农作物种植面积遥感估算的影响因素研究

针对不同的农作物种植结构区,研究影响遥感影像分类各因素与农作物种植面积估算精度的定性和定量关系是十分必要的。以Rapid Eye影像提取的早稻种植信息为研究对象,从农作物的种植成数、种植破碎度和地块形状指数3个角度进行了不同空间分辨率下各因素对农作物面积监测的影响研究。结果表明:随着农作物种植成数的降低,种植结构越来越破碎,种植地块趋于狭长分布,各分辨率下农作物面积估算精度均呈递减趋势;要达到85%以上的面积估算精度,当作物种植成数在50%以上时,可选取高于150 m分辨率的遥感数据;当作物种植较为破碎时,需要在提高影像空间分辨率的同时融入其他技术手段;当作物种植地块为狭长分布时,提高影像的空间分辨率并不能保证面积估算精度,必须通过其他技术手段达到精度要求;并最终得到了4种影响因素对面积估算精度的定量评估模型。研究结果为解决不同农作物种植结构区遥感数据的选择、面积估算精度的提高,以及在特定研究区和数据源条件下可达到的面积估算水平等问题提供了理论基础。     

基于高分六号WFV数据的冬小麦种植面积提取

冬小麦是我国重要的粮食作物之一,准确获取冬小麦种植面积具有重要的现实意义。为探究高分六号卫星影像进行冬小麦遥感监测的可行性和精确性,本文选取甘肃省崆峒区为研究区,运用红边波段+监督分类中的支持向量机法,提取了2019年崆峒区冬小麦种植面积,并利用混淆矩阵对分类结果进行精度验证。结果表明:提取崆峒区冬小麦种植面积为15045 hm 2,与实际种植面积相比,误差率为1.02%;该模型能有效地提取崆峒区冬小麦,总体精度为98.88%,Kappa系数为0.97;红边波段能有效地提取干扰地物,提取精度比直接使用监督分类高7.88个百分点;GF6影像在提取冬小麦种植面积上具有明显优势。     

以地块分类为核心的冬小麦种植面积遥感估算

以提高冬小麦种植面积估算精度为目标,选取种植结构复杂的都市农业区,采用QuickBird影像数字化农田地块边界,以多时相TM影像为核心数据源,以地块为基本分类单元,进行不同特征向量组合、不同分类器的冬小麦地块分类方法研究,并对比分析了基于地块分类和基于像元分类的冬小麦种植面积估算精度。研究结果表明,基于地块分类的冬小麦种植面积估算方法的总量精度和位置精度均高于像元分类;植被指数和纹理信息的引入有助于进一步提高地块分类精度;支持向量机与最大似然均能得到高达97%的总量精度和90%的位置精度,支持向量机地块分类所需的训练样本量远低于最大似然,因此支持向量机更加适合于冬小麦地块分类;冬小麦错分与漏分情况大多发生在细碎地块,其面积总量较小,而大地块错分和漏分较少,因此相对于像元分类,地块分类能在整个区域能得到较高的冬小麦位置精度和总量精度。     

基于决策树的县域冬小麦种植面积提取

为获取较精确的县域范围内小麦种植区面积,利用空间分辨率较高的Landsat卫星遥感影像和DEM数据,以河北省唐山市玉田县为例,采用决策树方法对地物进行分类,提取了2004年、2009年、2014年的冬小麦种植面积;并根据分类结果生成各年份玉田县的小麦种植信息结果图,分析了近10 a玉田县冬小麦种植面积变化情况。     

基于两个独立抽样框架的农作物种植面积遥感估算方法

通过分析遥感技术在中国农作物种植面积估算中所遇到的难点 ,针对运行化的农作物遥感估产系统对主要农作物种植面积估算的需求 ,提出在农作物种植结构区划的基础上 ,采用整群抽样和样条采样技术相结合的方法 ,进行农作物种植面积估算。整群抽样技术利用遥感影像估算农作物总种植成数 ,样条采样是一种适合中国农作物种植结构特征的采样技术 ,用于调查不同农作物类别在所有播种作物中的分类成数。在中国现有的耕地数据库基础上 ,根据两次抽样获得的成数 ,计算得到具体某一种农作物类别的种植面积。最后给出了 2 0 0 3年早稻种植面积估算的实例。     

