利用夏玉米端元丰度估算夏玉米种植面积的研究

以河南省鹤壁市为研究区,以FY3/MERSI数据为主要遥感信息源,采用基于光谱匹配的自适应最佳端元组合混合像元分解方法提取夏玉米端元丰度值,构建像元中夏玉米端元丰度值和夏玉米种植面积百分比值之间多种方程形式的回归模型,综合模型建立时的相关系数、显著性水平和验证样点的均方根误差情况,选择立方模型对研究区夏玉米种植面积进行估算。经验证,遥感估算的夏玉米种植面积精度为97.1%,位置精度为82.5%。研究结果可为采用中低空间分辨率遥感数据在种植结构复杂地区准确估算大范围作物的种植面积提供科学基础。     

利用混合像元分解结合SVM提取城市绿地

从遥感图像提取城市绿地是准确获取城市绿地空间分布的基础。然而由于混合像元的存在,导致城市遥感分类精度不高。因此,利用混合像元分解结合SVM（支持向量机）法提取北京市TM图像城市绿地,并与决策树法比较,研究提高遥感提取城市绿地精度的方法。结果表明,该方法较适合复杂高维空间,对样本选取的准确性没有那么苛刻,可有效地处理城市遥感图像存在的混合像元问题,可较准确地提取城市绿地信息,其精度在92%以上,优于决策树法。     

基于线性光谱混合模型的油菜种植面积遥感监测方法研究

利用中低分辨率卫星影像进行油菜面积提取时,需要考虑混合像元产生的影响,以提高面积提取的精度。本文以2009年湖北省潜江市油菜种植面积为例,利用中巴地球资源卫星(CBERS-02B)遥感影像,选取线性光谱混合模型进行油菜种植面积的分解计算研究,将结果与基于GVG(GPS、VIDEO、GIS)农情采样系统得到的结果进行对比分析,面积提取精度为97.43%。表明线性光谱混合模型能够高精度地提取油菜的种植面积,不失为一种很好的监测油菜种植面积方法。     

遥感湖泊面积MTMF提取方法及空间尺度效应研究

主要研究遥感湖泊面积亚像元分解提取方法和空间尺度效应,为遥感湖泊面积提取、检验及基于此的局地气候变化分析提供科学的基础数据。在对TM遥感数据进行升尺度处理的基础上,采用混合调制匹配滤波(Mixture Tuned Matched Filtering,MTMF)进行亚像元分解,得到不同空间分辨率的湖泊面积。进而分析不同面积湖泊随遥感空间尺度的变化。结果表明:(1)当通过对高空间分辨率的遥感数据重采样获取多尺度遥感影像进行湖泊面积提取及湖泊空间尺度效应分析时,采用最近邻法比像元聚合重采样法更合理。(2)MTMF亚像元分解法可以用于基于水体光谱特征的遥感湖泊边界提取和面积计算,但边界提取过程中容易将湖泊与河流或其他非湖泊的水体混淆。(3)遥感湖泊面积的提取结果受所用遥感影像空间分辨率的影响较大,影像的空间分辨率越低,湖泊面积提取的偏差越大,尤其对面积较小的湖泊。     

基于光谱和时相特征的夏玉米遥感识别

精确提取作物种植面积一直是农业遥感关注的主要问题之一。综合运用低分辨率的时相变化特征和中分辨率的光谱特征,提出一种夏玉米识别方法。首先基于MODIS NDVI时间序列曲线,分析夏玉米在时相变化上的识别特征,构建识别模型。夏玉米纯像元利用识别模型识别,而耕地和非耕地类型的植被产生的混合像元,则基于像元分解办法获取耕地组分的NDVI时序特征,再利用识别模型判定,然后结合土地利用数据根据空间关系得到中分辨率结果;玉米与其他作物的混合像元则利用中分辨率尺度光谱差异加以区分。研究结果表明,在伊洛河流域主要农业区,识别精度达到90.33%,为作物类型识别提供了新的思路。     

