面向对象的特色农作物种植遥感调查方法研究

宁夏自治区具有土地、光能、引黄灌溉等优势,为宁夏特色农作物（硒砂瓜、枸杞、大枣）的生长提供了先天条件。快速准确地获取特色农作物的种植信息不仅是宁夏特色农作物监测、估产和灾害评估的重要依据,同时也是分析特色农作物结构分布变化和评价区域特色农业生产影响的重要凭证。近年来,随着航天技术和卫星传感器的不断发展,越来越多的学者将遥感技术运用到农作物种植信息的提取研究中。但是传统的遥感调查模型都是基于中低分辨遥感数据建立的,对于新的高分数据没有完备的信息提取模型。此外,基于GF-1遥感影像对类似宁夏特色农作物（硒砂瓜、枸杞、大枣）的信息提取研究相对较少,决策条件和分类模型的选择也难以满足高分农业的需求。基于此,本文利用国产GF-1 PMS遥感影像,在分析3类特色农作物光谱特征和纹理特征的基础上,建立了面向对象的支持向量机（SVM）分类模型,总体分类精度达到94.94%,Kappa系数为0.9174。同时将分类结果与传统的SVM分类结果相比较,研究发现面向对象的SVM模型的精度更高,效果最好,纹理信息的引入使光谱特征差异较小的枸杞和大枣更容易区分,有效降低了模型错分和漏分误差,改善了模型分类结果。研究结果为实现宁夏特色农作物的快速自动化提取提供了有效途径,也为开展农作物承保和受灾定损评估体系建设提供技术支撑。     

机载冰雷达原始数据质量监测系统及其应用进展

高水平的研究都需要基于精准的原始数据,如何克服极地恶劣环境的影响提升原始数据采集的鲁棒性,是南极科学考察中一项极富挑战的工作,这些原始数据将会直接影响后续一系列重要科研成果。由于意识到原始数据质量监测过程的重要性,冰桥计划和雪鹰601中都采用了相应的数据质量监测方案,在一定程度上提升了机载冰雷达数据采集和运输过程中原始数据的完整性和安全性。然而,脱离数据本质的质量监测成效甚微,若要有效提升机载冰雷达数据质量,一方面需要从机载冰雷达数据特征入手进行监测;另一方面需要结合同时采集的多源数据,通过构建时空维度的全方位监管,展开对关联原始数据质量控制的研究,才能在全生命周期有效保障原始数据的安全。