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。     

基于多特征的高分时序冬小麦提取研究

以冬小麦作为研究对象,基于2016年10月-2017年7月共12景GF-1号数据,通过计算不同特征波段构建了多特征冬小麦种植区识别方法。首先计算影像增强植被指数(EVI);再通过样本分离度选择关键期影像,对关键期影像进行主成分变换并计算其纹理特征数据;然后分离原始影像的红波段、近红外波段构建单波段时序数据,以建立包括多特征的数据集;最后基于不同特征组合数据,利用随机森林方法分别提取研究区内冬小麦分布情况。精度评价表明,影像主成分、EVI时序以及红波段、近红外波段特征组合的精度最高可达97.85%,较单独使用时序数据结果提高了约2.5%,说明红波段、近红外波段在作物提取中对精度提升具有一定的贡献。     

基于图像分割和NDVI时间序列曲线分类模型的冬小麦种植区域识别与提取

为自动获取大面积冬小麦种植区域,通常利用中等空间分辨率遥感影像中的物候信息,基于时间序列曲线进行识别与提取。但在实际工程项目中,只使用物候信息提取精度偏低。因此提出了一种基于时间序列曲线数据分类模型与图像分割相结合的冬小麦识别方法。首先,构建多源数据的归一化植被指数(normalized difference vegetation index,NDVI)时间序列曲线,采用时间序列谐波分析方法(harmonic analysis of time series,HANTS)对NDVI时间序列数据进行平滑和去噪;然后,对NDVI时间序列进行坐标转换,获取波段均值、标准差和均方根3个参数,构建新的分类模型,提升冬小麦与其他作物的差异值;最后,通过与高空间分辨率数据的分割结果相结合,利用图像的空间结构信息,提高地物边界的准确性。以南京市江宁区为例,利用2017年12月—2018年6月间高分一号、Landsat8和Sentinel-2A 3种类型的共21景多源数据进行实验,最终提取精度达到98. 74%,比其他方法有所提高,为农业管理部门提供了准确的冬小麦种植区域和分布的地理信息数据。     

Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取

遥感卫星的波段设置、信噪比及传感器观测角度等因素都会影响作物提取精度。为充分挖掘与发挥Sentinel-2卫星多光谱成像仪(MSI)与Landsat 8陆地成像仪(OLI)在冬小麦信息提取方面的优势,本文以商河县为研究区,基于两数据源的光谱特征、纹理特征、植被指数特征组合数据,利用随机森林(RF)与支持向量机(SVM)对冬小麦进行提取。结果表明:基于单一影像的最优Kappa系数与最优OA分别为0.89和95.13%,基于组合数据源的最优Kappa系数为0.92,最优OA为95.28%,两数据源组合的精度优于单一数据源提取精度;数据组合效果与分类器的性能有关,RF的Kappa系数相对于SVM分别提升0.04、0.20和0.11,OA分别提升2.41%、11.31%和6%,RF对冬小麦提取精度优于SVM。本文研究结果对于构建中高分辨率影像组合的典型农作物分类提取体系具有重要意义。     

高分辨率遥感数据铁染异常提取方法及其应用

利用多光谱遥感数据提取异常信息在我国西部地质工作程度较低的基岩裸露、半裸露地区是一种快速经济的找矿手段。在目前常用的中、低空间分辨率遥感数据中,铁染异常多为混合像元,直接影响着异常信息提取的精度。针对这一问题,在分析铁染异常的地质依据和波谱特征基础上,确定了WorldView2和IKONOS等高分辨率遥感数据与铁染异常特征波谱范围相对应的波段,采用主成分变换方法进行铁染异常信息提取。在西昆仑黑恰一带基于IKONOS数据进行铁染异常信息提取时,新发现规模较大的菱铁赤铁矿化带;在西昆仑老并一带基于WorldView2数据提取的铁染异常区与磁铁矿化范围基本吻合。研究结果表明,利用高分辨率遥感数据提取铁染异常的精度较高。     

