夏玉米最佳时序谱段组合识别模式研究

针对夏玉米难以精确识别和分类时数据冗余的问题,提出夏玉米最佳时序谱段组合识别模式。基于时间序列的MODIS EVI数据,利用马氏距离(Jeffries-Matusita Distance,J-M)和构造的加权平均分离距离(Weighted Average Separability,DWAS)得到夏玉米区别于其他作物的增强型植被指数(Enhanced Vegetation Index,EVI)时序图像,并将其进行组合,从而构建了识别夏玉米的最佳时序谱段组合;并利用其提取了2001年~2010年黄淮海地区的夏玉米。同时利用典型试验样区TM影像分类结果和野外实地采集样地对提取结果进行了验证:典型样区MODIS与TM分类误差最大为11.4%,空间匹配度达到91.29%,基于TM数据提取的典型样区夏玉米种植面积(STM)与基于MODIS数据得到的夏玉米种植面积(SM)的精度均大于70%;地面506个样地检验的混淆矩阵总体精度达到81%。     

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。     

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。     

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...     

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MODIS数据的成都市水稻遥感估产研究

以遥感和地理信息系统为主要技术支撑,利用多时相的高光谱分辨率MODIS数据,对成都市2003年水稻进行了估产研究.在利用研究区最佳时相遥感影像提取水稻种植面积的基础上,以多时相的高光谱分辨率遥感数据建立水稻单产模型,并计算出成都市2003年的水稻总产量.研究表明,成都市各行政区当年水稻总产量估算结果的误差为17.45%;利用多时相MODIS数据对农作物进行遥感估产具有一定的可行性,同时通过该研究也为西南地区大范围的农作物遥感估产在方法上提供了一定的借鉴作用.     

基于时序MODIS EVI匹配的棉花信息提取以新疆博乐市为例

增强植被指数(EVI)是植被生长状态及植被覆盖度的指示因子,其时序数据也已成为基于物候特征开展大区域植被和土地覆盖分类的基本手段。利用Savitzky-Golay滤波对MODIS EVI 16 d合成时间序列数据进行重建,并利用2006~2010年重建得到的时序数据建立棉花理想时序EVI曲线,通过比较待分类像元与理想曲线欧氏距离的方法,提取新疆博乐市棉花种植分布。使用2011年实地调查的棉花地块为感兴趣区,利用混淆矩阵对2011年棉花种植分布的提取结果进行精度检验,总体精度为82.31%。结果表明:利用多年数据建立的理想时序EVI曲线提取棉花种植分布有效可行。     

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。     

HJ数据的LBV变换及其在面向对象分类中的应用

为了探讨环境卫星影像在分类中的应用潜力,通过对其地物光谱进行分析,计算推导出了适用于环境卫星数据的LBV变换公式,并且将变换后得到的LBV图像应用到面向对象分类中。实验结果表明:推导的针对HJ\|1B影像的LBV变换公式具有普适性,并且经过LBV变换后的影像有效地弥补了环境卫星数据光谱分辨率不高的缺点,在分割参数相同的情况下,分割效果明显好于原始影像分割结果。利用变换后的LBV图像进行面向对象分类,可以很好地提取出水体、植被、城镇和建筑用地4大类,总体分类精度达到93%,Kappa系数为0.8894,表明经LBV变换后的HJ影像在面向对象分类中具有很大的应用潜力。     

An automatic geometric precision correction system based on hierarchical registration for HJ-1 A/B CCD images

