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.     

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Sentinel-2数据的农作物空间种植结构提取研究

以Sentinel-2数据为影像数据源,以全国30 m土地利用类型遥感监测数据中的耕地作为农作物空间种植结构提取的基础数据,以县域为尺度,采用多尺度分割结合面向对象的分类方法,对桦南县主要农作物(玉米、大豆、水稻)进行空间种植结构提取研究。结果表明：桦南县2020年玉米种植1.31万hm²,大豆种植0.72万hm²,水稻种植0.64万hm²,主要农作物的总体分类精度为95.22%,Kappa系数为0.89。该方法可以为县域农作物种植结构监测及调整提供技术支撑。     

利用无人机遥感监测农作物种植面积

南方平原耕地具有地块破碎、农作物种植品种多且空间分布混杂程度高等特点,运用传统的遥感技术方法精确监测农作物面积较为困难。无人机航拍具有拍摄时间灵活、空间分辨率高、成本低等优势,为解决这一难题提供了有利途径。本文通过地面样地调查,获取杭州市余杭区瓶窑镇农作物样地的位置及种植品种数据,利用面向对象的多尺度分割方法与随机森林的分类方法对无人机航拍数据进行分割、分类,深入挖掘高分辨率遥感数据信息,用于提取农作物种植品种及其空间分布信息,实现高精度的农作物种植面积遥感监测,推进无人机遥感在农业中的深入应用,提高农业遥感应用效益。     

月尺度农作物提取中GF-1 WFV纹理特征的应用及分析

农作物种植结构包含农作物种类、数量结构和空间分布特征等信息,是农业科学管理的基础.在不考虑农作物时间序列最佳窗口期的前提下,以石津灌区为研究区,基于高分一号(GF-1)WFV影像计算并分析纹理特征在农作物分类识别中的能力.并在纹理特征分类效果相对较差的时相内引入植被指数,从而弥补纹理在农作物表达上的缺陷.经过对比各组分...     

遥感自动解译在农作物种植结构调查中的应用

农作物遥感分类识别中应用遥感解译和地理信息等技术手段,为农作物种植结构调查工作奠定了基础。在每年度的高分辨率遥感影像的基础上,按照统一的技术标准,在自动解译分类的基础上辅以人工,快速获得每年度主要的农作物耕地图斑,完成本年度的农作物种植结构调查工作。遥感技术的应用加快了农作物种植结构调查各个环节的数据流动,提高解译准确率,数据的采集精度和时效性都要比以往的效果更好,可为有效落实耕地轮作休耕等政策提供技术和数据支持。本文以逊克县为试验区,针对当前农作物分类工作过程中应当注意的问题进行分析与整理,总结经验和方法,更好地将遥感技术应用到农作物种植结构调查工作中去。     

省域冬小麦种植面积监测分析方法与应用

提出一种面向省域的冬小麦种植图斑提取技术和多维度多视角的综合统计分析方法,能够快速准确地提取大范围冬小麦种植图斑及其在行政区划、地形地貌、土地利用类型、基本农田、粮食产能区空间的分布特征,可为全省农作物种植优化布局、粮食估产与安全、土地开发利用、生态建设等提供空间决策支撑。     

基础空间信息系统的规划与建设

本对基础空间地理信息系统的规划和建设中，系统平台、数据库、数据库引擎选择，以及在基础空间系统建设过程中系统所包括的数据和系统功能作出介绍，并列举了基础数据的内容和基础空间系统的功能。     

基于DotNetBar及ArcEngine的供水管网地理信息系统

以Microsoft Visual Studio 2010为开发工具,以DotNetBar和ArcEngine 10.1为开发组件,设计并实现了一套原型ArcGIS供水管网地理信息系统。该系统具有图形基础操作、空间选择、空间编辑、空间分析等基本功能,用户还可根据自身需求进行相应的功能裁剪,可为城镇地区供水管网的智能化、网络化设计与更新提供软件支持。     

基于地理国情数据的黑龙江省农产品主产区空间格局变化监测研究

选取黑龙江省松嫩平原、三江平原为研究区,基于基础性地理国情监测数据,经济社会发展专题资料,分析种植土地、林草覆盖等空间分布及其变化情况,非农用地农作物种植分布、污染企业分布等基本情况。结合地形地势、水源分布等自然因素,以及政策、人口、市场等社会经济因素,对种植结构变化、粮食安全预警和粮食价格变化等因素开展综合分析研究。     

冬小麦种植空间区划研究

随着人口的逐渐增多,人们对粮食的需求量加大。冬小麦作为世界上主要农作物之一,对其进行研究具有重要意义。针对以往对冬小麦进行研究没有考虑到物候期差异的情况,本文利用温度数据对冬小麦种植空间区划进行研究,首先利用气温点状矢量数据进行插值,然后对其进行分类整理得到华北地区冬小麦种植空间区划结果。插值过程中利用了趋势面插值法、样条函数法、反距离权重插值法、自然邻域法和克里金插值法,通过实验分析得出克里金插值法的结果比较理想,选择此结果划分区划,并且证明了它适用于区域变量存在空间相关性的点状矢量数据。     

