基于最小耗费距离模型的西山区生态连接度评价

针对目前生态连接度评价空间显式表达的不足,提出一种基于最小耗费距离模型的评价方法。按照不同生态功能分区,计算土地生态服务价值、障碍影响指数及生态连接度指数,并对影响土地生态连接度的驱动机制进行深入分析。以云南省西山区2009年、2015年土地利用数据和2020年土地规划数据为例进行验证。结果表明:基于最小耗费距离模型和GIS方法可以显式的表达研究区生态连接度的空间差异程度;研究区2009—2015年生态连接度下降,是因为"十二五"期间经济快速发展及城市化进程加快,无序蔓延式扩张致使绿地被分割、耕地被占用;规划末期2020年生态连接度逐渐趋于好转,源于"十三五"高度重视生态保护,大量风景名胜区和生态湿地的建立对生态环境具有很好的促进作用。该方法可为生态连接度定量分析评价及驱动机制研究提供借鉴和参考。     

基于多源遥感数据融合的运城盆地夏玉米估产研究

[目的]准确估算区域尺度作物产量是确保粮食安全,发展生态、安全农业的关键。[方法]文章以山西省重要的粮食产区——运城盆地为例,利用2020年空间分辨率为10m的Sentinel-2A数据和时间分辨率为1d的MODIS数据,采用STNLFFM (Spatial and Temporal Nonlocal Filter based Fusion Model)算法并结合光能利用率模型进行夏玉米NPP (Net Primary Production)模拟和产量估测。[结果]（1）融合后的NDVI数据能较好地继承Sentinel-2A NDVI数据的空间细节,同时能够较好地表达较小地物之间空间差异;（2）STNLFFM NDVI时序曲线能准确地反映夏玉米种植时期的NDVI变化趋势和局部突变信息,比MODIS NDVI时序曲线更符合夏玉米实际生长状况。（3）运城盆地夏玉米种植区累积NPP均值为667.42 gC/m2,其中西北部的涑水河冲湖积平原,受人类活动影响显著,灌溉条件较好,NPP累积量较高,为700～900 gC/m2。（4）东北部山区和北部台塬区受地形破碎程度较高影响,NPP累积量小于5...     

基于熵值法的河南省新型城镇化风险识别研究

[目的]建立新型城镇化风险识别体系与方法,有助于规避和降低新型城镇化发展中的潜在风险,为推进新型城镇化健康发展提供参考和依据。[方法]文章通过构建包含政治风险、经济风险、社会风险、生态风险等4个维度共17个指标的新型城镇化风险识别评价指标体系,采用熵值法和极值法对2010—2014年河南省新型城镇化风险进行测度。[结果]整体上,河南省新型城镇化风险呈现逐年下降的趋势,风险综合风险指数由2010年的0. 793下降至2014年的0. 199,年均下降率为14. 98%。其中,政治风险呈波动性变化态势;社会风险显著下降,且城乡差距逐年缩小,表明河南省城乡一体化成效开始显现;经济风险指数也呈现下降趋势,河南省经济增长实现了中高速平稳增长,经济发展质量不断提升;生态风险显著降低,说明新型城镇化逐步摆脱以牺牲环境为代价的传统经济发展模式。[结论]为加快推进新型城镇化发展,提升城镇化发展质量,应转变经济发展方式,破解土地财政依赖难题,加快生态文明建设。     

