利用面向对象分类方法提取冬小麦种植面积的研究

应用陆地卫星TM数据和遥感图像处理软件eCognition5.0和ENVI4.3软件,以面向对象的方法和监督分类波谱角法分别提取泰安市2005年冬小麦种植面积及其分布信息。逐像素分类的结果存在"椒盐"效应,而且很难克服同物异谱、同谱异物现象,面向对象的分类方法可以有效的集成专家知识和各种辅助数据,克服逐像素分类的弊端。分类结果表明,利用面向对象的分类方法可以获得比传统的像素级分类方法更高的分类精度,为冬小麦种植面积的自动提取提供了广阔的前景。     

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。     

高分六号影像不透水面提取研究

针对高空间分辨率卫星影像空间分辨率高、波段较少这一特点,该文以高分六号多光谱影像为数据源,通过分析各类地物的光谱特征曲线,建立了一种新指数。该指数通过增强植被和裸土信息,抑制不透水面信息来扩大不透水面和植被、裸土的差异,实现对不透水面的分离提取。验证阶段将该指数用于天津市河西区和河北省易县中心城区,并将提取结果与垂直不透水面指数(PISI)、比值居民地指数(RRI)的提取结果进行对比。结果表明：该方法在河西区和易县的提取效果都要优于PISI和RRI,并且两块实验区提取结果的总体精度分别为94.0%和91.7%,具有一定的稳定性。     

FY-3250m分辨率数据的华北平原冬小麦提取

冬小麦是中国最主要的粮食作物之一,利用遥感技术提取冬小麦种植区是遥感应用研究的一个重要方向。2008年以来发射的系列风云三号(FY-3)卫星均携带着中分辨率光谱成像仪(MERSI),该传感器有5个250 m分辨率的波段,波段范围包括可见光、近红外和热红外,观测数据包含丰富的地表信息,为大范围冬小麦种植区提取提供了新的数据源。首先,选取生长季前期多幅高质量的MERSI数据,采用分层提取的方法,对于不同的层次选用与待提取类别最为敏感的特征波段来构建相应的决策树,从而将每一幅影像中冬小麦种植区提取出来,然后,将多幅数据融合为一幅生长季内的冬小麦种植区图。最后,使用野外实地调查的数据进行精度验证,面积提取精度为90.8%。结果表明,在春季返青后,即可做出当季冬小麦种植分布图,为农情监测提供及时的信息支撑。     

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。     

以地块分类为核心的冬小麦种植面积遥感估算

以提高冬小麦种植面积估算精度为目标,选取种植结构复杂的都市农业区,采用QuickBird影像数字化农田地块边界,以多时相TM影像为核心数据源,以地块为基本分类单元,进行不同特征向量组合、不同分类器的冬小麦地块分类方法研究,并对比分析了基于地块分类和基于像元分类的冬小麦种植面积估算精度。研究结果表明,基于地块分类的冬小麦种植面积估算方法的总量精度和位置精度均高于像元分类;植被指数和纹理信息的引入有助于进一步提高地块分类精度;支持向量机与最大似然均能得到高达97%的总量精度和90%的位置精度,支持向量机地块分类所需的训练样本量远低于最大似然,因此支持向量机更加适合于冬小麦地块分类;冬小麦错分与漏分情况大多发生在细碎地块,其面积总量较小,而大地块错分和漏分较少,因此相对于像元分类,地块分类能在整个区域能得到较高的冬小麦位置精度和总量精度。     

基于决策树的县域冬小麦种植面积提取

为获取较精确的县域范围内小麦种植区面积,利用空间分辨率较高的Landsat卫星遥感影像和DEM数据,以河北省唐山市玉田县为例,采用决策树方法对地物进行分类,提取了2004年、2009年、2014年的冬小麦种植面积;并根据分类结果生成各年份玉田县的小麦种植信息结果图,分析了近10 a玉田县冬小麦种植面积变化情况。     

