该研究为应用国产高分辨率遥感数据快速、准确估算丘陵地区果树种植面积提供了相关参考。     

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。     

高分1号冬小麦解译面积核算方法研究

[目的]以高分1号(GF-1)融合2m卫星遥感影像为基础数据源,结合土地利用现状数据、高分多源遥感影像和地面样方等数据,对冬小麦分类提取中存在的面积误差问题进行研究和分析。[方法]文章以河南省永城市为研究区,在冬小麦提取结果聚类处理基础上,基于线性地物缓冲区数据,采用GIS空间运算实现线性地物面积扣除,接着分析了样方数据和土地利用现状数据再扣除零星地物面积比例上的差异,并采用样方零星地物平均扣除系数对全市各乡镇耕地与非耕地中冬小麦提取面积进行了相关统计和误差分析。[结果]永城市冬小麦最终解译面积11. 29万hm~2,其中线性地物和零星地物扣除面积分别为6 613. 08hm~2和3 875. 22hm~2,占研究区冬小麦解译面积的5. 86%和3. 32%,与统计上报数据相比,其处理前后误差由14. 12%降低至4. 41%,有效地提高冬小麦提取面积精度。[结论]误差来源分析与修正对冬小麦解译面积核算精度具有重要影响,该研究为县级区域尺度下冬小麦面积提取核算提供了思路和借鉴。     

物理模型光谱模拟误差对冬小麦叶面积指数高光谱反演的影响

获取农作物叶面积指数(leaf area index,LAI)及其动态变化对于农作物长势监测和产量估测等应用具有重要的意义。基于冠层反射率模型(物理模型)的LAI遥感反演方法具有良好的普适性,对地面数据依赖较少,近年来广泛应用于农作物LAI高光谱反演研究。然而,当物理模型参数取值尽可能准确(代入参数实测值或依据先验知识取值)时,模拟光谱与实测光谱间仍然存在误差,研究称之为"光谱模拟误差"。该研究通过比对实测冬小麦冠层光谱与ACRM(a two-layer canopy reflectance model)模型最优模拟光谱,展示了光谱模拟误差在各波段、不同样本点的分布规律。据此,根据对光谱模拟误差与高光谱数据降维的不同考虑,制订了4种LAI反演波段选择方案。通过对比基于不同波段选择方案的LAI反演精度,分析了光谱模拟误差对LAI反演的影响;讨论了综合考虑高光谱数据降维与光谱模拟误差的LAI反演波段选择方法。通过合理的波段选择,限制了光谱模拟误差的影响,提高了LAI反演精度。该研究结果有助于探索合理的LAI高光谱反演波段选择方法,为合理利用高光谱数据反演农作物LAI提供科学参考。     

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。     

1990－2015年三峡库区重庆段水田时空分布及演变特征

目的 水田作为三峡库区重要的耕地类型与湿地景观,对保障该区的粮食和生态安全起到了不可替代的作用。分析水田的时空分布及演变特征,为农业结构调整、水田经营政策的制定以及保障库区生态系统的安全提供一定的理论基础。方法 文章基于三峡库区重庆段1990年、2005年、2015年土地利用图像,利用ArcGIS和FRAGSTATS软件,运用土地利用转移矩阵、核密度估计以及景观指数模型等方法,分析三峡库区重庆段在不同时段水田的时空分布与演变特征。结果 2015年三峡库区重庆段水田面积为5 267.94 km²,占耕地总面积的26.70 %,平均坡度为11.87°,其中丘陵地区水田面积分最大,不同区县间水田面积差异显著。（2）近25 年草地、建设用地和水田间发生显著转移,1990—2005年水田主要转向旱地,2005—2015年水田主要转向建设用地,且转出面积大于转入面积,水田的总面积持续减少。（3）近25年来三峡库区重庆段水田面积的核密度分布呈现“西密东疏”“南密北疏”的分布格局。1990年水田分布的聚集区表现为江津和长寿2个核心分布带;2005—2015年江津的核密度值由高密度区转变为低密度区,水田分布的聚集区仅剩长寿核心分布带。（4）在7种土地利用类型中,水田的景观优势度居于中间位置,随着水田面积不断减少,水田景观的破碎化进一步扩大。结论 从粮食安全和生态保护的角度出发,未来产业结构调整和高标准农田建设中,必须稳定一定数量和质量的水田面积,充分发挥水田的生产和生态功能。