On 6 September 2008, two optical satellites, HJ-1 A and B (HJ-1 A/B), were successfully launched from China. However, the system geometric correction products of the HJ-1 A/B charge-coupled device (HJ-1 images) have low geometric precision and need to be corrected. The HJ-1 images have a large aspect angle, a wide swath width, and a large image size. Furthermore, the local geometric distortions are too complex in one scene. Given these characteristics of HJ-1 images, geometric correction is still a challenging work. This article proposes an automatic geometric precision correction system (GPCS) based on the automatic registration between HJ-1 images and Landsat Thematic Mapper images. First, the coarse image matching method based on geometric-restricted scale-invariant feature transform (SIFT) is used to determine the coarse global transformation between the HJ-1 image and the reference image. Second, inspired by the hierarchical method of non-rigid registration for medical images, a hierarchical image matching approach is proposed based on the combination of SIFT feature points and template matching. This approach decomposes a matching problem of a whole image into numerous matching problems of image blocks and can overcome the impact of local distortions in HJ-1 images. Hierarchical random sample consensus (RANSAC) based on digital elevation model (H-RANSAC) is used to remove incorrect control points. Third, an HJ-1 image is rectified using a triangulated irregular network. Finally, the automatic evaluation method based on automatic image matching between the corrected HJ-1 image and the reference image is adopted to evaluate the geometric precision. On the one hand, experiments on eight HJ-1 images demonstrate the efficiency and accuracy of the different steps of GPCS. On the other hand, experiments on 1000 HJ-1 images also demonstrated the robustness, accuracy, and suitability for batch processing.     

An evaluation of the temporal stability of HJ-1 CCD data using a desert calibration site and Landsat 7 ETM+

Remote-sensing data from the China Huan Jing 1 charge-coupled device (HJ-1 CCD) sensors have been extensively used to capture the dynamics of the Earth’s resources and environment, and to complement Landsat observations. It is critical to obtain radiometrically continuous and consistent measurements from multiple instruments spanning various periods. This study evaluated the radiometric stability of the HJ-1 CCD sensors since launch based on the stable Dunhuang calibration site and the Landsat Enhanced Thematic Mapper Plus (ETM+). The top-of-atmosphere (TOA) reflectance trends revealed from all rigorous selected cloud-free images showed that all bands of the CCD sensors degraded with time ranging from 1% to 7% per year, with the near-infrared (NIR) bands exhibiting the greatest drift. In addition, comparisons between the simultaneous HJ-1 CCD and Landsat ETM+ data revealed that the HJ-1 CCD agreed with the ETM+ within 3% for blue, green, and red bands after adjustment for spectral differences, whereas the NIR bands exhibited larger uncertainties at the level of 4%. The results provided comprehensive analysis of the long-term radiometric performance of the HJ-1 CCD sensors, which will serve as a reference for further applications using HJ-1 CCD data, as well as for successor missions of Chinese satellites, e.g. the Gaofen (GF) series of Earth observation satellites.     

Validation of HJ-1 B charge-coupled device vegetation index products with spectral reflectance of Hyperion

To validate the HJ-1 B charge-coupled device (CCD) vegetation index (VI) products, spectral reflectance data from EO-1 Hyperion of a close date were used to simulate the band reflectance of the HJ-1 B CCD camera. Four vegetation indices (the normalized difference vegetation index (NDVI), the ratio vegetation index (RVI), the soil adjusted vegetation index (SAVI) and the enhanced vegetation index (EVI)) were computed from both simulated and actual HJ-1 B CCD band reflectance data. Comparisons between simulated and actual HJ-1 B CCD band reflectance data, as well as that between simulated and actual HJ-1 B CCD vegetation indices were implemented to validate the VI products of the HJ-1 B CCD camera. The correlation coefficients between simulated and actual HJ-1 B CCD band reflectance data were 0.836, 0.891, 0.912 and 0.923 for the blue, green, red and near infra-red bands, and the correlation coefficients between simulated and actual HJ-1 B CCD VIs were 0.943, 0.926, 0.939 and 0.933 for SAVI, RVI, NDVI and EVI. The standard deviation of differential images between actual and simulated HJ-1 B CCD VIs are 0.052, 0.527, 0.073 and 0.133. The results show that the VI products from the HJ-1 B CCD camera are consistent with the simulated VIs from Hyperion, which proves the reliability of HJ-1 B CCD VI products.     

