农作物分类成数的精度检验

选择山西太谷一个 5km× 5km的实验区 ,利用样条采样框架结合GVG农情采样系统调查农作物分类成数。同时借助QuickBird甚高分辨率遥感影像进行地面作物种植地块勾绘 ,并派出地面调查队伍进行作物填图 ,统计汇总出的农作物分类成数的真实值。然后将两种不同方法得出的分类成数进行对比 ,发现利用样条采样框架和GVG农情采样系统对于大宗粮食作物分类成数的调查相对误差在 3%以内 ,能够满足中国农情遥感速报系统的运行需要。而对于小成数作物的调查精度较低 ,且存在漏采现象 ,不能满足需求 ,同时也由于漏采现象的存在和图片判读的主观性。利用样条采样框架和GVG农情采样系统获取的大宗作物分类成数略大于真实值 ,存在少量的系统误差 ,需要进行地面验证并加以克服。     

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。     

全国作物种植结构快速调查技术与应用

现有种植结构的分析都是基于统计数据 ,时效性低及精度差 ,难以及时为各级政府部门提供决策支持。以“中国农情遥感速报系统”使用的GVG农情采样系统和样条采样框架为基础 ,提出了快速获取全国农作物种植结构的技术方法 ,并以 2 0 0 2年为例 ,开展全国夏粮和秋粮种植结构的调查与现状分析。全国夏粮的粮经比例为 5 8%∶2 1% ,秋粮的粮经比例为 79%∶14 % ,粮食作物仍然占有较大的比例。调查表明 ,全国范围的种植结构在时间和空间上变化很大。黑龙江省的大豆种植成数最高 ,达到38% ,是中国的大豆主产区 ;吉林和辽宁两省的春玉米种植成数相差不大 ,高达 71% ;黄淮海地区夏粮以种植冬小麦为主 ,种植成数高达 97% (河北省 ) ,秋粮以夏玉米为主 ,种植成数高达 82 % (河南 ) ;以长江为界 ,冬小麦和油料在长江南北的种植成数变化很大 ,长江以北冬小麦与油料并重 ,以南以油料为主。秋粮则以中晚稻为主 ,种植成数均超过 6 6 % ;华南夏粮和秋粮均以水稻为主 ,其中广东的蔬菜瓜果的种植成数高达 2 9% ;西南地区的秋粮以中稻和夏玉米为主 ,其中云南省的棉麻糖的种植成数高达19% ,说明云南省仍然是中国的烟草大省。经济发达或邻近经济发达地区的省份的蔬菜瓜果的种植成数较大 ,如天津市高达 34%。     

基于GF-1的山地主要农作物种植信息提取研究

为探索GF-1 PMS多光谱数据影像在低山丘陵地貌破碎地区主要农作物遥感识别中的信息有效性,以重庆市永川区卫星湖街道为例,利用研究区多时相、多光谱特征影像,对研究区油菜、玉米、水稻等主要作物进行信息提取。提取结果显示,利用GF-1多时相多特影像,水稻作物信息提取生产精度与用户精度均达到90%以上,提取精度较低的旱地作物玉米提取效果也得到了提升,油菜作物信息提取生产精度大幅度高于用户精度,主要作物提取总体精度OA为80.93%,Kappa系数0.635,分类质量达到较好水平。基于多时相GF-1影像光谱、纹理等特征的面向对象分类方法,能够有效地提取南方低山丘陵破碎地貌地区主要农作物空间分布信息,提高主要农作物的遥感识别精度,为山地农作物遥感信息提取提供参考。     

GVG农情采样系统及其应用

介绍了通过对GPS、VIDEO摄像头、GIS的综合集成 ,用于野外农作物采样的信息快速采集、定位和处理分析系统 ,简称为GVG农情采样系统。系统包括影像采集卡、视频摄像头、GPS接收卡、GPS天线和工控计算机 ,在野外采集时采用汽车为主要工作平台 ,以各级公路为样线进行动态采样。系统工作时实时采集GPS信号 ,捕捉视频影像 ,同时根据GPS位置自动获得GIS属性信息 ,并自动记录在后台数据库。野外工作结束后 ,系统提供的功能允许操作人员对每条记录的照片中各类农作物所占比例进行赋值 ,统计单元内各种作物的分类成数 ,包括采样线、县级、农业区划级和省级单元。GVG系统的自动数据采集方式和GIS支持下的图像分析和统计方法提高了数据的采集和室内数据分析的效率 ,同时保证了采样的精度 ,经过不同地区的精度检验 ,作为“中国农情遥感监测系统”的重要组成部分 ,在全国范围内对大宗农作物分类成数的监测精度达到 95 %以上。     

