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。     

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Sentinel-1/2影像的水稻种植面积提取方法研究——以三江平原为例

水稻是中国主要粮食作物之一，稻米产量关系到民生福祉。及时、准确地获取水稻种植面积信息及其空间分布状况对于区域农业发展规划和产量评估具有重要意义。针对水稻与其他农作物易混以及光学数据易受云雨天气影响等问题，以东北三江平原为例，利用中高分辨率Sentinel-1微波数据、Sentinel-2光学数据，分别构建时序水体指数SDWI和植被指数NDVI组成水稻完整的物候生长曲线，分析水稻移栽期、分蘖期、抽穗期、成熟期4个重要生长时期不同的光谱差异，通过阈值分割和组合不同时期的数据，来实现水稻不同物候时期种植面积的提取，并与传统的基于单一光学数据的方法进行对比。研究结果表明：经过地表样本点的验证，所构建方法可以精确提取三江平原水稻几个关键生育期的种植面积并且优于单一使用光学数据的方法。同时利用单生育期影像例如移栽期影像提取水稻面积也可使总体精度达到87.08%，随着生育期数据的完整，总体精度也不断提高，其中基于全生育期的面积提取总体精度也高达91.88%,Kappa系数为0.834，可以满足实际应用需求。因此这种的多源数据结合的水稻种植面积提取方法能够准确、高效地提取三江平原水稻不同物候时期种植面...     

面向对象卷积神经网络的耕作梯田提取北大核心CSCD

针对目前高分辨率遥感影像耕作梯田提取方法普遍精度不高的问题,提出一种面向对象与卷积神经网络相结合的方法。以福建省南平市为例,构建面向对象卷积神经网络,利用高分辨率GF-2和ZY-3遥感数据进行耕作梯田精细提取,并对比分析深度学习与传统方法、不同分辨率数据源以及不同分类器对提取效果的影响。结果表明:该方法总体精度达到87.1%,Kappa系数为0.76,与采用低层次特征的随机森林分类对比,总体精度提高了10.2%;分别结合深层次特征与随机森林、XG Boost和Ada Boost分类器,总体精度差异小于2%;该方法基于GF-2影像的提取精度较ZY-3提高了4.6%。此方法可有效表征高分辨率影像梯田对象的深层图像特征,并顾及影像中梯田的边界信息,实现了梯田的精细提取。     

基于随机森林算法的冬小麦提取研究北大核心CSCD

全球气候变化对粮食安全和农业可持续发展造成威胁,冬小麦作为全球重要粮食作物之一,其快速和准确的信息提取对保障区域粮食稳定具有重要意义。采用在农作物识别和提取领域具有明显优势的随机森林算法,结合典型冬小麦种植区光谱特征、纹理特征和主成分特征实现了30m空间分辨率遥感影像下的冬小麦地块的特征选择和快速提取,并分析了不同特征空间组合方式下的提取效果。研究表明:在"光谱特征"、"光谱特征+纹理特征"、"光谱特征+纹理特征+主成分特征"3种特征空间组合下,第3种组合方式下的冬小麦提取效果最佳,总体精度可达到84.85%,分别高于前两种方式8.08%和6.88%。因此,利用随机森林算法结合多源特征信息,可以有效实现特定农作物如冬小麦的快速提取,并为区域作物进一步应用研究提供有效数据支撑。     

基于随机森林算法的冬小麦提取研究

全球气候变化对粮食安全和农业可持续发展造成威胁,冬小麦作为全球重要粮食作物之一,其快速和准确的信息提取对保障区域粮食稳定具有重要意义。采用在农作物识别和提取领域具有明显优势的随机森林算法,结合典型冬小麦种植区光谱特征、纹理特征和主成分特征实现了30m空间分辨率遥感影像下的冬小麦地块的特征选择和快速提取,并分析了不同特征空间组合方式下的提取效果。研究表明:在"光谱特征"、"光谱特征+纹理特征"、"光谱特征+纹理特征+主成分特征"3种特征空间组合下,第3种组合方式下的冬小麦提取效果最佳,总体精度可达到84.85%,分别高于前两种方式8.08%和6.88%。因此,利用随机森林算法结合多源特征信息,可以有效实现特定农作物如冬小麦的快速提取,并为区域作物进一步应用研究提供有效数据支撑。     

