基于M-TWDTW模型的粤北山区耕地撂荒遥感监测研究

精准掌握耕地撂荒信息对保护耕地资源及国家粮食安全具有重要意义。本研究针对现有时间加权动态时间规整（TWDTW）模型在撂荒监测方面的局限性,提出基于均值校正策略的M-TWDTW模型的撂荒地遥感监测方法。基于Sentinel-2 NDVI时间序列数据,利用撂荒地样本构建撂荒地参考NDVI时序,基于M-TWDTW模型校正参考时序,并计算未知像元时序与校正后时序的相似性距离,基于决策树方法获取距离的最佳分割阈值,识别撂荒地并验证识别精度。研究结果表明,与常规TWDTW方法相比,M-TWDTW方法弱化了撂荒时长不一引起的NDVI绝对值差异的影响,重点捕捉NDVI时序曲线的形态特征,能大幅度提高撂荒地的识别精度（TWDTW:66.85%,M-TWDTW:90.45%）,在大范围撂荒地遥感监测中具有较大的应用潜力。     

县级耕地遥感动态监测方法研究

利用不同时相的TM数据，采用遥感数字图像处理技术，首先对TM图像进行几何精校正，然后在图像增强处理的基础上，分别采用图像复合分类、图像比值和分类结果数学运算3种方法实现耕地遥感动态监测。在耕地信息准确提取的前提下，分类结果数学运算不失为耕地监测的一种有效方法。     

深度学习支持下的丘陵山区耕地高分辨率遥感信息分区分层提取方法

耕地是丘陵山区稀缺的土地资源,具有地形条件复杂、种植结构多样的特点,导致了山地耕地信息难以快速、准确获取,并且基于传统的遥感数据及遥感监测方法开展山区耕地信息快速自动提取比较困难。针对这一问题,本文以西南山区贵州省息烽县作为试验区,根据地理空间异质性特征,提出分区控制、分层提取的耕地形态信息提取思路,构建了一种地貌单元约束条件下的分区分层耕地形态信息的提取方法。该方法首先根据地貌-植被特征将试验区划分为平坝区、山坡区、林草区3类地理分区;然后在每类分区基础上,根据耕地所呈现的视觉特征划分为不同的类型,对不同类型的耕地分别设计不同的深度学习模型进行分层提取。试验结果证明,该方法对山区复杂地形背景噪声具有较好的抑制作用,所提取的耕地地块信息相比于传统方法更符合实际耕地的实际分布形态,有效地减少了漏提率和错提率。     

多时相SAR数据下的岭南早稻提取与时空变化分析

针对岭南地区在水稻生长期内高质量光学影像较少、难以实现对水稻种植情况进行有效监测的问题，该文利用多时相哨兵一号数据，提出一种基于阈值分割法快速提取水稻标签范围、运用U-Net深度学习模型提取水稻分布范围的方法，并分析广东省雷州市2019—2021年早稻分布时空变化情况。(1)通过对比，U-Net模型提取效果优于支持向量机算法，2019年早稻面积提取精度为87.63%,2020年为91.47%;(2)雷州市早稻种植范围持续扩大，与2019年早稻分布范围相比，2020年和2021年新增早稻种植范围主要分布在河流两岸；(3)相对于2019年，2020年和2021年由早稻种植区转变为非粮种植区的面积主要集中在南渡河中下游的附城镇、南兴镇等地，主要改种的农作物是西瓜。利用多时相哨兵一号数据可以建立长时间序列、稳定、及时、免费的水稻种植监测系统，能够实现对岭南重要产粮区耕地“非粮化”的有效监测。     

MPSPNet和UNet网络下山东省高分辨耕地遥感提取

高分辨率遥感影像中耕地特征复杂，人工目视解译和传统的遥感影像分类方法提取能力有限，无法实现大范围的自动化高精度耕地提取。深度学习技术因具有较强的地物表达能力，在遥感影像信息自动提取方面表现出了优越的性能，为大范围耕地的精细化自动提取提供了新的思路。探究不同典型网络模型在不同景观特征耕地提取上的适用情况对耕地提取质量和效率的提升具有重要意义。基于此，本研究以高分一号及高分二号融合的2 m分辨率数据为数据源，采用改进的金字塔场景解析网络MPSPNet(Modified Pyramid Scene Parsing Network)和UNet网络模型，应用于山东省的耕地精细自动化提取，并与传统面向对象的方法对比，探究两种深度卷积神经网络模型在大尺度耕地自动提取中的适用性。研究获得以下结论：（1） MPSPNet模型和UNet模型在区/县尺度的耕地提取上性能优于传统的面向对象的分类方法，在全省尺度的耕地提取上总体精度优于90%且无明显差异。（2）耕地景观特征是影响两模型耕地提取效果的重要因素，模型的选择对耕地提取效果无明显影响。在耕地景观指数较低的地块规则平整的区域，模型提取效果较好，在耕地景观...     