融合时间序列环境卫星数据与物候特征的水稻种植区提取

获取高精度的区域水稻种植面积对于农业规划、配置与决策具有重要意义。区域尺度的水稻面积获取依赖于高时空分辨率影像,但受卫星回访周期和气候影响,难以获取足够时间序列的高时空分辨率影像,从而影响水稻种植面积遥感提取的精度。为此,提出适应于中国南方多雨云天气地区,基于国产环境卫星(HJ-1A/1B)与MODIS融合数据的水稻种植面积提取的新方法。以洞庭湖区为实验区,利用STARFM模型融合环境卫星NDVI数据与MODIS13Q1数据,获取时间序列的环境卫星NDVI数据,利用水稻关键期的NDVI数据结合物候特征参数对水稻种植区域进行提取。结果表明,该方法能有效提取区域水稻种植的面积,水稻种植面积提取的总体精度与Kappa系数分别达到91.71%与0.9024,分类结果明显优于仅采用多光谱影像或NDVI数据。该研究为中国南方多雨云天气地区水稻种植面积提取提供了有效的方法。     

汶川地震粮食受损遥感快速估算与分析

综合利用灾前IRS P6 Liss-4高分辨率数据与灾后的航空影像, 估算粮食受损面积, 并利用同期农业气象数据估算了不同受灾区域粮食作物单产水平, 最终估算得出震区粮食作物受损产量。监测结果表明: 地震造成的12个重灾县市冬小麦直接损失247.1hm2, 产量约为1013778kg, 直接影响不大。但受灾地区冬小麦总产量超过22万t, 而且对秋粮作物的种植和生产造成影响, 对中国粮食生产的间接影响不容忽视。     

面向农作物监测的遥感信息处理技术研究

以区域性主要农作物种类识别、长势分析与产量估算及农业种植结构现状监测为主要研究对象,开展适于农业管理部门业务化运行的卫星遥感信息处理的关键技术研究。从分析主要作物类型识别的遥感物理依据入手,提出了卫星遥感数据处理及专题信息提取的基本技术框架、主要农作物类型及种植面积信息的提取方法以及主要粮食作物长势分析和产量估算模型,并对结果进行了简要的精度分析。     

考虑植被红边信息的多时相Sentinel-2大范围冬小麦提取研究

冬小麦是中国的主要粮食作物且种植面积年际变化较大,及时准确掌握冬小麦种植面积变化有利于国家和相关部门科学决策。遥感技术是获取大范围冬小麦种植面积数据的最有效手段。前期研究多利用多时相中低分辨率影像（如MODIS）的归一化植被指数NDVI（Normalized Difference Vegetation Index）开展大范围冬小麦种植区提取,因分辨率低导致精度难以令人满意。Sentinel-2卫星是唯一能获取3个红边波段影像的米级分辨率传感器,但应用其红边波段进行大范围冬小麦提取的研究几乎没有。本文分析了红边位置指数REPI（Red-Edge Position Index）与NDVI各自在冬小麦提取中的优势,并基于冬小麦物候特征与JM距离研究关键时相,提出一种综合多时相Sentinel-2 PERI、NDVI的大范围冬小麦提取方法,将其应用于2020年京津冀地区的冬小麦种植区提取,冬小麦总面积提取误差为-2.57%。提取结果与Google Earth高分辨率光学影像的解译结果进行比较,总体精度为94.24%,Kappa系数为0.88,相较于已有大范围冬小麦提取研究精度有明显提升,表明了本文方法的有效性。     

基于遥感技术的人口信息提取

以飞来峡库区连江口镇为例,在SPOT高分辨率遥感图像的基础上,采用基于影像切割的监督分类方法提取不同类型的居民地,通过建立实地调查人口数据与分类面积的关系模型,估算出人口数量,达到使用遥感方法提取人口信息的目的。     

基于注意力增强全卷积神经网络的高分卫星影像建筑物提取

从卫星遥感影像中自动提取建筑物在国民经济社会发展中具有广泛的应用价值,由于卫星遥感影像存在地物遮挡、光照、背景环境等因素的影响,传统方法难以实现高精度建筑物提取。采用一种基于注意力增强的特征金字塔神经网络方法(FPN-SENet),利用多源高分辨率卫星影像和矢量成果数据快速构建大规模的像素级建筑物数据集(SCRS数据集),实现多源卫星影像的建筑物自动提取,并与常用的全卷积神经网络进行对比。研究结果表明:SCRS数据集的提取精度接近国际领先的卫星影像开源数据集,且假彩色数据精度高于真彩色数据; FPN-SENet的建筑物提取精度优于其他常用的全卷积神经网络;采用交叉熵和dice系数之和为损失函数能够提升建筑物提取精度,最好的分类模型在测试数据上的分类总体精度为95.2%,Kappa系数为79.0%,F1分值和IoU分别达到了81.7%和69.1%。该研究可为高分辨率卫星影像建筑物自动提取提供参考。     

