利用多时相HJ卫星CCD遥感影像提取嘉祥县秋收作物

作物种植面积对调整农业结构、制定区域粮食安全政策有着十分重要的意义。本文以山东省嘉祥县为研究区,利用3景不同时相的HJ卫星CCD遥感数据,结合野外调查样本,通过分析研究区主要秋收作物(玉米、棉花和水稻)在不同生育期的光谱特征和归一化植被指数(NDVI)的特点,对分类影像进行系列阈值分割、掩膜处理,最后利用决策树算法成功提取了山东省嘉祥县的玉米、棉花和水稻的种植面积,总体精度分别达到93.31%、89.41%、95.82%。     

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。     

基于GF-1影像的耕地地块破碎区水稻遥感提取

耕地地块破碎区水稻遥感提取是作物监测研究的热点问题之一。以苏州市高新区为例,通过挖掘关键物候期水稻与下垫面水体光谱特征组合差异,基于分蘖期与齐穗期两景16 m分辨率的GF-1 WFV数据,构建归一化差值植被指数（NDVI）差值法、归一化水体指数和比值植被指数（NDWI-RVI）差值法提取水稻分布,并深入探究了水稻面积提取精度及空间重合度影响因素。结果显示：与非监督分类和监督分类方法相比,植被指数差值法水稻识别精度贡献率可提升30%以上,NDVI差值法提取水稻种植面积的精度、空间重合度、制图总体精度和Kappa系数分别为86.2%、66.1%、92.2%和0.72;NDWI-RVI差值法上述指标分别高达95.5%、78.4%、93.5%和0.846,实现了利用少量中高分辨率遥感影像精确提取耕地地块破碎区水稻分布的目的,可实际服务于太湖地区农业生产及相关决策支持。     

地物大小、对象尺度、影像分辨率的关系分析

遥感数据的分辨率越来越高, 给地物信息提取提出了新的挑战。利用基于像元的分类技术和基于多尺度分割的面向对象分类技术对高分辨率影像进行分类实验, 分析地物大小、对象尺度与影像分辨率的关系。实验结果表明不同地物由于其空间尺度不同, 与之相适宜的空间分辨率和对象尺度也不同, 在适宜分辨率的影像提取有较高的精度, 在适宜的对象尺度上提取对象信息有更高的精度。分析也表明面向对象的多尺度影像分类技术适应了不同地物有其相适宜的空间分辨率, 在适宜尺度影像层中提取地物, 其分类精度大大高于基于像元的分类方法。     

基于GF-1影像的耕地地块破碎区水稻遥感提取

耕地地块破碎区水稻遥感提取是作物监测研究的热点问题之一。以苏州市高新区为例,通过挖掘关键物候期水稻与下垫面水体光谱特征组合差异,基于分蘖期与齐穗期两景16 m分辨率的GF-1 WFV数据,构建归一化差值植被指数(NDVI)差值法、归一化水体指数和比值植被指数(NDWI-RVI)差值法提取水稻分布,并深入探究了水稻面积提取精度及空间重合度影响因素。结果显示:与非监督分类和监督分类方法相比,植被指数差值法水稻识别精度贡献率可提升30%以上,NDVI差值法提取水稻种植面积的精度、空间重合度、制图总体精度和Kappa系数分别为86.2%、66.1%、92.2%和0.72;NDWI-RVI差值法上述指标分别高达95.5%、78.4%、93.5%和0.846,实现了利用少量中高分辨率遥感影像精确提取耕地地块破碎区水稻分布的目的,可实际服务于太湖地区农业生产及相关决策支持。     

基于GF-1影像的耕地地块破碎区水稻遥感提取

耕地地块破碎区水稻遥感提取是作物监测研究的热点问题之一。以苏州市高新区为例，通过挖掘关键物候期水稻与下垫面水体光谱特征组合差异，基于分蘖期与齐穗期两景16 m分辨率的GF-1 WFV数据，构建归一化差值植被指数（NDVI）差值法、归一化水体指数和比值植被指数（NDWI-RVI）差值法提取水稻分布，并深入探究了水稻面积提取精度及空间重合度影响因素。结果显示：与非监督分类和监督分类方法相比，植被指数差值法水稻识别精度贡献率可提升30%以上，NDVI差值法提取水稻种植面积的精度、空间重合度、制图总体精度和Kappa系数分别为86.2%、66.1%、92.2%和0.72；NDWI-RVI差值法上述指标分别高达95.5%、78.4%、93.5%和0.846，实现了利用少量中高分辨率遥感影像精确提取耕地地块破碎区水稻分布的目的，可实际服务于太湖地区农业生产及相关决策支持。     