基于深度学习技术的贵州省耕地占用遥感监测

贵州省耕地资源相对有限,播面增长空间小,耕地占用对区域农业生产和粮食安全产生了重要影响。及时监测土地占用,对农田保护、减小损失具有重要的意义。遥感技术可以在耕地占用监测中发挥重要作用,然而由于地表结构的复杂性,高精度的耕地占用监测面临较大困难。为提高监测精度,本文研究使用深度学习技术来监测贵州全省的耕地占用情况。首先,利用多类型、高频次的高分辨率卫星影像,获取贵州省全域范围内的大量样本,据此挖掘遥感图像中的耕地占用信息;然后,联合使用卷积神经网络和循环神经网络,构建耕地变化监测深度学习网络模型,从遥感图像的光谱、空间和时相信息中提取耕地变化情况;最后,选取典型区域对监测结果进行了精度验证。结果表明,该方法可快速监测出贵州省占用耕地区域,为相关部门提供决策参考和监管手段。     

植被指数在“北京一号”数据耕地提取中的应用研究

本文旨在研究探讨适合我国最新发射的高性能对地观测"北京一号"小卫星影像中耕地提取方法。通过分析"北京一号"小卫星数据的波段特征,以山东曲阜多光谱图像为试验数据,计算典型的6种植被指数,在Erdas中建立模型,进行了耕地提取试验,并以灰度图像融合数据人工判读的结果作为参考数据,进行了精度评定。将适合"北京一号"小卫星数据的最佳植被指数提取模型应用于整个山东省的耕地提取中,得到修正植被指数提取模型,从而在"北京一号"小卫星数据耕地提取应用领域做了有效尝试。     

“三调”成果数据引导的耕地“非农化”遥感监测

为准确提取耕地“非农化”的变化信息,实现耕地“非农化”遥感监测,提出一种“三调”成果引导的耕地“非农化”遥感监测方法。先从前时相的矢量数据抽取矢量边界、类别属性等先验信息;进行超像素分割,提取像斑的光谱和纹理特征;在先验信息引导下,利用同质性特征分析、异常检测的方法自动筛选样本,利用影像特征差异分析的方法确定最优影像特征;针对不同的耕地变化类型,选择最优影像特征,结合支持向量机分类实现耕地“非农化”区域检测。在河北省选取两块区域进行实验,结果表明,该文方法在已有成果数据的引导下,能够有效检测出耕地“非农化”区域,总体检测精度均在97%以上。     

基于多源高分辨率遥感影像的典型自然资源要素提取

利用高分辨率遥感数据具有高空间分辨率的特性,本文以青海省西宁市0.3和1 m多源高分辨遥感影像为数据源,基于卷积神经网络深度学习算法进行典型自然资源要素提取。结果表明,0.3 m遥感影像提取耕地、林地准确率均在85%以上,召回率在89%以上;1 m遥感影像提取耕地林地准确率在90%以上,召回率在91%以上,研究成果可用于西宁市自然资源典型要素智能提取。     

基于地理国情普查成果的新增耕地利用状况分析——以洞庭湖生态经济区为例

洞庭湖生态经济区是我国重要的商品粮基地和水稻种植区.多年来,国土部门在洞庭湖区实施了“环洞庭湖基本农田建设”等一系列土地开发整理工程,新增了大量的耕地.本文以地理国情普查数据为基础,结合土地年度变更数据、土地开发整理项目区分布数据和最新遥感影像,基本查明了2010年以来新增耕地的利用状况和耕作程度.研究表明,研究区土地开发整理项目区耕地总面积202378.97hm2,实际用于农作物种植的耕地169656.04hm2,农作物种植率83.83％;用于农业结构调整的耕地181720.07 hm2,占耕地总面积的5.96％;不规范利用耕地20658.907hm2,占耕地总面积的10.27％.岳阳市的实际耕作程度最高,益阳市和常德市的农业结构调整程度明显高于岳阳市;岳阳市的耕地抛荒撂荒率最高,适于作为耕地轮作休耕制度试点区域.     

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...     

融合Deep-ResUnet和PS-InSAR的城市道路网形变灾害监测方法——以合肥市为例

针对城市道路网变形监测存在的高分辨率影像获取难、道路人工提取效率低、传统变形监测工作量大等难题,本文提出了一种基于融合Deep-ResUnet和PS-InSAR的城市道路网形变监测方法。主要思路为：首先对目标区的哨兵-1A(Sentinel-1A)影像数据进行伪彩色变换建立道路数据集;然后训练深度残差网络(Deep-ResUnet)模型并对道路网栅格进行提取;最后利用永久散射体干涉测量(PS-InSAR)技术获取PS点形变信息与道路网栅格融合。研究结果表明,Sentinel-1A影像经过伪彩色处理后,能提高城市道路网提取的完整性,交并比提高6%～9%,道路提取精度平均提高10%左右,得到的城市道路网形变信息专题图能为城市道路变形监测和健康状况评估提供科学依据。     

基于深度学习方法的耕地违建自动提取

耕地是粮食安全的根基所在,而随着我国城镇化的推进,农村违法占用耕地问题逐渐普遍化.加强对农村耕地的违建监测并制定应对措施是有效制止耕地蚕食现象的前提.借助深度学习技术,提出了一种基于前期耕地矢量的建筑物变化检测方法.首先利用已有国情矢量和影像数据制作建筑物专题样本;然后利用U-Net网络进行建筑物提取的模型训练,借助O...     

