基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率和多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法。近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。     

基于MODIS数据的水稻种植面积提取研究进展

概述了水稻种植面积监测遥感数据源的应用变化、特征指数和时相选取以及遥感分类方法的发展,分析了MODIS影像在水稻种植面积遥感提取技术方面的研究进展及发展方向。结果表明：MODIS具有高光谱、高时间分辨率、多时相等特点,在大尺度上提取水稻种植面积上,可提高作物识别和监测的精确度与工作效率,节约成本,有着其他遥感数据无法相比的优势,应用MODIS数据提取水稻种植面积,取得了较好的效果。水稻遥感的最佳时相可以选择移栽期和孕穗期,利用对水体和植被较为敏感的波段或植被指数（如NDVI、LSWI和EVI）进行水稻识别,并提取种植面积。传统的遥感图像分类方法如监督分类和非监督分类,算法成熟、操作简单,是目前应用较多的方法;近年来发展起来的分类新方法,如决策树分类法、专家系统分类法、神经网络分类法,支持向量机法等,能够更准确地提取目标地物,对图像分类有不同程度的改进,在实际应用中通常和传统分类方法结合起来使用;多时相分析法与高时间、高分辨率多光谱影像的结合可以获取较高精度的作物种植面积数据,与传统分类方法相比有较大提高。利用MODIS对单一的或大面积的水稻种植面积提取效果较好,但对于地块破碎的种植面积估算尚难达到满意的结果,添加其他的辅佐数据如高程、坡度等,并结合MODIS数据的多时相特点分类等方法,可提高遥感影像分类的精度。     

土地利用/土地覆被变化遥感监测研究

根据1990年和1999年两期TM/ETM 遥感数据,运用遥感分类中的监督分类方法,全面分析乌鲁木齐市的土地利用的数量变化特征和空间变化特征,阐明了区域土地利用变化的区域特点。     

利用主成分分析法提取土壤湿度信息的技术方法研究

本文沿袭了遥感地物分类中K-L变换的思想,采用主成分分析法,应用MODIS数据的7、21、29、31四个红外波段,融合具有250m分辨率的2通道,建立了青海省多维特征空间土壤湿度监测模型。这种模型的建立克服了热惯量模型需要多时相数据的缺陷,也考虑了青海高原春季天气特征状况。经初步检验,此模型可以在一定精度范围之内监测表层土壤湿度,具有业务应用潜力。     

基于KNN的地基可见光云图分类方法

云图的自动分类是实现地基云自动化观测的技术保障。该文探讨了一种先将云图分为积状云、层状云和卷云3大类的分类方案,通过对3大云类和晴空这4种天空类型的纹理特征、颜色特征和形状特征进行分析,选取了21个特征参量,并采用K最近邻分类器 (K-Nearest Neighbor,KNN), 在不同的K取值情况下对这几类天空类型进行了分类识别。结果表明:新的分类方案是可行的,且当纹理特征、颜色特征和形状特征结合使用时获取了比单独利用纹理特征、颜色特征和形状特征以及它们两两组合时更好的识别效果。当K=7且使用21个特征参量时,KNN算法对积状云、层状云、卷云和晴空的识别最好, 识别正确率分别为91.1%,74.4%,70.0%和100.0%,平均正确率为83.9%。     

地基云遥感反演进展及挑战

云在地球系统能量平衡和水循环中扮演着至关重要的作用,其特征的准确获取对于理解大气物理过程、改进天气和气候模拟具有重要意义。地基云遥感反演是了解云特征、评估卫星云观测能力的重要手段。自20世纪80年代以来,地基云遥感反演获得快速发展,各种地基云遥感反演方法涌现,在2010年前后达到一个相对瓶颈期,已有的地基云遥感反演方法有几十种之多。从遥感手段上来说,地基云遥感包括主动遥感和被动遥感。从遥感对象上来说,地基云遥感包括宏观特征遥感反演和微观特征遥感反演。就宏观特征来说,可以分为三个类别:云识别或云量的探测方法、云边界的确定方法以及云相态的反演方法。就微观特征来说,地基云遥感反演方法基本分为两大类型,最优化求解法和经验参数化方法。任何一种云遥感反演方法都有其相对优势和不足,对其进行b了总结归纳,论述地基云遥感反演的进展。不同地基云遥感反演产品直接存在着巨大差异,远大于单个遥感反演方法所给定的不确定性信息,表明现有地基云遥感反演仍然存在巨大挑战,归纳提出了云遥感反演中存在的若干挑战,以期为未来云遥感的发展提供了方向参考。     