TM对NOAA面积校正模型的研究

为了实现NOAA卫星遥感影像在提供丰富的宏观信息的同时 ,能够具有较高的面积估计精度这一目标 ,以吉林省为例 ,根据 1998年的NOAA卫星遥感影像数据以及最新的TM卫星遥感影像数据 ,构建了高分辨率卫星影像数据对低分辨率卫星影像数据的面积精度校正模型 ,并引入分形理论对影像空间结构特征进行深入研究     

基于GF1-NDVI时序影像对春小麦进行提取研究

利用传统方法对农作物种类、分布和种植面积等调查,需要耗费大量的人力、物力和财力。该研究以西宁市为研究区域,采用高分一号影像,对西宁市春小麦进行分类和提取模型设计。在全生育期波谱特征曲线分析基础上,提取春小麦的NDVI(归一化植被指数)曲线特征。采用基于NDVI阈值的决策分类技术,进行作物识别与提取。最后设计精度自检方案,通过混淆矩阵得出其总体精度达到93.8%,kappa系数为0.875。其用户精度和制图精度分别为93.7%和94.9%。从分类精度可以看出,利用中高分辨率遥感卫星影像,在作物NDVI时间序列变换规律分析的基础上,可以准确的进行大面积农作物的分类与提取。在全国农作物面积与农作物种类等资源调查中具有非常大的应用潜能。     

基于多源国产高分卫星时空信息的米级分辨率耕地提取

及时准确地获取耕地空间分布数据对于农业生产管理、产量估算、种植结构调整等具有重要意义。目前的耕地提取多基于多时相中低分辨率影像或单时相高分辨率影像,难以满足耕地破碎,农作物种植模式复杂的区域精度需求。基于此,本研究通过协同国产高分一号（GF-1）、高分二号（GF-2）和高分六号（GF-6）卫星影像,探索米级分辨率尺度下的耕地高精度提取方法。该方法以深度神经网络UNet为基础,通过协同GF-1/6的多时相优势和GF-2影像的高空间分辨率构建了CEUNet（Cropland Extraction UNet）模型,以充分挖掘耕地的时相特征和空间几何特征。同时,将基于CEUNet模型提取的米级耕地结果分别与基于UNet和多源不同分辨率遥感影像的语义分割（UNet_m）、基于UNet和单时相高分辨率影像的语义分割（UNet_s）、基于对象的随机森林分类（OBIA）、基于像元的随机森林分类（RF）提取的耕地结果展开对比,分析所提出的方法在不同区域的适宜性。结果表明,基于CEUNet模型提取的米级耕地总体精度达到92.92%,且基于CEUNet提取的耕地的逐像元验证结果在平均F1-Score值上相较于基于对象和基于像元的随机森林分类分别提升了0.21和0.21,相较于UNet_m和UNet_s分别提升了0.04和0.11,其中针对地块破碎,景观异质性高等区域,CEUNet相较于UNet_m和UNet_s提升了0.09和0.26。本研究提出的CEUNet模型能够充分发挥多源国产高分卫星数据的空间和时间优势,两者结合能够快速、高效地提取不同农业景观及不同种植模式的耕地空间分布信息。     

基于典型物候特征的MODIS-EVI时间序列数据 农作物种植面积提取方法 —小区域冬小麦实验研究

利用MODIS植被指数时间序列这一特性,以北京市通州及周边为实验区,冬小麦种植面积为研究对象,提出 了农作物种植面积指数模型(Pan-CPI模型)的概念,并构造了冬小麦特征物候期植被指数与种植面积的定量函数关系, 通过样区TM影像求解关键参数,对研究区冬小麦种植面积测量方法进行了试验研究。研究结果表明：(1)Pan-CPI模 型能够很好地反映特定目标农作物种植面积状况,为基于植被指数时间序列影像识别农作物种植面积提供了新方法; (2)精度分析结果表明：Pan-CPI模型具有很高的稳定性,且不受样本变化的影响,只要达到满足模型计算的样本量(如： 5%),多次测量结果间具有很好的一致性。选取MODIS 6×6像元大小的窗口时,TM样本的复相关系数(R2)稳定在0.85 左右,与TM结果比较,窗口相对精度稳定在95%左右,区域精度稳定在92%以上,经调整的区域精度高达96%以上; (3)对于种植结构复杂、目标作物种植破碎的地区,Pan-CPI模型可以充分利用MODIS植被指数时间序列的优势,有效改 善TM单时相和多时相提取信息因时相缺失无法表征作物变化的不足。     