基于混合像元分解和双边界提取的湖泊面积变化监测

如何通过充分考虑地物复杂性和地域时间限制,提高混合像元分解算法的精度和普适性,是目前基于中低分辨率遥感数据进行湖泊面积监测所面临的主要问题。针对问题,提出了一种结合双边界提取和混合象元分解的高效算法,最后基于AVHRR数据对中国东北,内蒙古地区的湖泊面积变化进行遥感监测,验证了算法的高精度和可行性。     

基于光谱归一化的变组分光谱混合分析(NMESMA)方法及其应用

混合像元问题在低、中分辨率遥感图像中尤为突出,混合像元的存在不仅会影响地物识别和图像分类精度,也是遥感科学向定量化发展的主要障碍之一。因此,遥感图像混合像元分解及其地表覆盖信息的定量提取是近年来研究的热点。针对城市土地覆盖信息的定量提取问题,利用中等分辨率遥感图像(Landsat TM),集成光谱归一化与变组分光谱混合分析(NMESMA)的方法,基于植被-非渗透表面-土壤(V\|I\|S)模型,定量提取研究区植被、土壤和非渗透表面3类土地覆盖的定量信息,并与固定组分的光谱混合分析(LSMA)分解结果进行对比分析。结果表明:基于光谱归一化的变组分光谱混合分析(NMESMA)方法获得的精度高于传统固定组分的光谱混合分析(LSMA)结果,可有效解决光谱异质性较高的城市区域的混合像元问题,为有效提取城市地表覆盖信息,研究城市生态环境变化和模拟分析,提供了有效的信息提取方法。     

基于谐波分析和线性光谱模型的耕地信息提取

耕地是重要的农业资源,如何利用遥感技术快速准确地提取耕地信息是目前研究的热点。利用2000年MODIS/EVI时间序列数据提取关中地区耕地资源信息。以不同地类的EVI时间序列数据年内变化差异为分类依据,采用时间序列谐波分析法对全年时间谱EVI数据进行重构分析,减少噪音对信息提取的影响。经最小噪声分离变换(MNF变换)、纯净像元指数(PPI)计算以及N维可视化工具进行人机交互选取植被、耕地、城镇和水体4种端元,基于线性光谱混合模型,获取该地区耕地资源分布信息。通过与同年1∶10万土地利用数据对比验证,本研究提取的耕地总体精度为83%。研究表明：基于时间序列谐波分析法对EVI数据进行重构,利用不同地类的特征差异,采用混合像元分解的方法,可以精确获取耕地资源定量信息。该方法可为长期、大范围、动态的耕地分布和变化遥感监测提供技术参考,同时为国土资源管理部门提供决策支持。     

基于混合像元分解的高光谱影像柑橘识别方法

为及时准确地监测柑橘种植信息,以江西省会昌县作为研究区,采用EO-1 Hyperion高光谱影像作为数据源,构建了基于混合像元分解的高光谱影像柑橘识别方法。首先,针对EO-1 Hyperion高光谱影像提供了242个波段,光谱范围广的特点,在波段选择、大气校正等预处理的基础上,提取研究区典型地物端元光谱曲线;然后,利用全约束线性光谱混合模型进行混合像元分解,提取出柑橘端元的丰度值,并通过对照高分遥感影像,构建柑橘端元丰度与柑橘实际种植的对应的关系。结果表明:由于典型地物端元提取中不可避免的误差及柑橘冠层覆盖度的差异,柑橘种植的准确识别与其柑橘端元丰度阈值存在对应关系。在经过反复试验的条件下,研究区柑橘端元丰度阈值设定在0.30~0.45范围之内,总精度达到90%以上,能够满足柑橘种植识别要求。     

一种高光谱遥感影像端元自动提取方法

针对人工样本选择和端元提取存在的不确定性和工作量大等缺点,提出一种集成非监督分类、纯净像元指数计算、线性光谱混合模型和凸面单形体理论的自动端元提取算法,能够有效地提取端元用于高光谱遥感影像分类和混合像元分解。利用北京昌平地区的OMIS高光谱遥感数据进行了验证,结果表明算法可行有效,自动化程度较高,作为训练样本进行分类能够获得较高精度,优于常规方法。     