基于多源遥感数据的广西北部湾围垦养殖变化分析

利用Landsat5、Landsat8、GF-1、GF-2等多源卫星遥感数据,选取1987、1995、2000、2005、2010、2015、2018年七个时相,通过SEaTH算法分析围垦养殖的最优特征,提取广西北部湾围垦养殖信息;利用GIS技术进行空间分析,分析广西北部湾近30年围垦养殖变化的空间分布特征,总结其变化规律。研究结果表明:近30a广西北部湾围垦养殖面积变化较大,增加了24916hm~2,主要增加区域为北海市,钦州市和防城港市有少量增加;2000年至2005年期间广西北部湾围垦养殖面积变化最大,变化速度为2039hm~2·a~(-1);随着人们的生态环保意识的增强、沿海开发资源有限以及城镇建设扩张等因素,2010年-2018年,围垦养殖面积趋于稳定并略有减少。     

广西沿海城镇建设格局时空演化研究

利用Landsat系列卫星遥感数据,选取1987、1995、2000、2005、2010、2015七个时相,通过影像预处理、归一化指数与非监督分类方法的综合运用、分类后处理等方法,提取广西沿海城镇建设信息。运用统计学与GIS空间分析方法,对广西沿海城镇近30年来时空格局变化的规律特征进行研究:(1)NDVI、MNDWI、NDBI归一化指数方法与聚类非监督分类方法的综合运用,可以快速提取城镇信息;(2)1990年至2000年和2005年至2010年期间,广西城镇建设面积呈快速增长的趋势;(3)广西沿海城镇建设主要集中在北海市海城区、钦州市钦南区和防城港市港口区和东兴市。研究结果为国土资源、生态环境等相关部门提供参考,为广西海岸带生态风险评估提供数据基础。     

基于面向对象的光学和Sentinel—1 SAR数据油菜种植空间分布信息提取方法研究

为提高Sentinel—1 SAR数据作物种植分布提取精度,以湖北省江陵县为研究区域,运用资源三号卫星CCD融合数据(空间分辨率为2 m)提取田间边界对象,将对象内Sentinel—1 SAR后向散射系数取平均,以此消除相干斑点噪声的影响,再通过对各种地物纯像元SAR后向散射特征分析,发现3—4月油菜后向散射系数明显高于其他作物,运用得出的油菜分类阈值(4月22日VH极化的SAR后向散射系数大于2.1且小于3.5,且2月27日NDVI指数大于0.3),对满足条件的对象进行筛选,最后得出江陵县油菜种植空间分布信息。运用GPS定点对分类结果进行验证,得到其KAPPA系数为0.88,并运用其他两种传统分类方法(直接用SAR数据进行阈值分类、运用其他时段SAR数据进行对象提取)进行了比较,发现光学遥感数据提取对象、SAR数据确定对象属性的油菜空间分布提取方法的精度有一个质的提高。由于SAR数据不受云层影响,能定时获取,因此此方法很适合在多云雨地区的作物种植空间分布信息的提取。     

