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。     

“高分一号”卫星数据在冬小麦种植结构调整实施效果评估中的应用——以河北省冀州市为例

[目的]在农业部"控制农业用水总量"的明确要求下,河北省试点实施了冬小麦种植结构调整,减少冬小麦种植面积。为快速监测与评估结构调整政策的实施效果,解决大尺度冬小麦种植结构变化监测中精度与成本相互制约的问题。[方法]该研究以河北省冀州市为例,利用国产高分一号卫星(以下简称"GF-1")2m全色、8m和16m多光谱卫星数据,对全市冬小麦种植面积及种植结构变化情况进行监测,并结合高分辨率卫星数据(0.5m分辨率Pleiades数据)计算关于GF-1数据监测结果的修正系数,从而提高监测精度。[结果]研究认为,与2m/8m分辨率的GF-1融合数据相比,系数修正后的16m分辨率GF-1数据在冬小麦种植结构监测与评价业务化运行工作中更具优势。基于16m GF-1数据的监测结果显示,2015年冀州市冬小麦种植结构与2014年相比变化明显,种植面积总体呈增长趋势。[结论]种植结构空间变化具有异质性,其中,冀州市北部冬小麦种植面积保持基本稳定,中部地区呈集中减少趋势,南部地区呈集中增加趋势。冬小麦种植结构变化的主要原因是受到棉花种植面积减少,以及种植习惯、种植模式变化等因素的影响。     

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。     

基于环境小卫星的半干旱区土地利用信息提取

为了准确掌握半干旱地区的土地利用情况,以辽宁省彰武县为研究区,分析多时相的HJ-1B遥感影像。依据影像各时相的归一化植被指数(NDVI)及其波谱特性,获得对影像数据的整体把握。提出基于NDVI、光谱和纹理信息相结合的最大似然分类方法,通过此方法探讨该区的土地利用信息,并将分类结果与基于NDVI和光谱的最大似然分类结果进行对比分析。研究结果表明,纹理特征参与的分类精度较高,Kappa系数达到0.80,总分类精度为83.56%。因此,该方法更适合于半干旱区的遥感影像信息提取。     

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。     

基于全极化SAR与多光谱的喀斯特山区农村林地提取

[目的]为加快推动贵州省"互联网+"林业建设,打破贵州喀斯特高原山区遥感监测瓶颈,选取了空间分辨率8m的Radarsat-2全极化SAR数据与空间分辨率6m的SPOT 6多光谱影像作为数据源,探究微波与光学遥感结合在喀斯特山区农村地区的林地提取技术。[方法]首先采用ENVI SARscape与NEST软件对SAR图像预处理。将Radarsat-2全极化数据与SPOT 6标准假彩色影像进行HSV融合。计算融合图像的平均梯度、信息熵、标准差与均值,评价出最优融合效果的极化方式。基于K均值(K-means)与最大期望(EM聚类)聚类算法分割图像,选择合适的算法,基于聚类分割的阈值进行面向对象的林地分类。最后,基于像素的混淆矩阵精度评价,结合贵州省林业厅调查数据、野外样方和航拍图,建立参考样本评价分类结果。[结果](1)融合之后,目视解译出林地边缘明显但较粗糙;对于在林地中小面积建筑物、农田中的较分散的林地小图斑能够识别,但边缘粗糙;有林地和灌木林地在色调上区分明显;在融合后的明度图中的灌木林地有明度较大的像元,此类像元为石旮旯地。(2)通过定量分析,融合之后的影像较SAR和光学数据信息量大。同极化平均梯度大于交叉极化,HH极化方式下各指标最大。图像EM聚类分割比K-means聚类更加细化。EM聚类图像的特征区分明显;(3)研究分类出了有林地、灌木林地和其他林地。面向对象的林地分类总体分类精度达到85.71%。[结论]研究将微波与光学遥感结合,为喀斯特山区中农村地区的林地提取提供新思路,与传统的林地监测相比,数据获取快捷,提高工作效率,精度准确。有助于通过遥感的手段解决地块破碎区域的林地提取问题,为提高多源遥感技术在喀斯特农村地区中的林地智能监测的能力提供借鉴。     

尺度变化对油菜种植面积遥感监测精度的影响

农作物种植面积监测是遥感估产的基础工作之一,监测结果的精度直接影响到数据的可信度和可用性。随着多光谱和多空间分辨率数据集的日益普遍,多尺度遥感数据源的综合应用是进行大范围农作物种植面积遥感监测业务化运行的必然趋势,因此尺度变化对农作物种植面积遥感监测精度影响的研究势在必行。该研究采用高空间分辨率的多光谱遥感影像进行油菜种植面积提取,对其提取结果进行基于简单多数原则的尺度转化,得到不同空间分辨率的提取结果,通过与地面实测样方数据构建误差矩阵进行精度分析,分析不同空间分辨率影像对作物种植面积遥感信息提取精度的影响。运用多种精度评价指标,从不同空间分辨率、不同监测方法、不同遥感监测时相等角度系统分析了农作物种植面积遥感测量中的尺度效应问题。为基于多尺度遥感数据综合应用的农作物种植面积遥感监测业务化运行中的数据选择和精度保证问题提供理论与实验基础。     