黑龙江省耕地及后备资源利用战略研究

我国耕地面积不断减少,耕地保护及粮食安全形势日趋严峻,如何开展耕地及后备资源利用保护成为战略重点。本文以黑龙江省为研究区,以2014年土地利用变更调查数据为主要数据源,结合国家经济社会发展态势、地理区位特征,对耕地及后备资源现状、利用特点进行分析,并对开发利用战略目标、主要指标、布局、战略重点及保障措施进行研究,以全面落实战略需求,对实现国家耕地保护及粮食安全保障具有重要的战略意义。     

土地利用动态遥感监测图整饰方法的设计

土地利用动态遥感监测 ,主要是对耕地以及建设用地等土地利用变化情况进行定期监测 ,为国家宏观决策提供比较可靠、准确的土地利用变化依据 ;以土地变更调查数据、图件为本底 ,利用遥感图像的处理与识别技术 ,从遥感图像上提取变化信息 ,标注有关土地利用及其变化特征等要素 ,制作成动态遥感监测图。针对土地利用动态遥感监测项目要求 ,论述了具体的整饰方法     

一种基于差异注意力的广西耕地“非粮化”提取研究

针对当前耕地“非粮化”监测任务重、传统自动提取方法应用于耕地“非粮化”业务难度大的问题，该文以广西壮族自治区为研究区域，研究深度学习遥感变化检测应用于耕地“非粮化”变化自动提取的可行性，提出基于余弦相似度的差异注意力模块以增强变化内容的特征表示，面向业务应用权衡不同分类阈值下召回率与精确率的优劣。经实验验证，该文模型的召回率、精确率分别约为78%与73%;相较基线方法，该文差异注意力模块可提升约3%的精度；在业务应用中，选择适当的模型分类阈值能够以仅25%的额外核查工作换取1.41%的召回率提升。实验结果表明了深度学习遥感变化检测用于耕地“非粮化”自动提取业务的可行性，为大范围耕地“非粮化”监测的业务应用提供了参考。     

基于多源多时相遥感数据的秋季菜田监测与分析——以北京市大兴区为例

根据北方蔬菜种植生育期特点,选择7~8月份的高分1号(GF1)融合影像、10月份的16 m宽覆盖的GF1影像以及8月份Rapid Eye融合影像,结合耕地本底数据开展提取秋季菜田信息的技术流程研究,并对2013年和2014年大兴区秋季菜田进行了动态监测,同时结合气象等数据分析其时空分布规律和变化原因。     

基于多源数据融合的基础地理信息数据动态更新

基础地理信息数据为自然资源调查监测提供了有效的地理数据框架和本底数据,为自然资源管理"两统一"职责提供了基础保障.为了解决因地理信息数据的多样性差异而导致的融合效率低下问题,提出了一种一体化动态更新方法.采用统一的数据库模板、提取规格、提取流程和融合入库标准,利用一体化的生产平台对地理信息数据的动态更新进行了研究,极大...     

耕地现状动态监测技术体系研究——以深圳市为例

耕地是我国最宝贵的自然资源之一.我国实施了最严格的耕地保护制度,如何对耕地现状进行精细化监测,是当下耕地保护和监管所面临的研究课题.本文通过研究耕地现状动态监测技术体系,探索建立耕地现状动态监测技术流程、数据库标准、耕地现状分类系统、解译标志、地物最小采集标准和动态监测更新机制,并对耕地现状破坏程度进行分析以及对监测结果精度进行验证,提出了建立基于遥感的耕地现状动态监测技术理论和方法,为实现耕地动态监测和精细化管理提供理论和技术参考.     

基于知识的GlobeLand30耕地数据质量检查方法与工程实践

全球地表覆盖数据产品GlobeLand30研制的一项重要任务是设计和研发数据质量检查方法,降低地表覆盖10大类型分类提取的错判率与漏判率.本文以耕地为例,分析了影响全球耕地信息提取的主要质量因素,凝练了耕地的地域分布、人文相关知识、时空稳定性、物候特征等方面的知识,构建了基于知识的数据质量检查规则,设计了由整体到局部、分区域检查与修改交互式处理的策略,形成了一种基于知识的全球耕地数据质量检查方法;并利用该方法开展了GlobeLand30耕地数据质量检查,将耕地数据精度提高到了83.06%.该方法对地理国情及其他地表覆盖研究具有借鉴意义.