基于多源数据融合的地表覆盖数据重建研究进展综述

地表覆盖数据对于全球环境变化、生物多样性和发展政策制定有着重要意义。遥感已成为获取地表覆盖数据的重要手段。而目前的地表覆盖数据产品,如Globe Land30、FROM-GLC、MODIS Collection5、MODIS Cropland、Glob Cover、GLC2000等,存在数据精度不高、数据间一致性较差、与统计数据差异较大等问题。因此,基于多源数据融合的数据重建方法成为目前研究中的热点问题。文章检索了近10年关于多源数据融合在地表覆盖数据重建中的应用的相关文献,概括了多源数据在数据重建中的应用现状,并对基于多源数据融合的地表覆盖数据重建方法进行了归纳总结,重点评述了不同方法的特点及应用情况,阐明了各种方法的优势与不足,同时对存在的问题进行探讨并展望了未来基于多源数据融合的地表覆盖数据重建研究的发展方向。基于多源数据融合的数据重建方法包括基于多源遥感数据融合法以及基于多源遥感和非遥感数据融合法。该文在对基于多源遥感数据融合的数据重建方法进行论述时,主要讨论了其中应用最广泛的两种融合方法:基于数据一致性的融合法和基于回归分析的融合法。对于其他基于多源遥感数据融合的数据重建方法,如基于D-S证据理论融合法、基于数据集成融合法、基于统计模型融合法,也列举了最具代表性的相关文献进行论述。在对基于遥感数据和非遥感数据融合的数据重建方法进行论述时,主要讨论了其3种空间分配方法:完全依赖法、部分依赖法、动态依赖法。在对目前研究进行探讨的过程中,该文对其研究区域、数据源、地表覆盖类型、空间分辨率、融合方法和文献来源进行总结分析,并重点就融合方法展开讨论。围绕各种融合方法在数据重建中的运用,该文归纳出目前研究中存在的主要问题:研究对象和区域上的不足,研究区多为全球及欧美,其他区域的研究过少,研究对象多为所有地表覆盖类型和森林,对耕地和草地的研究过少;融合算法上的不足、重建结果精度上的不足。最后,指出基于多源数据融合的数据重建方法未来的发展方向,即综合运用两类方法,得到具有详细完整空间信息的长时间序列的地表覆盖数据集。     

基于星载极化SAR数据的农作物分类识别进展评述

［目的］农作物播种面积信息不仅可为农情监测和作物估产提供重要的数据保障,还是国家制定粮食政策和经济计划的重要依据。快速、准确地获取农作物播种面积信息能为农业生产管理提供决策支持。极化SAR不受云雨天气的影响,在农作物遥感监测方面具有巨大的应用潜力,有效利用极化SAR数据进行农作物识别研究对促进雷达技术在国家农业遥感监测和农业供给侧结构性改革中发挥更大作用具有重要意义。［方法］以星载极化SAR技术的发展过程为论述主线,从单、双极化SAR数据,单、双极化SAR数据结合光学影像,全极化SAR数据三个发展阶段,对极化SAR数据在农作物分类识别中的研究与应用进行总结,并对比分析不同的识别特征、融合算法以及分类算法的优缺点。［结果］以往研究存在以下不足：当前研究多以识别水稻为主,对于难以识别的旱地作物研究较少;目前对旱地作物识别精度不高,平均识别精度不足85%;缺乏对不同作物散射机制及其随时相变化的研究,导致分类算法机理性不足,普适性较差。［结论］在今后的研究中,旱地作物散射机制的定量确定,如何利用散射机制及其变化来提高旱地作物遥感识别精度和普适性;目前分类算法大都是基于光学影像设计,如何利用SAR特殊的成像方式优化设计适用于极化SAR数据的分类算法,得到更高的分类精度;如何更好的跟光学遥感等多源数据（光学数据、GIS数据等）结合来提高精度,将成为未来极化SAR农作物识别中三个亟需重点解决的问题。     

基于无人机遥感可见光影像的农作物分类

[目的]无人机遥感具有高空间、高时间分辨率的优点,并可同时获得光谱和空间信息,因此在农作物分类中备受研究者的青睐。与侧重于从高分辨率RGB图像中提取纹理特征的分类方法不同,文章重点研究如何利用作物在光谱和空间维度上的联合特征尤其是作物高程特征,以实现农作物精细分类。[方法]首先,我们进行研究区域选择和地面实际情况调查,用无人机遥感系统进行可见光影像采集;其次,确定研究区域内农作物分类类别,分别对可见光遥感影像进行可见光植被指数计算及纹理滤波;针对数字表面模型(DSM)数据特点,对两期DSM数据进行差值处理,获得差异数字表面模型数据(DDSM),提取作物高度信息,并根据农作物冠层特性对差异数字表面模型进行滤波处理;最后,进行特征优选及组合,使用SVM方法进行农作物分类。[结果]确定最优分类特征为RGB、红波段对比度、绿波段二阶矩、蓝波段方差、DDSM、DDSM方差、DDSM对比度,分类精度由71.86%提高到92.30%,验证了由DSM影像提取的空间特征可以提高农作物分类精度。[结论]该研究探索了一种基于可见光及空间联合特征的农作物精细分类方法,方法简单可行,设备成本低,在基于无人机低空遥感的样方调查领域中有较大的应用前景。     

