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。     

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。     

基于最小距离法的RADARSAT-2遥感数据旱地作物识别

利用雷达遥感技术进行作物识别是当前作物遥感监测的研究热点之一,但利用雷达遥感技术进行旱地作物识别的相关研究较少,该文以RADARSAT 2雷达遥感数据对两种旱地作物玉米和棉花进行识别。以河北省枣强县为研究区,对其区域内的玉米和棉花进行识别。首先分析了与卫星过顶时刻同步采集的作物参数与后向散射系数之间的相关性发现,在植株高度、生物量、作物含水量、叶面积指数这四个作物参数中,植株高度与后向散射系数的相关性最大,其次是作物含水量;同时,通过最小距离法应用多时相、多极化雷达遥感数据进行作物识别,其精度可达到85%,通过与资源三号光学遥感数据结合,其作物识别精度提高到了93%。研究结果表明,雷达遥感数据应用于旱地作物识别是可行的,雷达遥感数据与光学遥感数据的结合能提高旱地作物识别的精度。该研究为应用雷达遥感数据进行旱地作物识别提供了参考。     

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。     

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。     

基于多时相HJ卫星的渭干河-库车河绿洲主要农作物种植信息提取

在3S技术的支持下全面、快速、客观地监测农作物种植信息,对于正确的把握该区域的农业结构和布局,进行作物种植空间格局的调整和优化有着十分重要的意义.本文以渭干河-库车河洲绿洲为研究区,根据农作物的物候规律和季相节律的差异性特点,选取2012年的3景不同时相的HJ卫星CCD遥感数据,ENVI下基于CART算法的决策树规则自动提取主要农作物覆盖信息,然后以野外GPS调查点为依据,对决策树方法预分类结果进行修正,成功提取了研究区的玉米、棉花和小麦的种植面积,总体精度达到了91.73％.结果表明HJ卫星CCD影像可以很好地应用于农作物提取,而且CART算法的分类精度较高,能较好地反映作物的分布状况,可为该地区主要作物种植结构调整提供一定的依据.     

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。     

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。     

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。     

北方麦播区大部播种条件良好

为全面了解当前北方冬麦区秋收作物成熟收获、腾茬整地和备耕播种小麦的情况,9月23日上午,中国气象局国家气象中心组织召开了2013年北方冬小麦播种出苗期农业气象条件分析电视会商。各单位就2013年北方冬麦区玉米、大豆、棉花等前茬作物能否正常成熟收获、对适时麦播的影响,麦播期土壤墒情和适宜播种期,冬小麦种植计划,未来天气条件影响等进行了详     

基于快速设定决策阈值的大范围作物种植分布的遥感监测研究

[目的]作物分布是研究作物种植结构的基础,利用遥感进行大范围作物布局的监测识别,对推进农业种植结构研究、分析农业模式和制定农业政策都具有重要的意义。为了更好地适应作物生产的需求,解决大范围作物种植分布遥感监测方法复杂的问题,亟待构建一种快速实用的作物提取方法,实现作物种植信息的快速高效获取。[方法]以江苏省水稻、小麦和玉米为研究对象,利用作物关键生育期内的多时相中分辨率遥感影像,针对作物生长特点进行影像的特征转换,以行政区县为基础的作业单元进行区域划分及阈值设定,构建多时相阈值决策提取模型,并提出一种基于少量样本投射的阈值快速确定的方法,实现大范围作物分布的快速识别。[结果]该方法能够快速分单元确定模型的阈值,     