黄淮海平原冬小麦最大可能蒸散的估算

作物最大可能蒸散考虑了作物及当地地表状况,为当地地表实际覆盖情况下实际蒸散的理论上限值,能客观分析作物对水分的需求程度和农业干旱状况。基于遥感（叶面积指数和地表反照率）数据和逐日气象数据,利用Penman-Monteith公式,计算黄淮海平原小麦种植区27个气象站冬小麦生育期2000-2015年逐日蒸散,提取得到冬小麦生育期逐日最大可能蒸散数据集,并分析其时空变化特征及成因。结果表明:与联合国粮农组织（FAO）单作物系数法计算的最大可能蒸散E_k对比,区域平均最大可能蒸散E_c的时间变化趋势与E_k一致,空间分布上E_c符合客观实际。黄淮海平原冬小麦全生育期、越冬期和返青-拔节期E_c均呈北低南高的分布特征,日平均值分别为1.99 mm,0.44 mm和2.75 mm;其余3个生育期（越冬前、抽穗期、乳熟-成熟期）在空间分布上差异不大,日平均值分别为1.23 mm,4.71 mm和3.74 mm。冬小麦不同生育期（含全生育期）E_c的空间分布主要受叶面积指数分布特征的影响,二者呈显著正相关关系。     

面向对象的GF-1卫星影像苹果树遥感提取研究-以山地丘陵地区的栖霞市为例

国产高分卫星1号（简称GF-1）可提供高空间分辨率遥感数据，这为实现精准农业提供良好的数据保障。但是，其在复杂地形作物遥感提取方面的适用性仍需要进一步探索和分析。因此，以山地丘陵地形为主的栖霞市为研究区，基于GF-1影像数据利用面向对象分类法提取苹果树的种植面积和空间分布信息。研究结果表明：引入植被覆盖度和坡度信息的面向对象决策树分类方法（简称优化分类方法）能够有效提高苹果种植面积的遥感提取精度为94.1%，生产精度和用户精度分别为87.3%和90.3%。相比于最大似然监督分类和无辅助信息的面向对象决策树分类方法，本研究的优化方法遥感提取面积精度分别提高了17.4%和0.3%，生产精度分别提高了10.1%和2.6%，用户精度分别提高了10.1%和2.8%。该研究成果以期为GF-1卫星数据在山地丘陵地区的果园信息遥感提取提供基本的技术支撑和实践经验。     

面向对象的土地利用遥感分类——以邛海流域为例

利用google earth提取的SPOT5高分辨率遥感影像为研究数据,基于The Environment for Visualizing Images （ENVI） EX软件平台,采用面向对象的多尺度分割方法,获得了邛海流域土地利用类型.结果表明：该分类方法不仅能够克服传统基于像元分类方法中的“椒盐效应”问题,而且能够综合利用DEM、NDVI等辅助信息和地物本身的光谱特征与纹理特征.对分类结果进行了检验,分类精度达89.18％,分类结果达到要求.     

用NOAA/AVHRR资料动态监测小区域冬小麦长势

通过对定点监测资料和NOAA／AVHRR资料的平行分析,探讨了NOAA／AVHRR资料在小区域冬小麦长势动态监测中的应用问题,建立了农学参数与遥感绿度值之间的关系式和卫星遥感苗情分类指标动态方程,为当地冬小麦卫星遥感苗情分类提供了一套客观实用的方法。     

结合潮位信息的红树林遥感识别

红树林的滨海湿地生境使得它同陆生植被、水体-陆生植被混合像元难以区分,且红树林在遥感图像上的空间分布还随着潮位的变化而变化,因此基于通常采用的单一潮位遥感图像无法精确提取红树林空间信息.基于高潮位和低潮位TM遥感图像,尝试利用红树林的潮位周期性变化和滨海湿地特征来精确提取红树林空间分布信息.研究结果表明：基于缨帽变换和潮差信息提取的WI_L+WI_H、GVI_L和GVI_L-GVI_H（WI、GVI分别为Wetness Index、Greenness Vegetation Index,下标L和H分别表示低潮位和高潮位）等指数能使红树林与其他地物之间具有很好的可分性;进一步采用最大似然法对红树林进行分类识别,通过结合潮位信息能精确提取红树林,其中制图精度和用户精度分别为94.57%、98.8%.     