利用Sentinel-2A数据提取长江中下游丘陵地带农作物种植信息

长江中下游丘陵地带地块细小破碎、种植结构复杂,导致作物遥感光谱特征相互纠缠,信息精确提取困难等。本文基于Sentinel-2A数据提出了多特征组合优化的丘陵地带农作物种植结构精确识别方法。首先获取研究区内主要农作物的关键物候特征信息;然后计算其光谱特征、纹理特征、地形特征值,构建原始特征集;最后采用随机森林方法对特征进行重要性排序,对原始特征集进行特征变量优化,并选择优化后的组合特征进行监督分类提取出研究区农作物信息。试验结果表明,相较于单变量特征,通过多特征优化组合分类总体精度和Kappa系数分别从80.4%和0.748提高到96.3%和0.954,有效地提高了南方丘陵地带农作物分类精度,算法稳定性较强。在南方丘陵地带农作物的识别过程中,进行特征变量优化后的地形特征与纹理特征能显著提高分类精度。     

基于物候差和多时相影像的耕地种植结构遥感调查——以唐山玉田为例

为减少利用遥感光谱特征解译农作物过程中样本选取的主观性误差,同时克服现场调研样本数据不充分的不足。该文基于玉田县物候特征,选择研究所需4个遥感时相,进而结合4时相中耕地地表覆盖状态(绿地和裸地)以及4时相叠置后绿地、裸地的地类组合特征,建立农作物解译标志,从而提取主要的农作物种植结构信息。根据该方法提取的研究区主要作物冬小麦、夏玉米和大白菜的面积与统计数据的相对误差分别为4.01%、3.25%和4.16%,且空间分布符合与实际情况;提取结果总体精度和Kappa系数分别为86.19%和0.83。     

基于GIS的主要农作物病虫害气象等级预报系统研究

为了将农作物病虫害气象等级预报能力扩展到更大空间尺度,根据相邻和相近农作物种植区域的一致性,进行农作物病虫害预报模型区域化应用和拓展。建立了气象等级划分标准,在Oracle农业气象数据库和地理空间数据库的支持下,采用Visual Basic.NET和GIS组件,设计并实现了基于地理空间信息的主要农作物病虫害气象等级预报系统。该系统可对北方草原蝗虫、东北玉米螟、江南稻飞虱、黄淮棉铃虫、黄淮小麦条锈病、江淮江汉小麦赤霉病和西南地区水稻稻瘟病7大类主要作物病虫害发生发展气象等级进行实时预报,取得了较好效果。     

多时相无人机影像的烟草轮作精细监测

针对大区域烟草轮作监测缺乏有效手段的问题,文章提出了基于无人机摄影测量技术进行高精度烟草轮作种植情况的监测方法:首先基于两个时相的无人机遥感影像分别生成数字正射影像;然后通过人工解译获取两个时相的烟田空间分布图;最后利用地理信息系统空间分析功能对两个时相的烟田空间分布图进行处理获取烟草轮作信息。在山东省临沂市的两个乡镇开展了应用,取得了良好的示范效果,对农作物轮作监测有参考价值。     

中国农情遥感速报系统

介绍了中国农情遥感速报系统的建设情况 ,系统内容包括农作物长势监测、农作物种植面积监测、农作物单产预测与粮食产量估算、作物时空结构监测和粮食供需平衡预警等。简要介绍了 1998年以来中国农情遥感速报系统在监测内容与监测范围、监测频率、技术发展以及质量控制与过程检验体系建立等方面的进展 ,并就中国农情遥感速报系统的发展方向提出了展望。     

多时相遥感影像的甘蔗种植范围提取

针对利用遥感技术提取农作物种植范围容易混淆其他植被类型的难题，提出一种基于生长关键物候期原理的农作物种植范围提取方法。该方法利用目标农作物在时间序列归一化植被指数(NDVI)上的数值变化确定其关键物候期，采用关键物候期植被指数的差值作为主要提取指标，统计分析各类型样本图斑指标特征值，确定用于提取目标农作物种植范围的指标阈值，采用决策树分类方法提取出种植范围。该文以我国南方甘蔗种植区为研究对象，结果表明：该方法充分利用了农作物生长规律特征，增强了目标农作物与其他地表覆盖类型的可分性，单纯自动化提取结果精度达87.53%,能够满足总体掌握农作物种植范围的需要，可为农作物种植范围提取提供参考。     

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。     

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。     

基于Google Earth技术的三维虚拟校园系统

以郑州大学新校区为例,选择ArcEngine作为开发平台,基于Geodatebase数据库、Google Earth技术及其SketchUp三维建模软件,建立了三维虚拟校园系统,具有校园基础地理信息查询、三维显示及空间分析等功能。