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。     

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。     

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。     

多时相GF-1卫星PMS影像提取农作物种植结构

[目的]及时准确获取农作物种植结构信息,对农作物种植结构调整具有重要意义。[方法]文章以多期GF-1卫星PMS影像为主要数据源,通过分层分类方法成功提取了朱仙镇一个种植年内秋播蔬菜、冬小麦、春花生、早熟西瓜、夏玉米、夏花生等农作物,并通过叠加分析得到朱仙镇的农作物种植模式。[结果]朱仙镇有10种种植模式,以一年两熟的冬小麦-夏玉米为主要倒茬模式,占比49.7%,其他9种种植模式所占比例之和接近50%;从整体景观的角度对朱仙镇的主要作物种植模式进行衡量,斑块丰富度PR达到9.0,香农多样性指数SHDI达到1.483 6,说明朱仙镇种植模式多样,有利于多元农业种植结构发展;分层分类的方法能够延续最优提取结果的精度,各类作物提取精度均达到了80%以上。[结论]PMS影像的高分辨率能够清晰的表达地块边界,一定程度上呈现了非大宗作物的空间分布,GF-1卫星PMS为多尺度的农业监测提供了更多的选择。     

Sentinel-2红边波段在水稻识别中作用研究以浙江省德清县为例

目的 水稻是我国南方地区种植面积最大的粮食作物,准确及时地获取水稻的面积及空间分布信息对于加强农业生产管理、保障国家粮食安全具有重要意义。以往利用卫星遥感技术进行水稻分类研究中影像的红边波段类型没有确定,影响着水稻面积监测的精度和效率。方法 文章选取中国南方典型的水稻种植区——浙江省德清县为研究区,利用覆盖水稻主要生长期的5个时相（2019年5月24日、8月2日、8月17日、10月31日、11月15日）Sentinel-2卫星影像,采用随机森林算法进行水稻分类研究。分析研究区水稻及其余6种典型地物在不同波段下的反射光谱特征,采用J-M距离定量评价各时相下有无红边波段参与的各种地物光谱可分离性,比较不同红边波段下的水稻分类精度,优选水稻分类的关键时相和波段组合。结果 相较于红、绿、蓝波段,7种典型地物在红边、近红外波段光谱差异更为明显。相比于无红边波段,有红边波段参与时水稻与其余6种地物的J-M距离更大,可分离性更强。5个时相中,在8月17日（水稻拔节期）时,水稻与其他地物可分离性最大。当3个红边波段全部参与分类时,水稻与其余6种典型地物的总体分类精度最高为91.58%,Kappa系数为0.89。Sentinel-2影像参与分类的7个波段,按重要性排序是：近红外波段>红边波段2>红边波段3>红波段>红边波段1>绿波段>蓝波段。结论 该研究可为进一步提高国南方地区水稻面积监测精度与效率提供参考依据。     

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。     

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。     

面向农业区划的作物种植结构遥感提取

[目的]尝试将作物种植结构提取结果由行政单元发展为基于相对均质的地理网格单元,解决当前农作物种植结构信息提取的空间局限性问题,文章在大尺度的土地利用/覆被分类与地块尺度的作物分类之间提出了作物种植结构单元概念,并构建了一种快速、低成本、准确的区域尺度作物种植结构提取方法。[方法]利用黑龙江省2014年250m分辨率的植被指数产品构建时间序列曲线提取物候信息,在耕地物候分区基础上对各物候区进行面向对象的多尺度分割,提取作物种植结构单元,利用光谱特征和NDVI指数构建特征空间,最终采用最邻近分类方法提取作物种植结构。[结果](1)利用MODIS时间序列数据提取物候特征进行多尺度分割的方法,能够有效的提取区域尺度农作物种植结构单元;(2)作物种植结构提取总体精度为95.70%;(3)黑龙江省2014年作物种植类型共有12种。其中,三江平原主要是水稻单一种植区、水稻混作区;松嫩平原以玉米单一种植区以及玉米-大豆混作区种植为主;西北部种植结构较复杂;东南部因地势等影响多种植玉米、大豆。[结论]利用物候数据进行种植结构提取可以有效划分农业区划,研究成果不仅为作物种植结构调整和农业发展布局提供科学依据,也是不同区域产量预测的基础,为合理布局农业生产、改进耕作制度以及引入和推广新产品等提供依据。     

基于高分二号卫星融合数据的城镇黑臭水体遥感监测研究

为研究通过卫星遥感手段监测城镇黑臭水体位置分布的可行性,利用高分二号卫星融合影像数据对北京市城镇水体进行水体岸线提取和水质参数反演。水质参数包括叶绿素a、悬浮物浓度、透明度和营养化指数。基于水体岸线提取结果和反演的各类水质参数的指数分布图,结合预先设定的水体黑臭程度遥感判别指标,对北京市9处水体河段水质进行综合遥感判读,辅以实地调查验证。研究结果表明,利用高分二号卫星融合影像能够很好的识别城镇区域内宽度较窄的河道岸线,并判定水面浮萍的存在,定量反演出的水体单位面积内悬浮物浓度、透明度和营养状态指数能够反映水体的黑臭程度,各河段水体黑臭程度的遥感判别结果与官方公布的结果基本一致。     

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%。     

基于多时相遥感影像的花生种植面积提取——以彰武县北部为例

本文以彰武县北部4个乡镇(大冷乡、章古台镇、四合城乡和阿尔乡)种植花生的耕地为研究对象,基于不同农作物类型之间的物候特征差异,借助3个时期的遥感影像提取农作物的不同NDVI特征值和影像的特征信息,采用监督分类的方法提取花生的种植面积及空间分布情况。结果表明该方法对于区分不同物候特征下的作物分类精度高,较好的反映作物的分布状况,可为该地区主要作物种植分布情况提供科学依据。