芦笋种植面积遥感提取

针对传统遥感技术提取芦笋种植面积精度不高的问题,根据芦笋的种植特点,该文以山东省曹县为研究区域,以Landsat 8影像为研究数据,提出了芦笋种植面积的提取方法。通过分析芦笋种植区与其他地物归一化差值植被指数特征,首先利用阈值分割方法去除水体、小麦地物,进一步分析芦笋种植区、建筑物和道路等的影像二维特征空间,发现芦笋种植区的土壤线分布规律,并通过波段运算结果确定芦笋种植区阈值,最后进行芦笋种植面积提取。结果表明,曹县的芦笋种植面积为14626.55ha~2,总体精度为84.85%。     

基于SAR与Landsat TM的小区域稻田的识别研究——以南京市江宁区为例

以南京市江宁区为研究区域,根据区域特征、作物物候期和水稻的生长特点,采用分层分类的方法提取稻田分布信息。通过比较多时相SAR数据、TM和多时相SAR融合与TM和单时相SAR融合数据识别水稻的精度和提取的水稻种植面积,分析了不同数据对区域多云雨,不同种植方式、面积小且分布破碎的水稻稻田的识别程度,并根据野外实地走访调查分析了主要影响因素。结果表明:多时相SAR数据、TM和多时相SAR数据的水稻识别精度都高于72%,高于TM和单时相SAR融合数据的结果;前两者提取的水稻种植面积和稻田分布接近,主要影响因素是地物分布、不同种植方式水稻物候期和水稻稻田面积小且分布破碎。     

基于面向对象分类的南方水稻种植面积提取方法

南方丘陵地区水稻种植具有分散、地块小、形状多样等特点,利用中低分辨率遥感数据提取水稻种植面积,难以满足精度要求。以SPOT5遥感影像为数据源,应用面向对象的分类方法提取了广西玉林市辖区晚稻种植面积。针对试验区不同稻作区的种植特点,选择其适合的尺度及参数进行多尺度影像分割,建立影像对象的层次结构,计算对象的光谱、几何及拓扑关系等特征,形成分类规则对不同稻作区进行信息提取。采用野外实地调查数据对分类结果进行类别和面积一致性检验,总体精度96.31%,Kappa系数0.9226,面积一致性精度99.92%。
     

基于特征波段的SPOT-5卫星影像水稻面积信息自动提取的方法研究

为了快速、准确地从遥感影像上提取水稻信息,满足国家农情遥感监测系统要求,以黑龙江省852农场水稻提取为例,利用SPOT-5卫星影像数据,分析了水稻和其它背景地物的光谱特征,发现利用原有波段难以提取复杂的水稻信息,因此利用植被特征波段：归一化植被指数（NDVI）作为新波段融入原始影像中,在增加有效信息量的同时运用简单决策树模型提取水稻信息,并参照地块现状矢量图进行精度评价。结果表明,该方法的总体提取效果较好,其提取精度与通常的监督分类方法相比有了较大的提高,只是在水稻和玉米交界处有误判现象。     

基于多时相Landsat8 OLI影像的作物种植结构提取

针对基于多时相遥感影像、多种特征量提取多种作物种植结构在我国研究较少的现状,利用多时相Landsat8OLI影像数据,根据温宿县不同作物的农事历,通过分析主要地物的光谱特征和归一化植被指数的时间变化信息,构建不同作物种植结构提取的决策树模型,实现了对温宿县多种作物种植结构信息的提取。结果表明:1水稻的最佳识别依据是5月20日影像的近红外波段和7月23日影像的NDVI值;棉花和春玉米的最佳识别依据是5月20日~9月9日影像的NDVI变化值;冬小麦—夏玉米和林果的最佳识别依据是5月20日~7月23日影像的NDVI变化值;2与单时相监督分类相比,多时相决策树法对多种作物种植结构的提取效果更理想,总体精度提高了7.90%,Kappa系数提高了0.10;3Landsat8OLI影像数据分辨率高、成本低、获取方便,是农作物遥感的良好数据源。     

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。     

Citrus Recognition Methods of Hyperspectral Remote Sensing Image based on Spectral Unmixing Model