基于Landsat-8 OLI影像的植被信息提取方法研究

植被是地理环境的重要组成部分,在城市生态环境系统中扮演着非常重要的角色。本文以池州市2014年OLI遥感影像为基础,结合30 m空间分辨率的DEM数据,在ENVI 5.1和ArcGIS 10.2软件的支撑下,对该区植被信息进行提取。通过对比原始波段组合、主成分分量组合和衍生波段组合的分类精度,确定植被信息提取的最佳波段组合,并对植被提取结果进行精度验证。结果表明:考虑NDVI、绿度指数和第一主成分的衍生波段组合植被提取精度最高,与该区已知的土地利用类型中的植被覆盖度进行比较,精度达到89.16%。这说明该波段组合方案对于Landsat-8影像提取植被信息效果较好,可以为其他地区植被信息的提取提供参考。     

基于波段选择的MODIS全国土地覆盖分类

以MODIS多光谱和多时相数据为输入参数进行了全国土地覆盖分类研究。从试验区2007年MODIS 8 d数据的合成影像(MOD 09)中提取EVI、NDWI和NDSI 3个指数,并将其作为特征波段与原有的7波段(B1～B7)形成10波段影像。以统计分类J-M距离平均值和SVM分类总精度为标准评价不同波段对土地覆盖分类的贡献。在全国范围内,选择贡献最大的EVI、B7和B4这3个波段的月合成值,并分别对其作PCA变换,选取各PCA变换后的前3个波段进行分类运算。研究结果表明,在没有其他辅助信息的境况下,基于MODIS贡献最大的前3个波段结合多时相信息能够在中分辨率区域土地覆盖分类中取得较好的分类结果,其精度为78.04%。     

基于月球反射的遥感器定标跟踪监测

月亮辐照度是可见近红外波段一种稳定的辐射参考基准,对月观测已成为星载遥感仪器辐射定标和验证的一种新方法。风云三号03星(FY-3C)中分辨率光谱成像仪(Moderate Resolution Spectral Imager,MERSI)增加了对月观测功能,改进了太阳反射波段的在轨辐射定标。本文收集分析了MERSI在轨工作以来的全部11组对月观测数据,利用通道间辐照度比值方法移除月相角,日—月—星相对距离等因素对月亮辐照度观测值的影响,开展了可见光近红外波段的辐射定标工作,实现了MERSI太阳反射通道的辐射定标系数动态跟踪和评估。通过线性回归及统计发现,通道8辐射响应的年衰减率达到了14.55%,通道9达到了8.42%,通道1、6、10、11、16和19的年衰减率为1.15%—4.72%,其余通道未检测到衰减。研究结果可以用于订正MERSI数据的辐射定标系统性偏差,提高MERSI全寿命期的辐射定标精度。     

FY3B/MERSI数据的湖泊湿地面积提取对比分析

针对国产风云三系列中分辨率卫星快速有效地进行水体识别的问题,基于2011—2016年数据进行了辽宁省主要湖泊水库的光谱分析,提出了晴空条件和有云情况下分别采用归一化水体指数方法和通道值与归一化水体指数相结合方法进行湖泊水库的提取。结果表明:FY3B/MERSI湖泊光谱曲线具有水体光谱特征,具体表现为8通道的数据反射率最高,18通道数据反射率最低。通过与49景TM数据水体提取结果进行对比,FY3B/MERSI数据水体提取的面积精度达到85%以上,总体分类精度达到90%以上,Kappa系数在0.56~0.95之间。提出了简便、快捷的计算模型,为国产卫星数据的业务应用提供了初步方法。     

时间序列低分影像修正中分遥感冬小麦分布

单期中等空间分辨率遥感影像(如Landsat8 OLI)进行冬小麦提取,易受到"异物同谱、同物异谱"影响,造成冬小麦识别结果的"错入、错出",降低冬小麦识别精度。低空间分辨率遥感影像(如MODIS)获取时间频率高,具有时间序列特征,能够准确地刻画出冬小麦生长周期内的特有物候特征,可以有效地消除单期遥感影像上存在的"异物同谱、同物异谱"现象。研究利用MODIS时间序列特征提取出的冬小麦空间分布信息为辅助信息,用来修正单期OLI遥感影像识别冬小麦结果的"错入、错出"误差,以提高冬小麦的识别精度。实验结果表明,在冬小麦错出区域,OLI提取结果的均方根误差(root mean square error,RMSE)为0. 758,经MODIS修正后RMSE为0. 142,降低了0. 616;在冬小麦错入区域,OLI提取结果的RMSE为0. 901,经MODIS修正后RMSE为0. 122,降低了0. 779。可见,该方法能够发挥MODIS有效描述冬小麦生长周期内时间序列特征的优势,对Landsat OLI冬小麦测量结果进行了有效修正,提高了冬小麦测量精度。     

