深度学习方法在作物遥感分类中的应用和挑战

[目的]准确估算作物的面积和分布对粮食安全至关重要。与传统的机器学习方法相比,深度学习具有多种优势,如端到端训练、可迁移性。为有效利用高时空数据进行作物识别提供了新的机遇。已有多种模型被应用于作物分类任务中,针对不同的分类任务,如何有效地选择模型,并对其进行训练和使用已成为关键问题。[方法]文章回顾了利用深度学习模型对作物分类的主要研究。N维卷积神经网络(N-D CNN)(N=1、2、3)和递归神经网络(RNN)已被有效用于作物分类任务。长短期记忆RNN(LSTM RNN)和门控循环单元RNN(GRU RNN)是RNN的变体,解决了随着时间序列增加RNN出现的梯度消失或爆炸问题。此外,还有研究使用CNN和RNN(我们称为RCNN)的混合模型对作物进行分类。该文首先阐述了使用深度学习方法进行作物制图的背景和意义,并介绍了CNN和RNN模型结构。然后回顾了一些典型的研究,包括模型的结构、遥感数据源、数据处理方法和分类精度。最后,总结了使用深度学习方法进行作物分类的挑战以及现有解决方案的局限性。[结果](1)1-D CNN可用于提取时间特征,或时间+光谱特征,分类效果良好;2-D CNN已被广泛应用于单时相数据的空间特征提取,分类精度依赖于数据源;3-D CNN应用较少,但具有很大的潜力,尤其是时间+空间维度的特征提取;(2)相同条件下(架构、数据源、研究区域、类别),LSTM RNN和GRU RNN分类效果通常高于普通RNN,而前两者的效果差距不大,但GRU RNN训练时间较短;(3)CNN+RNN混合模型(RCNN)用RNN比3-D CNN更适合提取时间特征。这主要是由于RNN建立了对序列数据的长期依赖,而3-D CNN卷积核是局部计算的。[结论]通过分析,认为深度学习技术是作物遥感分类的有效工具。此外,与其他模型相比,RCNN,3-D CNN和GUR RNN具有更大的潜力。     

欧盟BioMA模型在我国农业遥感监测中 应用的可行性分析

针对目前中国农情遥感监测系统CHARMS中,作物长势监测和产量预报还主要应用的是气象模 型、遥感模型、统计模型等,基于作物生物物理模型进行农情监测的研究和应用还较薄弱的现状,该文重 点介绍了欧盟先进的生物物理模型BioMA及其在我国农业遥感监测中应用的可行性分析。该文首先简要介 绍了目前我国农情监测主要采用的方法及BioMA开发的背景和目的,然后详细介绍了BioMA的技术框架及 BioMA由研究向业务化运行转变的可视化模型工具,最后以BioMA中水稻产量预测模型WARM为例,从 数据准备、模型综合利用等方面分析了BioMA在中国农业遥感监测中应用中的可行性。     

农业遥感团队描绘美丽乡村画卷

正4月23日,由国家国防科技工业局重大专项工程中心主办的第二届"中国高分杯"美丽乡村大赛在湖南长沙落下帷幕。中国农业科学院农业资源与农业区划研究所农业遥感团队参赛作品"美丽乡村·希望的田野"在50多家参赛队伍中脱颖而出,荣获创新应用类二等奖,是全院唯一获奖单位。农业农村部党组成员、中国农科院院长唐华俊出席颁奖典礼并     

基于HJ-1卫星的冬小麦叶片SPAD遥感监测研究

SPAD能够反映植株叶绿素含量,而植株叶绿素的含量及动态变化,对评价作物生产能力、预测产量和品质均有重要意义。该研究以湖北省潜江市后湖管理区冬小麦为研究对象,通过田间观测不同生育期冬小麦叶片SPAD变化情况,结合我国自主研发的HJ-1卫星对研究区域进行同步监测,选取并计算RVI、DVI、NDVI、GRVI四种植被指数,通过对4种植被指数与冬小麦叶片SPAD进行相关性分析,并构建植被指数与冬小麦叶片SPAD回归反演模型,结果显示相关性均较高。通过对比四种植被指数模型反演精度,NDVI-SPAD对数模型预测精度较高,精度检验表明平均相对误差为-2.34,均方根误差(RMSE)为5.65,能够较好的反演研究区域内的冬小麦SPAD。利用HJ-1卫星结合NDVI-SPAD对数模型能够有效对研究区域冬小麦叶片SPAD进行遥感监测。     