应用剖分遥感影像模板快速提取作物种植面积

全球剖分理论为全球海量遥感影像数据的组织管理和多尺度遥感影像的作物提取和识别提供新的解决思路．结合基于地图分幅扩展的全球剖分模型及其剖分面片的几何特征,阐述剖分遥感影像模板的概念模型和数据模型,提出利用剖分遥感影像模板来提取作物种植面积的处理流程．并给出不同尺度范围提取作物面积适宜选取的剖分级别和影像分辨率。采用高分辨率遥感影像初步尝试对河南省许昌地区小麦种植面积进行提取,通用遥感影像处理软件相比,其精度和速度都有一定的提高．     

应用高分辨率遥感影像提取作物种植面积

利用中低分辨率遥感影像提取作物分类种植面积的精度,往往难以满足农业遥感估产的需要。随着新型传感器的不断出现,应用高分辨率遥感影像高精度地提取作物分类面积日益成为发展趋势。由于高分辨率遥感影像提供的地物纹理、色调与形状等信息更加丰富,当前基于对象的地物识别分类方法仍不成熟,处理操作中人为干预过多,而且较为复杂,因此尝试以地面调查信息为辅助参量,采用常规基于像元的最大似然法监督分类方法,依据多尺度遥感影像信息提取的原理,分阶段地逐步提取作物种植面积,以此为农业遥感估产服务。     

基于多尺度分割的遥感影像滨海湿地分类

基于多尺度的高分辨率遥感影像分类方法研究,可以为滨海湿地动态监测、规划保护提供更详尽的湿地分类信息和更快速的数据获取方法,对湿地保护具有重要意义。选取连云港青口河入海口处湿地为研究区,以高分辨率遥感影像WV\|Ⅱ和航空遥感影像为数据源,利用多尺度分割方法将影像分割成不同层次的实体对象;在不同层次,以实体对象为单元,结合光谱、形状、纹理等不同影像特征,进行滨海湿地分类研究,结果表明:利用该方法分类后,研究区各种湿地类型都达到较高精度。基于多尺度分割的影像分类方法能充分利用各种影像特征完成湿地分类,有效地减少了遥感影像中的“椒盐”现象,提高了分类精度;选择适宜的分割尺度和分割参数是基于多尺度分割的遥感影像分类方法提高精度的前提。     

利用HJ星遥感进行水稻抽穗期长势分级监测研究

对水稻长势进行遥感分级监测,制作能够直观反映水稻长势等级的遥感专题图,便于农业技术人员及时制定有效的田间管理措施,达到增产的目的。以江苏省泰兴市为例,利用HJ-A/B卫星遥感影像,提取水稻的种植面积并分析抽穗期水稻的长势情况。在利用GPS实地取样调查和建立解译标志的基础上,进行HJ-A/B卫星影像校正,人机交互式判读解译等操作,并将GPS样点数据校验贯穿到整个分类过程中,面积信息解译精度在90%以上。最后,利用归一化植被指数(NDVI)反演叶面积指数(LAI)数据信息,依据LAI数据进行水稻长势分级,制作了泰兴市水稻抽穗期长势分级遥感监测专题图。     

基于机器视觉和GABP算法的播种检测研究

为了判别育秧播种后每穴超级稻籽粒的数目,基于机器视觉运用了遗传改进的BP神经网络(GABP)算法并结合LabVIEW和Matlab设计了图像采集、处理及结果显示系统.针对采集到的图像,采用迭代阈值法分割并获取二值图像,运用投影法定位秧盘目标检测区域及秧穴,并提取超级稻的面积、周长、形状因子和7个不变矩共10个特征参数,建立基于GABP算法的播种检测模型,分别检测空穴、1粒、2粒、3粒.检测试验结果表明,4种情况的实际检测试验结果与人工检测相对误差分别为3.9％、2.0％、3.74％、5.63％,算法平均处理时间为1.018 s,为进一步实现在线穴播量检测系统设计及精密播种作业提供参考.     