基于HJ-1B卫星遥感数据的水稻识别技术研究

为快速、准确地在遥感图像上识别水稻作物的信息,满足县级尺度水稻遥感监测的需要,以野外实地调查资料、1∶5万地形图数据为辅助,通过光谱分析法,分析研究HJ-1B星CCD数据的水稻作物的光谱反射特性,建立水稻作物遥感信息识别模型。采用决策树分类方法提取水稻作物信息,并将该技术方法应用于广西宾阳县水稻作物信息提取研究。采用实测样地数据,利用混淆矩阵进行精度评价验证,总精度为94.9%,Kappa系数为0.8533。研究表明,该水稻作物的识别技术,可以为了解我国水稻种植情况,进行水稻长势监测和产量估测提供技术参考。     

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。     

基于HJ-1A/B卫星CCD数据的土地宏观监测试验研究

对HJ-1A/B卫星CCD数据质量进行分析,并采用人工解译和计算机自动分类两种方法进行土地利用信息提取试验研究。结果表明,HJ-1A/B卫星CCD数据能够满足制作1∶100 000比例尺数字正射影像图的平面精度要求,可用于不大于1∶100 000比例尺的土地利用宏观遥感监测。
     

基于二阶段算法的HJ-CCD数据过火区制图

利用环境减灾小卫星多光谱数据研究过火区的制图方法,并分析对比了4种植被指数对于过火区的分离性。结果表明:基于可见光和近红外的BAI(Burned Area Index)与GEMI(Global Environment Monitoring Index)指数对于过火区的分离能力较好。在此基础上,采用二阶段识别算法对实验区的过火区进行提取。首先采用严格的阈值提取燃烧较为严重的过火像元,并以此作为第二阶段过火区识别的“种子”点,该阶段以减少误判为目的;第二阶段采用区域生长提取其他过火区域,同时采取较为宽松的阈值作为生长准则,以减少漏判,最后得出过火区边界。精度验证结果表明:该方法提取的过火区误判率为5.5%,漏判率为12.7%。     

Atmospheric scattering and turbulence modulation transfer function for CCD cameras on CBERS-02b and HJ-1A/1B

Atmospheric turbulence and aerosol scattering can produce the blurring of the remotely sensed image. The degrading effect is usually quantified by atmospheric modulation transfer function (MTF). However, this effect behaves differently with different remote sensors. The effort of this article is to study the different degrading effects of aerosol MTF and turbulence MTF between charge-coupled device (CCD) camera on China–Brazil Earth Resources Satellite-02b (CBERS-02b) and on Huan Jing-1A/1B satellite (HJ-1A/1B). Specifically, a corrected aerosol MTF model is established based on classical solution of small-angle approximation (SAA) model by considering the MTF and the effective instantaneous field of view (EIFOV) of CCD cameras. By assuming many different atmospheric conditions, the aerosol MTF and turbulence MTF for two CCD cameras are evaluated. It is found that the output aerosol MTF of CCD camera on HJ-1A/1B causes more degrading effect than that of CBERS-02b under the same atmospheric condition. However, the situation reverses for the turbulence MTF. Furthermore, CCD images acquired over Beijing, China, by CBERS-02b and HJ-1A/1B on four different dates are selected. The overall atmospheric MTF for these images are determined based on the aerosol products from Aerosol Robotic Network (Aeronet) and radiosounding data. Results indicate that the overall atmospheric MTF of CBERS-02b CCD camera reduces image quality more seriously than that of HJ-1A/1B CCD camera. Additionally, the atmospheric MTF compensation is performed and evaluated for these CCD images based on the overall atmospheric MTF.     

HJ-1A/1B星CCD传感器数据在黄东海浒苔监测中的应用

基于浒苔光谱特性和归一化植被指数,利用HJ-1A/1B星CCD传感器数据对黄东海浒苔进行监测。监测结果表明HJ-1A/1B星CCD传感器,可以提供比MODIS更多的精细信息,如提供重点海域的浒苔分布范围、覆盖范围、变化状况等信息。