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.     

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。     

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。     

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。     

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...     

基于NDVI时序数据的华北地区耕地物候参数时空变化特征

[目的]耕地物候作为农业生态系统的重要特征之一,是进行农作物长势监测与估产、田间管理、农作物合理布局等的重要依据。利用遥感方法提取大区域尺度耕地物候参数和种植制度的时空变化特征,有助于从整体上掌握农业资源的空间分布情况,为农业生产决策和区域粮食安全评价提供服务。[方法]文章基于1999年和2013年的SPOT/VGT NDVI逐旬时间序列数据,采用TIMESAT软件集成的非对称高斯函数拟合法对数据进行平滑重构,通过比例阈值法提取了华北地区耕地物候参数(生长季开始期和结束期),分析其时空分布特征,并依据年内NDVI变化曲线峰值数目来确定耕地的生长季个数,识别耕地种植制度。[结果]华北地区作物生长开始期和结束期都存在明显的空间差异,15年来河北北部、北京、天津等地区,第一季作物返青/出苗期变化不大。而河南南部和中部地区,2013年第二季作物出苗期明显提前,由1999年6月下旬7月上旬,提前至6月上旬。我国华北地区种植制度仍以一年两熟制为主,华北地区北部受热量资源制约,仍旧保持一年一熟制不变。与1999年相比,华北地区2013年两熟制种植面积下降了21.1%,而一熟制种植面积增加了38.7%。[结论]华北地区耕地物候的时空变化与种植制度密切相关,同时也受到自然资源和人类活动的共同影响。     

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,     

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。     

水稻空间分布遥感提取研究进展与展望

水稻是我国三大粮食作物之一,其空间分布受自然条件和农业发展状况的影响,变化显著。研究水稻空间分布遥感提取是当前农业土地变化科学的热点和难点。通过对国内外研究的回顾,该文系统归纳了近年来水稻空间分布遥感提取的数据源、特征量及分类算法最新研究进展,并对其未来研究方向进行初步探讨。首先从遥感数据源方面,水稻面积监测主要采用多光谱光学影像,同时高光谱数据和雷达数据也正逐步推广应用。其次从遥感分类方法及其对应的特征量方面,包括监督和非监督分类、智能化分类算法（神经网络、支持向量机、决策树及随机森林算法）、面向对象分类、多时相植被指数法及综合提取算法等分类方法,其主要对应的特征量各有差异。最后,结合我国水稻空间分布遥感提取的实际状况,提出构建全国长时间序列水稻物候历和高时空分辨率时序NDVI数据集,大力发展基于多时相遥感分类方法和建立分层的面向对象分类方法,以及加强水稻种植北界、种植重心迁移等动态变化监测研究的建议,推动我国水稻遥感动态监测和农业土地变化科学的发展。     

基于中分辨TM数据的水稻提取方法对比研究

水稻种植面积监测是当前农业土地变化科学的热点问题,但运用遥感技术对水稻种植面积精确实施监测一直是难点。中分辨率遥感影像能够满足我国大面积水稻作物监测,成为业务化运行的主要数据源。为此,该研究尝试以中分辨率 TM影像为数据源,结合神经网络和面向对象 (SVM)两种算法对对黑龙江省富锦市2010年两期不同时相影像分别进行水稻分类提取,并对分类结果进行滤波处理及混淆矩阵精度评定。结果表明:(1)在高纬度单季稻生长区,面向对象分类算法的精度显著高于神经网络的分类精度,水稻用户精度和生产者精度在6月份分别高0.55%、1.37%,在8月份分别高0.62%、2.34%;(2)对神经网络分类的结果进行 Majority滤波处理,在一定程度上可以改善水稻分类的精度,水稻用户精度和生产者精度在6月份分别提高0.14%、0.5%,在8月份分别提高1.56%、1.43%;(3)选取关键水稻物候期的遥感影像获取水稻种植面积的精度更高,返青期水稻提取精度要高于乳熟期,其中神经网络算法的水稻用户精度及生产者精度分别提高 2.67%、3.45%;面向对象算法的水稻用户精度及生产者精度分别提高 2.6%、2.48%。未来需要重点考虑建立全国水稻物候历信息、面向对象算法中自动化最优尺度分割方法来提高水稻分类的精度。     