一种利用MODIS数据的夏玉米物候期监测方法

采用MODIS数据重构夏玉米归一化植被指数生长曲线,提取并建立特征点位对应日期与作物进入不同物候期的实际日期之间的最佳匹配关系。研究表明:使用改进的SG（Savitzky-Golay）迭代滤波对最大值合成后的植被指数时间序列做平滑处理并进行Logistic曲线拟合,可得到时间分辨率为1 d的作物生长过程曲线,经与2013-2014年物候期实测数据匹配,选择利用动态阈值1提取七叶期,均方根误差为5.4 d;利用曲率最小值提取拔节期,均方根误差为6.4 d;利用动态阈值2提取抽雄期,均方根误差为6.0 d。经2015年物候期实测数据验证,3个关键物候期的遥感监测误差均在6 d以内。利用该方法可提高基于遥感数据开展大面积作物物候期监测识别的效率和准确率。     

基于压缩感知的地基红外云图云状识别

为了对地基全天空红外测云仪获得的云图进行分类,该文从压缩感知理论出发,提出了一种利用云图灰度稀疏性进行云状识别的新方法。首先运用典型云图样本构造冗余字典,然后通过梯度投影 (GPSR) 算法和正交匹配 (OMP) 算法求取测试样本在冗余字典中的l1范式最优解,最后利用残差法和稀疏比例法对云状进行判别并输出。采用压缩感知理论进行云状识别,降低了对特征提取技术的要求,为云状的自动识别提供了新思路,对典型波状云、层状云、积状云、卷云和晴空的总体识别率分别达到75%,91%,70%,85%和93%,平均识别率为82.8%。     

基于数据融合的土地遥感分类技术研究

以吐鲁番主要农区为试验区，运用多源遥感数据融合图像进行土地利用现状调查及葡萄种植面积遥感调查。运用IHS变换方法进行了研究区多光谱与全色高分辨率图像的融合工作，生成了质量较好的图像。用于土地分类及葡萄面积提取。在对研究区土地利用类型的分类中，本文采用的分类方法是结合目视判读的经验，在无监分类法和有监分类法的基础上，辅以地面数据，在遥感图像处理常规分类方法的范畴内，采取最大程度的有利于提高分类精度的措施，得到了全试验区相对最高的计算机自动分类精度65％；然后采取分区分类或人工解译改进分类结果，可使研究区的土地利用分类精度超过90％。因此，此方法在土地利用现状调查及作物面积监测中是可行的。     

Establishment of Winter Wheat Regional Simulation Model Based on Remote Sensing Data and Its Application

Accurate crop growth monitoring and yield forecasting are significant to the food security and the sus- tainable development of agriculture.Crop yield estimation by remote sensing and crop growth simulation models have highly potential application in crop growth monitoring and yield forecasting.However,both of them have limitations in mechanism and regional application,respectively.Therefore,approach and methodology study on the combination of remote sensing data and crop growth simulation models are con- cerned by many researchers.In this paper,adjusted and regionalized WOFOST (World Food Study) in North China and Scattering by Arbitrarily Inclined Leaves-a model of leaf optical PROperties SPECTra (SAIL-PROSFPECT) were coupled through LAI to simulate Soil Adjusted Vegetation Index (SAVI) of crop canopy,by which crop model was re-initialized by minimizing differences between simulated and synthesized SAVI from remote sensing data using an optimization software (FSEOPT).Thus,a regional remote-sensing- crop-simulation-framework-model (WSPFRS) was established under potential production level (optimal soil water condition).The results were as follows:after re-initializing regional emergence date by using remote sensing data,anthesis,and maturity dates simulated by WSPFRS model were more close to measured values than simulated results of WOFOST;by re-initializing regional biomass weight at turn-green stage,the spa- tial distribution of simulated storage organ weight was more consistent with measured yields and the area with high values was nearly consistent with actual high yield area.This research is a basis for developing regional crop model in water stress production level based on remote sensing data.