二维散点-分类NDVI法的邛海湖面积估算研究

针对采用MODIS卫星遥感影像进行水体面积估算时存在大量混合像元的问题,提出了二维散点-分类NDVI法进行小面积水体的面积估算。方法在对250 m分辨率的MODIS第1、2波段数据二维可视化分析的基础上,选取目测即可区分的地物样本点集训练BP神经网络并对实验区像元进行分类判别,提取混合像元。应用线性光谱混合像元分解模型实现水体面积计算。对四川省邛海湖进行面积估算的结果表明,二维散点-分类NDVI法较其他的水体提取方法具有更好的适应性,在小面积水体定量计算上有更高的精度,适用于小型湖泊、水库等较小水体的实时监控。     

Normalized Cut与分水岭变换在高光谱影像混合像元端元提取中的应用

现有的遥感影像端元提取方法主要是从光谱特征角度提出,而结合空间信息的端元提取方法是近些年遥感影像混合像元分解的研究热点,为此使用图论的图像分割Normalized Cut与分水岭变换方法提出了一种改进的空间预处理模型用于高光谱遥感影像混合像元的端元提取。该方法在混合像元端元提取过程中不仅利用遥感影像的光谱信息而且引入了像元的空间位置信息,实验结果表明本文提出的端元提取方法与现有的方法相比提高了遥感影像的混合像元分解精度。     

中低分冬小麦分布提取模型效率的样本特征分析

中空间分辨率样本（简称中分样本）的数量、质量是决定中低分辨率复合识别模型效率的关键因素。以冬小麦为研究对象,中低分辨率影像结合构建支撑向量回归模型（Support Vector Regression, SVR）实现冬小麦的混合像元分解,提取出冬小麦的空间分布,定量分析中分样本数量、质量对识别精度的影响。结果表明：从样本数量上看,样本量为10%即可保证稳定的冬小麦精度,在典型冬小麦区的区域精度、像元精度达到98%、92%以上;从样本质量上看,识别精度随样本质量（达到60%即可获得较好的识别结果）增加而升高;对于非中分样本区的冬小麦,区域精度、像元精度也是随样本数量的增加而提高,在20%样本量下,区域精度和像元精度稳定在 97%、92%以上,表明该模型具有较强的空间泛化性能力,弥补了从低分影像上难以获取有效样本的不足。     

HJ星数据在关中冬小麦种植面积遥感监测中的应用 

应用冬小麦抽穗期的环境小卫星影像对关中地区依据行政区划划分,采用多种遥感监测方法进行冬小麦种植面积提取,提取精度达95.64%。结果表明:抽穗期是关中地区提取冬小麦种植面积的最佳时相,同时也表明环境小卫星可以用来监测大范围的冬小麦种植面积,并得到很高的精度。在未来的研究中,对于地形差异较大的地区,可依据地形和冬小麦的种植结构对研究区进行划分,针对每个子研究区采用不同的遥感监测方法以提高提取精度。     

针对ETM基于BP网络像元分解模型分类研究

限制遥感图像分类精度的一个主要原因是混合像元问题。因此像元分解也一直是遥感研究的一个热点问题。本针对传统像元分解方法的缺点，首先对影像进行纯净像元提取，再对混合像元进行分解。在提取纯净像元时，利用ETM影像的全色波段和单波段不同的分辨率选取训练样本，从而克服了传统像元分解中需要两种影像或地面实测资料的缺点。然后用BP神经网络对混合像元进行分解。同时用民乐县的ETM影像作了试验。又利用对应的土地利用图作了验证。取得了比较好的效果。     

利用高时空融合数据监测冬小麦收割过程

针对难以对农作物收割过程进行有效地遥感监测这一难题,采用时空数据融合模型重构出空间分辨率为30m,时间分辨率为1d的高时-空分辨率遥感数据对农作物收割进度进行监测。针对冬小麦收割前后NDVI变化呈现的线性特征,计算时序NDVI的曲率,通过曲率确定阈值进行收割信息提取。结果表明:采用面向对象的SVM分类方法提取研究区冬小麦种植信息,Kappa系数为0.901,面积误差为2.61%;时空数据融合模型的结果与真实影像间的相关系数为0.77(红波段)和0.78(近红外波段),能够较好地重构出冬小麦收割时期的影像;通过提取NDVI变化曲线曲率接近于0时的冬小麦NDVI值来确定阈值,实现了冬小麦收割过程信息的遥感提取。     