遥感技术在“两区”作物种植结构监测中的应用研究——以黑龙江省富锦市为例

目的 粮食生产功能区和重要农产品生产保护区（以下简称“两区”）划定是确保国家粮食安全和保障重要农产品有效供给的重要举措。文章调查“两区”内作物实际种植情况，探索遥感技术在“两区”作物种植结构监测和“两区”数据更新中的应用方法。方法 以黑龙江省富锦市为研究区，以Landsat8多光谱影像为数据源，采用遥感监测技术，对研究区范围内2020年水稻、玉米和大豆3种作物种植情况进行监测，识别3种作物并提取地块边界，形成作物空间分布矢量图，与“两区”划定成果图叠加对比，分析“两区”划定情况与实际种植情况的一致性。结果 （1）富锦市水稻生产功能区内水稻实际种植面积占比88.2%，玉米生产功能区内玉米实际种植面积比例为17.8%，大豆实际种植面积占大豆生产功能区的68.8%。（2）富锦市实际种植情况与“两区”划定成果要求种植面积存在明显差异，差异大小因作物不同而不同，主要受当地自然条件、国家政策和农民种植意愿的影响。结论 鉴于遥感技术可以在“两区”作物种植监测中发挥特殊作用，建议农业农村部门采用遥感技术对“两区”范围内作物种品种和种植面积等情况进行动态监测，及时掌握实际种植情况并更新“两区”数据库，实现精细化管理，进而为决策部门优化农业种植结构，保障国家粮食安全。     

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。     

外来植物入侵遥感监测预警研究进展

文章紧密围绕近年来国内外关于外来植物入侵遥感监测、预警新技术、新方法,总结了当前监测预警技术方法的问题和不足,阐明了未来针对外来入侵植物的遥感监测、预警技术发展趋势和方向。目前在监测方法上,主要有图像识别法、高光谱监测法、雷达数据辅助识别法和中低分辨率时序序列数据分析法等。其中,图像识别法和高光谱监测法应用较多,但其数据来源获取困难,后期数据处理工作量大,缺少普适性强的自动解译算法;雷达数据辅助识别法由于雷达数据自身空间分辨率粗糙,在植被监测中往往配合其他数据源同时使用,因此应用上有一定的局限性;中低分辨率时序序列数据分析法适用于较大空间尺度上的植被外来物种入侵监测,监测结果空间定位能力差,很难在小尺度区域上进行应用。在预警方法上,主要有生态机理模型预测和数学模型机理预测两种方法,基于GIS和遥感技术的生态学模型预测机理性强、易推广,预警精度较好,具备一定的空间定位能力,适宜于在宏观区域尺度上应用,但存在部分关键植被生理遥感参数获取困难等问题。数学统计模型预测以理论统计为主,只是对外来植物入侵发生的概率进行了估测,对物种或区域环境依赖程度高,普适性较差,遥感参数较少参与模拟过程,空间定位能力不足。总体上,利用遥感技术快速、准确地进行外来入侵植物定位监测和预警已成为防控外来植物入侵,维护区域生态安全的必然趋势。在数据源集成上,传统可见光遥感和新型激光雷达遥感、高光谱遥感、多角度遥感等多源数据集成、融合应用更为多见,数据获取范围进一步拓宽。特别是诸多新型国产高分卫星发射升空后,使得监测时效性和成本进一步改善,实用化、规模化、业务化动态监测成为可能。在技术方法上,受信息技术、自动化技术和传感器制造技术的影响,数据获取范围不断拓宽,空间定位能力不断增强,监测、预警也将不再局限于单一技术和模型的应用,而是多模型、多平台(星-机-地)综合监测、预警模式成为趋势,外来植物入侵的遥感监测技术正逐步发展成为植被生态遥感学科领域的重要分支学科。     

江西省遥感信息技术应用的回顾与展望

文章在回顾江西省遥感信息技术应用的基础上,审视了20世纪50年代以来,江西省有关行业、高等院校和遥感协会在遥感应用的各个领域所取得的成绩和存在的差距。提出了未来5到10年江西遥感信息技术应用的目标,即建立和完善江西省遥感综合信息预警系统;农情遥感速报和主要农作物估产系统;土地利用动态监测系统;遥感信息资源共享中心等四大系统。为实现数字江西奠定基础。