基于GF-1多时相波段组合的武汉市土地利用变化检测

GF-1号卫星是中国自主研发的第一颗高分辨率遥感卫星。为分析该卫星影像数据在土地利用变化检测中的应用,本文以武汉主城区为研究对象,选取该地区2014年5月、2015年4月GF-1号卫星遥感影像,采用分类后比较与多时相波段组合直接分类两种方法分别进行试验,将二者实验结果比较分析。结果表明,多时相波段组合直接分类是一种更为有效的变化检测方法。相比分类后比较该方法不仅检测精度提高了将近17%,土地利用变化检测效果也明显改善。另外,对武汉主城区主要土地利用变化类型进行面积统计分析,对武汉主城区建设具有一定的指导意义。     

基于MODIS时序影像的湖南省油菜种植面积遥感监测分析

基于时间序列影像数据的提取方法可实现快速监测大面积农作物的种植分布和面积估算.以湖南省为研究区,利用2017年500 m空间分辨率的MODIS NDVI时序数据,结合湖南省耕地分布数据和实地样点数据得到油菜物候标准曲线,采用最小二乘法与阈值法提取得到湖南省油菜种植分布.结果显示,遥感提取得到的湖南省油菜种植面积主要分布在湘北洞庭湖平原、湘中衡阳市、湘南岳阳市,油菜种植面积3.87×106 hm2,通过与2016年湖南省县域统计油菜种植面积数据进行比较,油菜空间格局分布大体一致,相关性系数为0.81,R2为0.66.采用油菜关键物候期的MODIS时序遥感影像,能有效地监测油菜空间分布和估算种植面积,这为油菜种植管理提供基础数据支撑.     

一种异源高分辨率卫星遥感影像近似核线生成算法

提出了一种实用的基于有理函数模型(RFM)的核线生成算法,研究并实现在该算法下异源高分辨率卫星遥感影像像对近似核线生成方法。该方法利用高分辨率卫星遥感影像正解模型迭代计算RFM反解模型,结合核线投影轨迹法,提取像对之间近似核线对。实验表明,本文算法具有可适性和通用性,为异源高分辨率卫星遥感影像数据的自动匹配处理提供了可靠保证。     

高分二号遥感影像提取冬小麦空间分布

精细的农作物空间分布数据对于资源、环境、生态、气候变化和粮食安全问题均具有重要的意义,卷积神经网络已经成为从遥感影像中提取农作物空间分布数据的主要方法,但提取结果中的种植区域边缘往往比较粗糙。本文以高分二号遥感影像为数据源,选择冬小麦为提取目标,利用RefineNet模型和最大后验概率模型构建冬小麦遥感提取模型WWRSE(Winter Wheat Remote Sensing Extraction),获取精细的冬小麦空间分布数据。WWRSE模型利用RefineNet网络提取像素的语义特征,使用改进的SoftMax模型生成像素的类别概率向量;以类别概率向量的最大分量与次大分量的差值作为置信度,根据置信度将类别概率向量分为可信和不可信两组,可信组直接使用最大分量对应的类别标签作为相应像素的分类结果;结合最大后验概率模型确定不可信组像素的分类结果。利用随机梯度法对WWRSE模型进行训练。选择SegNet、DeepLab、RefineNet作为对比模型进行实验,WWRSE提取结果的精度为92.9%,比SegNet提高了13.8%,比DeepLab提高了10.9%,比RefineNet提高了8.6%。实验结果表明WWRSE模型在提取冬小麦空间分布数据方面具有一定的优势。WWRSE模型提取的结果能够为大范围冬小麦种植面积统计提供依据。     

高分辨率卫星影像数据操作平台的建立与立体量测

高分辨率卫星影像由于高空间分辨率和立体成像观测使得数据量通常很大,建立一个快速操作高分辨率卫星影像数据的平台非常必要。本文利用GDAL开源库研究建立了高分辨率卫星影像数据操作平台,主要包括大数据量卫星影像读取、显示、缩放、平移、截取等基本操作。在此平台基础上,利用有理函数模型进行立体影像几何定位,实现了高分辨率卫星影像立体量测。