非监督分类的冬小麦种植信息提取模型

为了解决在区域冬小麦种植信息遥感提取过程中监督学习算法存在的需要地面样本数据支持、流程复杂、人为干扰因素多及自动化程度低等问题，本文以非监督分类为核心，结合多尺度技术，提出了一种新的非监督分类冬小麦种植信息提取模型。选取河北省辛集市为典型试验区，以2014年高分一号数据为数据源，对本文提出的模型进行实例验证。试验结果表明：该模型的Kappa系数为0.88，整体精度为94.00%；对于研究区内的冬小麦，在无需训练样本、人为干扰因素少等条件下，该模型具有与监督分类相似的提取精度，能够满足冬小麦种植信息地面遥感监测的需求。     

GNSS约束的MERSI/FY-3A PWV校准方法EI北大核心CSCD

精确的水汽信息对于短临天气预警和长期气候监测具有重要意义。本文针对搭载在我国第2代极轨卫星风云三号A星(FY-3A)上中分辨率光谱成像仪(medium-resolution spectral imager,MERSI)获取水汽精度较低的现状,提出一种GNSS约束的MERSI/FY-3A PWV校准方法。首先,对MERSI/FY-3A的PWV段产品进行处理得到水汽日产品,并利用GNSS和无线电探空(radiosonde,RS)数据对其进行评估;然后,根据PWV的季节分布特性,构建GNSS约束的MERSI/FY-3A PWV季节自适应校准模型;最后,分别利用GNSS、RS和再分析资料对校准后的MERSI/FY-3A水汽进行对比,验证提出方法的有效性。研究表明:本文提出的PWV校准方法,能够有效改善MERSI/FY-3A水汽日产品和旬产品的精度,改善率分别为58.63%和68.72%。该方法可为遥感水汽快速校准研究提供重要的理论依据。     

FY-3A MERSI数据干旱监测能力评价

对FY-3A MERSI数据进行辐射定标、几何定位预处理,与同期MODIS数据预处理结果进行对比;选用温度植被干旱指数法对两种数据进行监测,分析了监测结果的相对精度。实验结果表明,FY-3A MERSI数据的干旱监测结果精度与MODIS数据基本一致,且在空间分辨率及光谱分辨率方面有较大的提高。     

统计数据总量约束下全局优化阈值的冬小麦分布制图

大范围、长时间和高精度农作物空间分布基础农业科学数据的准确获取对资源、环境、生态、气候变化和国家粮食安全等问题研究具有重要现实意义和科学意义。本文针对传统阈值法农作物识别过程中阈值设置存在灵巧性差和自动化程度低等弱点,以中国粮食主产区黄淮海平原内河北省衡水市景县为典型实验区,首次将全局优化算法应用于阈值模型中阈值优化选取,开展了利用全局优化算法改进基于阈值检测的农作物分布制图方法创新研究。以冬小麦为研究对象,国产高分一号(GF-1)为主要遥感数据源,在作物面积统计数据为总量控制参考标准和全局参数优化的复合型混合演化算法SCE-UA (Shuffled Complex Evolution-University of Arizona)支持下,提出利用时序NDVI数据开展阈值模型阈值参数自动优化的冬小麦空间分布制图方法。最终,获得实验区冬小麦阈值模型最优参数,并利用优化后的阈值参数对冬小麦空间分布进行提取。通过地面验证表明,利用本研究所提方法获取的冬小麦识别结果分类精度均达到较高水平。其中冬小麦识别结果总量精度达到了99.99%,证明本研究所提阈值模型参数优化方法冬小麦提取分类结果总量控制效果良好;同时,与传统的阈值法、最大似然和支持向量机等分类方法相比,本研究所提阈值模型参数优化法区域冬小麦作物分类总体精度和Kappa系数分别都有所提高,其中,总体精度分别提高4.55%、2.43%和0.15%,Kappa系数分别提高0.12、0.06和0.01,这体现出SCE-UA全局优化算法对提高阈值模型冬小麦空间分布识别精度具有一定优势。以上研究结果证明了利用本研究所提基于作物面积统计数据总量控制以及SCE-UA全局优化算法支持下阈值模型参数优化作物分布制图方法的有效性和可行性,可获得高精度冬小麦作物空间分布制图结果,这对提高中国冬小麦空间分布制图精度和自动化水平具有一定意义,也可为农作物面积农业统计数据降尺度恢复重建和大范围区域作物空间分布制图研究提供一定技术参考。     