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。     

基于高分辨率遥感影像的桑树信息提取研究——以广西鹿寨县为例

采用高分辨遥感影像提取农作物信息在北方区域得到了深入的研究和广泛应用,但受到南方地形复杂、气候差异等条件的影响,采用遥感技术提取南方农作物信息的研究甚少。鉴于此,该文以广西鹿寨县为例,采用2012年9月的高分辨率Rapid Eye遥感影像为主要研究数据源,利用面向对象的遥感图像分析方法,结合高程数据模型DEM和GPS野外采集数据,综合桑树在遥感影像上的形状特征、颜色特征、光谱特征、纹理特征、位置特征(拓扑特征)提取桑树信息,并对其分类结果进行精度验证和评价。研究结果表明,提取桑树信息的总精度达到91.96%,Kappa系数达到0.839 1,满足使用的精度要求。面向对象的图像分析方法为高分辨率遥感图像信息提取农作物信息提供了新的思路,该方法与基于像元的分类技术相比,突破了过多地关注地物局部细节而难以提取地物的整体结构信息的缺陷,避免了"椒盐现象"的产生,有效地提高了农作物识别的精度和效率,这对提取广西大宗农作物信息具有一定的借鉴意义。     

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MODIS时序数据分析的作物识别方法

通过对植被指数序列数据分析可以准确提取农作物的物候特征信息,从而对不同作物进行识别。该文利用MODIS2004年以旬为单位合成的NDVI数据,采用Coif4小波变换的方法重构作物生长曲线,运用快速傅里叶变换对NDVI时序曲线进行分析,选取曲线均值(0级谐波振幅)、1~3级谐波的初始相位及振幅比例作为作物识别的参数,实现华北地区5种主要作物的识别。经过验证,最终的使用者精度都达到85%以上。     

花生地膜覆盖增产栽培技术研究与分析

花生是农作物培育中种植十分广泛的作物,在人类的生活中记占据着非常重要的作用,本文探究了花生地膜覆盖增产技术,在不同的生长环境下,花生地膜覆盖栽培技术与普通的露地花生栽培增产技术之间的不同,实地进行了对比实验,探究总结出了一套花生地膜覆盖增产栽培技术,力求花生作物的栽培为人类的生活水平提高作出极大的贡献。     

基于SPOT/VGT数据的中国北方耕地物候提取研究

耕地物候的空间格局综合反映了作物种植在环境因子及人类活动双重作用下的空间差异性,因此耕地物候识别成为农业遥感应用的热点之一。研究利用SPOT的植被指数产品开展我国北方耕地作物种植制度空间分布的遥感识别并分析耕地种植制度空间分布特征。首先使用非对称高斯函数拟合法对时间序列植被指数进行重构,然后采用多项式和谐波函数拟合数据来确定耕地的生长季个数,最后通过比例阈值法提取耕地的生长季开始期和结束期。在上述过程中结合先验知识引入波峰阈值并通过对NDVI时间序列数据进行"掐头去尾"处理来保证耕地种植制度识别以及物候信息获取的准确性。基于SPOT/VGT数据对我国北方15省的耕地种植制度进行了识别,并在此基础上分别提取了不同生长季的耕地物候信息并分析了其空间格局特征。结果表明,适当引入先验知识有利于正确识别耕地种植制度和准确获取耕地物候信息,2005年我国北方耕地的种植制度以一年一熟为主,一年二熟制主要分布在北纬40°以南的平原地区。其中第一生长季的空间格局差异比第二生长季更加明显,同时生长季结束期分布的时间范围比开始期更为集中。总之我国北方耕地物候的空间格局与种植制度密切相关,受到自然资源和人类活动的共同影响。     

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。