MODIS与TM冬小麦种植面积遥感测量一致性研究——小区域实验研究

针对大范围冬小麦种植面积遥感测量业务化运行中所存在的不同空间分辨率遥感影像的获取能力、空间分辨率与测量精度之间相互制约的现实问题,选择典型实验区,采取全覆盖的多时相低分辨率MODIS数据与中高分辨率TM样区数据相结合的方法,以支持向量机（SVM）为主要技术手段,通过选取不同比例的TM样本量,对MODIS进行混合像元分解,并对MODIS冬小麦测量结果与TM测量结果进行一致性分析,进而提出了一套可用于大范围冬小麦种植面积遥感测量业务化推广的识别和精度检验方法。研究结果表明：当TM样本量大于5%时,相对于TM识别结果而言,MODIS像元精度可以稳定在82%以上;当TM样本量大于40%时,区域精度可以稳定在97%。因此,从理论上讲,在实际业务化运行中,只要能够获得监测区40%的中高分辨率的影像,采用本研究提出的多尺度冬小麦种植面积测量方法,基本上可以满足业务化运行的精度要求。     

用NOAA气象卫星AVHRR的定量资料计算冬小麦种植面积的两种方法

本文提出了用NOAA气象卫星AVHRR的定量资料计算冬小麦种植面积的方法,即绿度指数法和单通道法。绿度指数法是根据冬小麦在特定生育期内绿度值基本上保持为常数的特点,用几块巳知样地的种植面积,推算整体种植面积;单通道法是只使用AVHRR第二通道的反照率来计算冬小麦种植面积。这两种方法的优点在于不需考虑大气削弱的订正处理问题,从而使计算得以简化。     

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。     

美国冬小麦产量遥感预测方法

介绍了依据时序遥感植被指数数据进行产量预测的方法。通过美国冬小麦产量的历史趋势分析去除趋势产量 ,得到气象产量。利用区域作物生长过程线 ,提取曲线的各个特征参数 ,并将各参数与气象产量的值进行相关分析 ,得到美国冬小麦产量遥感敏感因子 ,采用一次线性拟合的方法建立回归方程 ,估算当年的冬小麦产量。依据此方法对美国 2 0 0 3年各州的冬小麦单产进行了预测 ,并将最终的预测结果与美国农业统计局的数据进行了对比 ,两者间的误差在 - 11 4 2 %至 11 10 %之间 ,相关系数为 0 89。     

森林面积遥感估测研究

深入探讨了图像处理方法、分类原理等基本理论;依据研究区内植被的光谱特征,选择合适的遥感数据源并对数据进行预处理;通过对植被光谱特征、植被指数等关键因子的分析,选择特征提取的方法,进行了初步的计算机自动分类;根据分类结果,计算宣城市森林面积。不仅可以弥补人工实地调查中工作量大、调查周期长,资源数据速度慢、精度低等缺点,还可以发挥其信息量大、检测手段先进等优点,使得快速、准确地完成森林面积估算成为现实。     

基于有效区域自动判断的多幅遥感图像镶嵌方法

针对目前遥感图像镶嵌中存在的自动化程度低、接缝线去除效果差等问题,从有效区域出发对现有镶嵌技术进行改进。采用自动追踪法得到图像的有效区域,在此基础上进行多幅遥感图像镶嵌处理:在几何拼接阶段,用有效区域代替原始矩形图像参与图像拼接;在拼接缝消除阶段,用有效区域确定两幅图像的拼接线,采取整体色调调整和重叠区加权两个步骤消除接缝线;在多幅图像镶嵌时,对两幅待镶嵌图像的有效区域求并集,即是结果图像的有效区域,参与下一次的镶嵌计算。通过两组多幅遥感图像的镶嵌实验表明,该技术流程可以实现全自动的多幅图像匀光,处理后图像整体色调一致,不存在明显接缝线。     