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。     

小麦单产的遥感—气象综合模式研究

本文以北京顺义县为例,以气象因子与垂直植被指数(PVI)作为参数,用灰色模型G(0,2)和逐段订正模型即阶乘模型,建立冬小表遥感信息-气象因子综合模型。计算结果表明,改进后的综合模型其平均精度比单纯的遥感信息模型提高近7％,个别年份达到10％以上。     

构建地块二维表征及CNN模型的作物遥感分类

本文旨在研究基于地块数据约束的深度学习模型的分类特征表示方法,以识别不同作物在不同时相上光谱差异从而对作物类型进行分类。通过Google Earth Engine平台获取作物生育期内全部Landsat 8影像,利用其质量评定波段完成研究区无云时相及区域上的地块统计,提取地块级别的各波段反射率均值按照时相顺序及波长进行排列,构建波谱、时相二维特征图作为该地块的抽象表示。通过构建相对最优的卷积神经网络CNN（Convolutional Neural Network）结构完成对特征图的分类,从而完成对地块的分类。构建CNN模型并不需要手工特征和预定义功能的需求,可完成提取特征并遵循端到端原则进行分类。将该模型的分类结果与其他最为常用机器学习分类器进行了比较,获得了优于常用遥感分类算法的分类精度。结果表明地块数据的加入可以有效的缩减计算规模并提供了准确的分类边界。所提出得方法在地块特征表示及作物分类中具有突出的应用潜力,应视为基于地块的多时相影像分类任务的优选方法。     

大面积小麦遥感估产模型的构建与调试方法的研究

本文重点研究大面积冬小麦遥感估产模型构建及其调试方法。通过分析冬小麦生长发育过程,对光、温、水、肥等必须条件需求规律研究的基础上,提出了以绿度指数、温度和绿度变化速率等因子,构建大面积冬小麦遥感估产模型。为了适应大面积遥感估产运行系统的需要,在变量获取及模型调试等方面进行了一些新的探索。     

基于RS和GIS的黑龙江省积雪时空变化研究

以黑龙江省为研究区域,以风云三号气象卫星遥感数据资料为基础,通过对FY－3 A和FY－3 B的VIRR波段特性的深入分析,对2013～2015年多期FY－3A和FY－3B的VIRR遥感影像提取出黑龙江省多期积雪数据,进行黑龙江省积雪时空变化监测研究,结合RS和GIS技术对其进行了分析并得出结论,对了解其时空分布特征及变化规律,对于促进该区的工农业生产和生态环境保护都具有十分重要的意义。     

Urban cadastral mapping using very high resolution remote sensing data

With growing urban expanses, one of the pre-requisites for effective governance is Urban Information Systems (UIS) with content down to individual properties (and individuals). The basic input i.e., a map, in UIS should show individual property boundaries showing the plan outline of all structures existing within, at a scale of 1:1000 and larger with sub-metre to centimeters planimetric and geometric accuracy. With very high resolution remote sensing data of the order of 1m available in hand, it is possible to prepare maps with high resolution spatial content. The present exercise demonstrates a method of preparing a geometrically and planimetrically accurate urban cadastral map on very large scale for a small area of about 5 sq km. IKONOS merged data with 1m resolution is used for the purpose. Mapping was done in conjunction with on-site measurements and sketches. Guides are used to maintain shape symmetry and accuracy of buildings and other features. Working out cost of mapping per unit area is another objective in the present exercise. For want of fully or semi-automatic methods of information extraction from very high resolution remote sensing data, it is imperative that mapping should be carried out in conjunction with some on-site measurements wherever necessary.