一种新的粮食安全评价方法研究

该文提出了一个综合自然、社会和经济等多因子的粮食安全评价方法,选择了人均粮食占有量和人均GDP两个指标来描述粮食安全状况。人均粮食占有量的变化可以表述粮食供给性和稳定性变化状况,人均GDP变化则可以反映粮食可获取性和购买能力的变化,两者综合决定一个国家或地区的粮食安全状况。这两个指标分别和3个空间模型(空间EPIC模型、作物选择模型和IFPSIM模型)关联。利用该方法,以网格大小为6分弧度的地理单元为评价对象,以2000年为初始年份,对未来2020年的全球粮食安全状况进行了评价。研究表明,粮食供给短缺与贫困是危及粮食安全的最主要因素。到2020年,多数南亚国家和非洲国家,由于其人均粮食占有量和人均GDP两个指标值都显著降低,粮食供应不足和贫困一起将可能导致该区域存在粮食危机和饥饿风险。对于其它区域,日益增长的粮食需求可以通过本区域的粮食生产自给予以满足,或通过外部购买或粮食进口得到满足,总体上不存在粮食安全问题。     

基于SAR遥感的北方旱地秋收作物识别研究

在我国北方旱地秋收作物生长关键期,云雨天气影响较大,无法及时、有效地获取光学遥感数据,因此利用雷达遥感进行旱地作物识别研究非常必要。文章以河北省衡水市为研究区,选择6期RADARAST-2全极化影像作为数据源,分类方法为随机森林法。首先通过对比不同时相间的组合结果,优选出了研究区典型秋收作物(玉米、棉花)的最佳识别时相及组合方式。其次,提取最优识别时相的后向散射信息、纹理信息、极化分解等3部分信息,依据信息间相互组合的结果及随机森林算法对变量的重要性评价,文中对上述3部分信息进行了重要性评估。结果表明:利用SAR识别旱地秋收作物时应着重关注作物生长前期的时相,其中玉米在6月27日单一时相下就可获得90%以上的高精度;棉花面积小、地块破碎,但通过6月3日与6月27日两个时相的结合也得到了70%以上的精度。在玉米识别中极化信息具有较大的贡献,极化变量的加入主要增加了玉米和建筑用地的可分离性,与单纯利用后向散射信息分类相比精度提高了近7%;同样,纹理信息和极化分解信息的加入也使棉花的精度提高了3%。最后,利用随机森林算法对变量的重要性评价机制,优选出对玉米识别最为重要的5个变量,依次为:VH、Alpha、Yamaguchi4-Odd、Freeman-Vol和Mean(HV)。该研究利用雷达数据进行旱地作物识别,验证了雷达影像对旱地秋收作物的识别能力,不仅保证了数据获取与天气状况的独立性,还凭借SAR独有的数据获取方式,为光学数据提供了补充。     

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。     

农作物空间格局变化研究进展评述

农作物空间格局及其时空动态变化研究具有重要的理论和实际意义,已经成为地理学和生态学的前沿和热点研究问题。该文从农作物空间格局变化的特征、机理机制和模拟模型等3个方面系统总结了国内外最新研究进展,讨论了研究中存在的关键问题,并对未来发展趋势和重点进行了展望。研究认为,农作物空间格局变化特征研究主要包括基于统计数据的方法、基于遥感信息的方法和基于空间模型的方法。农作物空间格局变化机理研究主要围绕不同自然 -社会经济驱动因子对农作物格局演变的作用机制开展,剖析农作物空间格局演变的内外部原因。农作物空间格局变化模拟模型从早期非空间模型发展到空间模型,而且越来较多模型对微观农户的作物选择或决策行为及其对农作物空间格局变化的影响给予了很多关注。在未来相当长的一段时间内,基于多尺度和多信息源数据融合的农作物空间格局变化特征提取、综合自然-社会经济多因素、宏观和微观多层次、静态和动态多机制的农作物空间格局变化机理分析、以及多学科和多方法综合的农作物空间格局变化模拟模型构建将是农作物空间格局变化研究的重点发展方向。     

2005年农业部遥感工作座谈会在京召开

2005年1月14日，农业部遥感工作座谈会在京召开。这次会议是为了适应农业部信息会商制度的变化，满足农业决策科学化对农业遥感监测信息的要求召开的。会议认真总结了农业遥感工作，分析了存在的问题，提出了解决的办法。农业部发展计划司杨坚司长、李伟方副司长参加会议并做重要讲话。来自山西、黑龙江等6个农业遥感分中心和有关单位的代表参加了会议。     

农业部2006年农业遥感工作座谈会在哈尔滨召开

“农业部2006年农业遥感工作座谈会”于2006年10月28-29日在黑龙江省哈尔滨举行。中国农业科学院农业资源与农业区划研究所、农业部农业工程规划设计院等来自全国农业资源区划系统12家单位的40余人参加了会议。农业部发展计划司副司长李伟方到会并做重要讲话。