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。     

遥感综合时空信息在土地利用动态监测中的应用概述

本文通过对北京顺义实验区农作物和土地利用动态监测遥感综合时空信息的应用研究和对TM、SPOT等遥感数据的精度分析,提出了应用多种遥感综合时空信息进行土地利用动态监测的技术方案,并在试验研究中取得较好的成果。     

尺度变化对冬小麦种植面积遥感测量区域精度影响的研究

不同尺度遥感数据源的选取将直接影响到作物种植面积测量的精度,研究尺度因子在农作物面积遥感测量中的作用,尺度与面积测量精度的定性和定量关系是非常必要的.为此,本文利用SPOT5卫星数据,以尺度变化对农作物种植面积遥感测量精度影响的分析为主线,运用空间统计分析方法和多种精度评价指标,从不同空间分辨率、不同空间范围、不同农作物百分比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复合的农作物种植面积测量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.     

基于Sentinel-1B SAR数据的农作物分类方法研究

以欧空局免费资源哨兵1号(Sentinel-1B)时间序列数据为基础,利用不同农作物的后向反射系数——时间序列特征建立随机森林分类器,进行旱地作物分类,探索雷达遥感监测旱地农作物结构的可行性和实用性。研究结果表明:在三江平原地区利用多时相VV极化雷达数据可以区分玉米和大豆作物,分类精度介于65%—68%之间,利用本研究方法可以掌握农作物种植结构分布概况。     

The Utility of Very High Spatial Resolution Images to Identify Urban Objects

Abstract

Landsat MSS, TM and SPOT XS imageries were used in conjunction with unsupervised, supervised and hybrid classilication techniques to classify land cover types in semi‐arid savannas of Mathison Pastoral Station in the Katherine region of northern Australia. Accuracy assessment was based on field data from 246 ground survey sites over a 745‐km² study area. Of 14 land cover classes identified by traditional mapping means, all combinations of imageries and classification techniques differentiated at least seven land cover types. The overall accuracy for these classifications ranged between 43% and 67%. SPOT XS image delivered the best accuracy followed by TM and MSS; unsupervised classification performed better than supervised and hybrid methods. User's and producer's accuracy of individual land units ranged from 0% to 100%. Riparian woodlands, woodland on limestone slopes, shrubland on clay plains, woodland on limestone plains and shadows were the best‐mapped classes. The land units that were associated with undulating hills were not mapped accurately. However, incorporation of a digital elevation model (DEM) in a GIS improved the overall accuracy. The user's and producer's accuracy of dominant land cover types were also enhanced. The classification results and the efficacy of the techniques at Mathison were similar to those found for a nearby semi‐arid area (Kidman Springs) about 200 km from Mathison. However, the overall accuracy was lower at Mathison than at Kidman Springs. Spectral classification masks were developed from the SPOT XS and TM imageries at Kidman Springs, and were applied to classify SPOT XS and TM imageries at Mathison. Initial results showed that the classification mask could be successfully extrapolated to map dominant land cover types but only with moderate accuracy (50%).     

Multi-resolution integration of land cover for sub-pixel estimation of urban impervious surface and forest cover

Abstract

A methodology is presented for estimating percent coverage of impervious surface (IS) and forest cover (FC) within Landsat thematic mapper (TM) pixels of urban areas. High-resolution multi-spectral images from Quickbird (QB) play a key role in the sub-pixel mapping process by providing information on the spatial distributions of ISs and FCs at 2.4 m ground sampling intervals. Thematic classifications, also derived from the Landsat imagery, have then been employed to define relationships between 30 m Landsat-derived greenness values and percent IS and FC. By also utilizing land cover/land use classification derived from Landsat and defining unique relationships for urban sub-classes (i.e. residential, commercial/industrial, open land), confusion between impervious and fallow agricultural lands has been overcome. Test results are presented for Ottawa-Gatineau, an urban area that encompasses many aspects typical of the North American urban landscape. Multiple QB scenes have been acquired for this urban centre, thereby allowing us to undertake an in-depth study of the error budgets associated with the fractional inference process.     