利用面向对象的分类方法提取水稻种植面积

结合广西水稻面积的遥感解译工作,应用SPOT4遥感数据和遥感处理软件ENVI,利用面向对象的遥感分类的方法提取早稻种植面积。分类结果表明,利用面向对象的分类方法有效解决逐像素分类结果的"椒盐"效应,获得比传统的像素级分类方法更高的分类精度,为广西水稻种植面积的自动提取提供了广阔的前景。     

Influence of frequent flood disaster on agricultural productivity of rice planting and structural optimization strategy

Frequent flood disaster causes great loss of rice planting. Therefore, the study on the influence of frequent flood disaster on the agricultural productivity of rice planting and the structural optimization strategy was put forward. Firstly, the data of experimental area were used to design the implementation period, duration of flooding, flooding depth, experimental plot and contrast plot, and then appropriate analysis methods were selected to test the influence of frequent flood disaster on agricultural productivity of rice planting. Experimental results show that if the waterlogging time is more than three days, the production efficiency will decrease by more than 50%. The earlier the flood happens, the more serious the influence on production efficiency. Based on the experimental results, the optimization strategies of rice planting agricultural structure are formulated as follows: reasonable layout, overall improvement of land economic efficiency and utilization; optimization of rice varieties and improvement of rice quality; deepening of farmers' organizational degree, improving the agricultural scale of rice planting; promoting the development of rural science and education, adjusting the industrial structure of rice planting agriculture, and perfecting the rice planting industry chain.     

基于时差特征与随机森林的水稻种植面积提取

准确提取水稻种植面积是探讨气候变化背景下水稻生产与粮食安全的重要前提。我国南方的水稻种植区域,地块破碎且受云雨天气影响严重,如何充分利用有限时相的数据获得较高精度的水稻面积提取是亟需解决的关键问题。提出了一种利用两个时相的数据,通过构建差值特征突出水稻物候变化的特点,并与随机森林算法结合高精度提取水稻种植面积的方法。将之应用于湖南省常德市鼎城区的水稻种植面积提取,结果表明:采用本方法进行水稻提取的最终总体精度达到93.01%,Kappa系数0.91,与单时相提取结果相比,总体精度提高了近3%。为了进一步分析差值特征对其他分类器的改进效果,分别将差值特征与决策树和随机森林组合,并分析了两种组合提取水稻的精度。研究发现构建的差值特征能够有效反映植物的生长状况,增加地物的可区分性,可为对象的分割及分类提供更多有用的信息,能够有效改善水稻种植面积的提取精度。
     

基于GIS的水稻遥感估产模型研究

以NOAA/AVHRR资料为主,利用GIS技术提取水稻可能种植区域,在此基础上计算各区和各县的比值植被指数和规一化植被指数,提出的水稻遥感估产比值模型和回归模型,预报浙江省的水稻总产,1998年的拟合精度和1999年的预报精度都达到95%以上.     

Extraction of rice-planted area using a self-organizing feature map

We introduce a neural network of self-organizing feature map (SOM) to classify remote-sensing data, including microwave and optical sensors, for the estimation of areas of planted rice. This method is an unsupervised neural network which has the capability of nonlinear discrimination, and the classification function is determined by learning. The satellite data are observed before and after rice planting in 1999. Three sets of RADARSAT and one set of SPOT/HRV data were used in Higashi–Hiroshima, Japan. The RADARSAT image has only one band of data and it is difficult to extract the rice-planted area. However, the SAR back-scattering intensity in a rice-planted area decreases from April to May and increases from May to June. Therefore, three RADARSAT images from April to June were used in this study. The SOM classification was applied the RADARSAT and SPOT data to evaluate the rice-planted area estimation. It is shown that the SOM is useful for the classification of satellite data.