In order to monitor the citrus planting information timely and accurately,We take Huichang County of Jiangxi Province as the research area,using EO\|1 Hypersion hyperspectral remote sensing (HRS)image as a datasource to build a citrus recognition methods of hyperspectral remote sensing image based on spectral unmixing.First of all,the EO\|1 Hyperion hyperspectral remote sensing image has 242 bands,and it has a wide spectrum rang.It can extract the spectral curve of typical objects in the study area,which is based on the image pre\|processing including the band selection,the atmospheric correction and so on.Then,we use the fully constrained linear spectral mixture model of spectral unmixing to decompose the mixed pixels of the image,and then extract the abundance value of citrus.Finally,we construct the relationship between citrus abundance and the actual cultivation of citrus based on the high resolution remote sensing image.The results indicated that the unavoidable error in the extraction of the typical objects and the differences of the citrus canopy coverage can lead to the corresponding relationship between the citrus plant accurate identification and the citrus abundance threshold value.Under the condition of repeated experiments,the study area of citrus abundance thresholds in the range of 0.30~0.45,the overall accuracy can reach more than 90%,and it can meet the requirements of identification of citrus.     

基于多时相Sentinel-2影像的黑河中游玉米种植面积提取研究

玉米是黑河中游种植面积最大的农作物,生长期需水量大、蒸散量高。准确获取玉米种植面积对该区域农作物种植结构调整、水资源合理规划有重要参考意义。基于2019年4月至9月Sentinel-2多时相影像,采用随机森林算法开展了黑河中游玉米种植面积提取研究。研究方法分为两类—直接提取法和两步提取法。进一步探讨了多时间信息量对玉米种植面积提取精度的影响以及各输入特征参数在玉米面积提取过程中的重要性表现。结果表明：基于Sentinel-2多时相影像,直接提取法和两步提取法均可高精度地提取研究区玉米种植面积,特别是两步提取法,玉米分类总体精度可达85.03%,F1_Score为0.70,Kappa系数为0.83;与单幅影像相比,多时相影像可获取不同作物的物候信息,有效减少作物错分/漏分,提高作物分类精度。该方法对基于高分辨率光学影像结合机器学习方法获取具有高度异质性的作物信息具有重要的参考价值。     

Regional scale mapping of fractional rice cropping change using a phenology-based temporal mixture analysis

Monitoring changes of paddy rice is challenging due to its diverse cropping patterns and spectral variation. To investigate the spatio-temporal changes of rice cropping, we used the 10-day composited Moderate Resolution Imaging Spectroradiometer (MODIS) Normalized Difference Vegetation Index (NDVI) time series data with a spatial resolution of 250 m to map the sub-pixel rice spatial distributions in the Hunan Province, the top one region in rice planting area in southern of China. A method of improved phenology-based temporal mixture analysis (PTMA) was presented to identify early, middle, and late rice cropping patterns. The results show that the PTMA is effective to extract rice cropping. The nine rice cropping patterns were classified as early, middle, and late rice cropping, and fractional rice cropping within 250 m pixels was obtained to analyse the internal changes. Both the local planting conditions and different forms of rice cultivation were compared with statistical data. Overall, MODIS-estimated fractional rice agreed well with field samples at the pixel level and statistical data at the county level, which demonstrates the effectiveness of the PTMA method for mapping rice in these hilly regions with small-size paddy rice field. The changes show that single-cropping rice and double-cropping rice have been frequently transferred in space, which could be important information to support agricultural decision-making.     

Research on Using End-member Abundance to Estimate Summer Maize Planting Area

Multispectral satellite remote sensing data of low or moderate spatial resolution are widely used in large range crop planting area extraction.For those areas with complex structure，when the low or moderate spatial resolution remote sensing data sources is used to extract the planting area of target crop，mixed pixel is the main obstacle factor to restrict the area extracting precision.Extracting it on sub\|pixel scale could overcome the restriction of low or moderate spatial resolution and develop the extraction precision.However，the extraction method of target crop planting area on sub\|pixel scale now usually directly use the end\|member abundance to instead the percentage of planting area.Therefore it may cause some errors.On the basis of previous researches，taking Hebi City，Henan Province as the study area，which located in Huang\|Huai\|Hai plain，has the largest summer maize planting area and the complex planting structure.Taking FY3/MERSI data as the main information source.Using the method of spectral matched adaptive best end\|member combination of pixel unmixing to extract the summer maize end\|member abundances.Making regression modeling in various equation forms between summer maize end\|member abundances in pixel and the percentage of planting area.Then select the optimal regression equation form to build regression model，and estimate the actual summer maize ground planting area.Summing up the correlation coefficient when the model was building，significance test and the RMS errors condition of sample point verification.Then choose the cubic model to estimate the planting area of summer maize in the study area.It is proved by remote sensing estimation that the area precision of summer maize planting area is 97.1%，the position precision is 82.5%.