自组织网络在遥感土地覆盖分类中应用研究

设计完成和比较了自组织网络的几种算法在遥感土地覆盖分类中的应用,结果表明非监督和监督学习结合方法进行遥感土地覆盖分类,各算法在分类性能上无显著差异,因此可采用算法和较简单的单竞争学习网络,根据最邻近原则进行非参数分类。     

专家系统在 TM 图像分类中的应用

提高TM图像的分类精度,是图像处理及应用领域中一个很重要的研究课题。本文在总结已有成果基础上,首先利用现有的统计分类技术,对待分类图像进行预分类,并检测出“不确定”像元。然后综合光谱、地理、土壤类型、早期判别结果、目视判读经验等各种知识和信息,充分发挥专家系统的推理判断能力,对“不确定”像元的类别作进一步判别,使得整幅图像的分类精度得到改善。并据此初步建立了一个土地利用的分类系统。试验证明,这种分类方法的精度比仅用单一多光谱信息的统计分类法(最大似然法)提高约8％。     

Texture classification of Mediterranean land cover

Maximum likelihood (ML) and artificial neural network (ANN) classifiers were applied to three Landsat Thematic Mapper (TM) image sub-scenes (termed urban, agricultural and semi-natural) of Cukurova, Turkey. Inputs to the classifications comprised (i) spectral data and (ii) spectral data in combination with texture measures derived on a per-pixel basis. The texture measures used were: the standard deviation and variance and statistics derived from the co-occurrence matrix and the variogram. The addition of texture measures increased classification accuracy for the urban sub-scene but decreased classification accuracy for agricultural and semi-natural sub-scenes. Classification accuracy was dependent on the nature of the spatial variation in the image sub-scene and, in particular, the relation between the frequency of spatial variation and the spatial resolution of the imagery. For Mediterranean land, texture classification applied to Landsat TM imagery may be appropriate for the classification of urban areas only.     

高精度作物分布图制作

中国自然条件复杂 ,农业种植结构多样 ,地块小而分散 ,利用遥感影像制作作物分布图的精度很难满足农业遥感估产的需求。该文利用目前最高分辨率的商用遥感卫星 (QuickBird)影像 ,采用面向对象的影像分析方法提取耕地种植地块图 ,结合详细的地面调查制作高精度的作物分布图 ,为农业遥感估产服务。     

Landsat 8 vs. Landsat 5: A comparison based on urban and peri-urban land cover mapping

An image dataset from the Landsat OLI spaceborne sensor is compared with the Landsat TM in order to evaluate the excellence of the new imagery in urban landcover classification. Widely known pixel-based and object-based image analysis methods have been implemented in this work like Maximum Likelihood, Support Vector Machine, k-Nearest Neighbor, Feature Analyst and Sub-pixel. Classification results from Landsat OLI provide more accurate results comparing to the Landsat TM. Object-based classifications produced a more uniform result, but suffer from the absorption of small rare classes into large homogenous areas, as a consequence of the segmentation, merging and the spatial parameters in the spatial resolution (30 m) of Landsat images. Based exclusively on the overall accuracy reports, the SVM pixel-based classification from Landsat 8 proved to be the most accurate for the purpose of mapping urban land cover, using medium spatial resolution imagery.     

基于天宫一号高光谱数据与Landsat TM数据的湿地利用变化监测

本文利用2013年4月18日获取的天宫一号高光谱成像仪数据和1985年5月1日获取的Landsat TM数据,对黄河入海口地区湿地的土地利用状况进行了监测研究.通过对比分类结果发现,该地区近30年来人类活动对湿地的影响强烈,滩涂开垦、水产养殖业占用自然水面现象严重.同时由于天宫一号高光谱成像仪数据具有更高的光谱和空间分辨率,其分类精度优于Landsat TM,更适合于湿地的监测.