高分辨率遥感影像建筑容积率提取方法研究

提出了一种基于建筑物阴影的高分辨率卫星遥感影像建筑物容积率提取方法。首先利用高分辨率遥感影像提取城市大范围建成区建筑物阴影,再通过阴影矢量化、阴影坐标转换,将大比例尺的卫星分幅图进行自动拼接,最终根据阴影与建筑物面积关系回归分析、建筑物朝向分析等进行建筑容积率的计算和半自动提取。对上海中心城区的建筑容积率的提取实验验证了所提方法的有效性。     

基于遥感数据与作物生长模型同化的冬小麦长势监测与估产方法研究

本文以LAI作为结合点，讨论了利用复合型混合演化（SCE—UA）算法实现CERES—Wheat模型与遥感数据同化的可行性。CERES—Wheat模型同化后主要生育期和产量的模拟值分别与真实条件下模型相应模拟值以及实测值进行比较。结果表明，同化后CERES—Wheat模型的模拟精度对LAI外部同化数据的误差并不十分敏感。并且在LAI同化数据较少时，也可获得较好的同化结果。这一特点体现了SCE—UA算法应用于同化过程的优越性，为同化策略在区域冬小麦长势监测及估产中的应用提供了基础。     

济南市遥感影像的水体信息提取方法研究

介绍了遥感影像融合技术,并对几种常见的遥感影像融合方法及其应用作了系统的阐述,以图像处理系统ERDAS为平台,利用济南市卫星遥感图像作为研究材料,讨论了ERDAS计算机图像处理的有关过程,研究了如何把水体从遥感图像中提取出来。结果表明：该提取水体的研究方法正确可行,可为地理信息专题制图提供重要的遥感基础信息。     

高分辨率遥感影像上居民地半自动提取研究

设计了一种基于3×3区域灰度方差纹理特征的高分辨率遥感影像居民地特征分析算法,通过高斯模糊处理提高影像上居民地区域纹理特征一致性的同时,加大了其同背景地物纹理特征值的差异,并设计了相应的居民地自适应分割阈值求取算法,提出了针对居民地与道路提取分离的骨架化分析算法。     

基于遥感影像的煤矿沉陷区水深反演研究

目前,用遥感研究水深多集中于沿海及内陆水域,煤矿塌陷地水深反演研究很少。本文以徐州九里塌陷湖为例,通过分析水深值与水体反射率的关系,得到各单因子的线性、非线性反演模型,经分析其误差相对较大;选取各水深分段内误差较小的因子,最终建立多元回归模型,其绝对误差、相对误差均优于单因子模型。     

基于GF1-NDVI时序影像对春小麦进行提取研究

利用传统方法对农作物种类、分布和种植面积等调查,需要耗费大量的人力、物力和财力。该研究以西宁市为研究区域,采用高分一号影像,对西宁市春小麦进行分类和提取模型设计。在全生育期波谱特征曲线分析基础上,提取春小麦的NDVI(归一化植被指数)曲线特征。采用基于NDVI阈值的决策分类技术,进行作物识别与提取。最后设计精度自检方案,通过混淆矩阵得出其总体精度达到93.8%,kappa系数为0.875。其用户精度和制图精度分别为93.7%和94.9%。从分类精度可以看出,利用中高分辨率遥感卫星影像,在作物NDVI时间序列变换规律分析的基础上,可以准确的进行大面积农作物的分类与提取。在全国农作物面积与农作物种类等资源调查中具有非常大的应用潜能。     

共轭面状特征的快速提取与遥感影像精确配准

使用数学形态学的"膨胀算子"对影像进行预处理,提出了一种改进的基于高斯拉普拉斯算子的面状特征提取和细化方法,并利用边界代数快速标注边界封闭的面状特征。在提取面状特征的基础上,利用奇异值分解算法,实现了基于面状质心的遥感影像匹配,进而完成精确配准。实验结果表明,与传统方法相比,此方法在速度与准确度上具有明显优势。