极化SAR旱地作物分类的后向消除特征选择研究

[目的]作物遥感分类是作物面积监测的核心问题,也是进一步开展农作物长势、产量等专题监测的前提。特征选择是作物遥感分类的关键步骤之一,能够有效提高作物遥感分类精度和效率。文章使用后向消除的特征选择方法明确最优特征集的大小和内容,比较不同优选特征集的分类效果分析4种特征排序方法的优劣。[方法]（1）提取河北省深州市旱地作物关键生长期（6月3日、6月27日、7月21日） RADARSAT-2数据的3类特征变量共114个。（2）比较基于不同度量方式的4种特征重要性排序方法,根据特征排序结果采用后向消除方法逐步简化特征变量,确定最优特征个数,得到优选特征集。（3）比较不同优选特征集在随机森林方法下的分类效果。[结果]特征排序方法中极限树的效果最好。使用极限树算法优选的特征集参与随机森林分类,能用最少的特征（11个）,达到最高的精度（92.63%）。并且与全部特征（114个）的分类结果相比,总体精度只下降了1.78%。[结论]后向消除特征选择优选出的特征集能够明确最优特征个数,能够在保障分类精度的同时有效提升分类效率,优选出的特征集可为同种种植结构下的旱地作物分类提供参考。     

作物遥感估产中自动分类方法研究进展与展望

作物面积的提取是遥感作物估产中的技术关键和难点,如何选取分类方法将直接影响估产精度。在介绍作物遥感估产常见自动分类方法的基础上,对目前的研究水平及其发展方向进行了初步分析。     

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。     

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。     

基于多源遥感数据的马铃薯收入保险应用研究

目的 研究面向创新型农业保险业务中缺少及时准确的第三方作物产量结果用于灾损理赔的问题。引入多源卫星遥感测产技术,识别测产关键因子,构建产量模型。方法 文章运用多元线性回归分析方法,选取山西省马铃薯主产县岚县为研究区,计算基于Sentinel2影像的植被指数,结合气象卫星数据与实测单产数据,筛选关键因子,建立马铃薯单产遥感测产经验模型。结果 采用GF-2影像分割与Sentinel2长势时序识别岚县马铃薯种植面积为8 477.65hm²,精度检验Kappa值为0.72。保险公司岚县承保马铃薯面积2 476.37hm²,承保覆盖率为29.21%。测产结果显示,马铃薯单产与区域关键期地表温度参数相关性较好,岚县遥感测产获得平均单产为13.76 t/hm²,实地测产获得平均单产为14.06 t/hm²,误差百分比为2.13%,分乡镇平均误差百分比为22.97%,基本满足理赔业务需求。在2018年保险期结束后一周内,保险公司启动快速赔付,支付赔款125.29万元,赔付率48.46%。结论 遥感测产具有大范围、时效性好、可靠性高等特点,能够迅速为创新型保险产品提供测产理赔结果,提高理赔效率,保障农民收入。     

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。     

基于遥感技术的耕地复种指数研究进展

复种是我国重要的农作制度之一,对于提高我国耕地综合生产能力和确保国家粮食安全具有重要作用。该文在介绍复种指数基本概念和研究方法的基础上,对基于遥感技术的耕地复种指数研究进展进行了评述,尤其对时序植被指数平滑方法和复种指数的判别方法等两个关键技术进行了详细阐述。该文提出了遥感技术和地面观测的结合将是未来耕地复种指数遥感监测的发展趋势之一。如何进行遥感数据平滑最优化处理,以及获取高时空分辨率遥感数据及规范准确的地面观测数据将是需要重点解决的关键问题。