基于TM影像的典型内陆淡水湿地水体提取研究

水是维系湿地生态系统稳定和健康的决定性因子,利用卫星遥感影像快速、准确地提取湿地水体信息已经成为湿地调查、研究与保护的重要手段。鉴于TM遥感影像具有较高的空间分辨率、波谱分辨率、极为丰富的信息量、较高的定位精度和相对较低的价格,其必然成为近一段时期湿地调查、研究与保护的重要数据源之一。研究基于TM遥感影像,运用多种方法针对典型内陆淡水湿地的水体信息进行了提取实验,通过对实验结果的分析得出：在面积的准确性、提取的准确度以及视觉效果3种指标下,光谱分类法较其它方法效果要好,其次为单波段阈值分析法与植被指数法,较差的是多波段谱间关系法与水体指数法;影响提取效果的主要原因是湿地水体提取不够完全,这是由影像的分辨率及湿地特殊的水文条件所造成的,采用像元分解及多源遥感数据融合技术将成为提高水体提取精度的重要手段。     

南方丘陵地区水稻种植面积遥感信息提取的可行性分析*

以浙江省为试验区,在地理信息系统支持下综合利用多种地理信息,探讨丘陵地区大面积提取水稻种植面积信息的可行性。开展了分类识别方法的比较试验及训练样点相对稳定性试验。针对丘陵地区的复杂地形,在数字化地形图的基础上,建立数字地形模型(DTM),并衍生出地面坡度等地貌因子的数字化图像,结合NOAA/AVHRR数据,进行分类。试验结果表明,传统的分类识别方法中,最大似然法的分类精度可满足业务化运行的要求;建立在混合像元分解基础上的模糊监督分类,有较高的分类精度和较好的稳定性,具有较强的适应性;地貌因子参与遥感影像的分类,不仅可以有效地提高丘陵地区水稻种植面积信息的提取精度,而且还可以使面积信息提取精度保持一定的稳定性,提高空间精度;为探讨丘陵地区水稻种植面积信息遥感提取的可靠性和客观性,在训练样点保持相对稳定的前提下,对1996年和1997年浙江省水稻种植面积进行测算,两年的数量精度均在92%以上。     

多时相影像的冬小麦种植面积提取及估产

针对多时相影像的农作物种植面积难以实现统一精确提取、不能高效地进行遥感估产研究的问题,以河南省濮阳市为研究区,基于Landsat TM影像,采用基于伪不变特征的相对辐射校正方法,在深入分析濮阳市内6类典型地物光谱的基础上,构建决策树提取冬小麦种植面积。然后,基于MODIS植被指数产品,结合相应年份统计数据进行植被指数校正,分别利用校正后关键生育期的归一化植被指数累计值和增强型植被指数累计值与冬小麦产量进行回归分析,建立冬小麦产量预测模型,利用2011年的产量进行验证。结果表明:各年份冬小麦的提取面积精度均在96.3%以上,利用归一化植被指数和增强型植被指数构建的估产模型,R2分别为0.834和0.926,估产精度分别为95.36%和96.44%。该研究可为市域冬小麦种植区的统一高效提取以及冬小麦产量预测提供参考。     

基于多时相HJ卫星的冬小麦面积提取

我国环境与灾害监测预报小卫星HJ-1A/B具有较高的时间和空间分辨率,在作物种植面积提取和长势监测等方面具有较大优势。本文以江苏省姜堰市为研究区,根据冬小麦的物候规律和季相节律的差异性,选取返青期和拔节期两个生育期的HJ卫星影像,借鉴分层信息提取法原理,综合利用监督分类和非监督分类法,结合人机交互目视解译和实地定位调查等资料提取了姜堰市的冬小麦种植面积,总体面积提取精度达到90.22%,样点空间匹配精度为81.25%,实验基地空间匹配精度为80.34%。结果表明：HJ卫星能够用于提取南方地区冬小麦种植面积和长势监测,满足农情监测的需要,且利用多时相遥感影像能有效地增加信息量,实现信息互补,有助于提高监测精度。