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。     

基于地基可见光图像的喀斯特典型植被长势监测

生态观测试验站为喀斯特典型脆弱生态区植被生长监测提供了高通量冠层拍摄图像,但目前鲜见有关喀斯特地区裸岩和植被混杂下垫面植被提取的研究报道。利用石漠化生态观测试验站获取的植被冠层RGB图像,研究喀斯特植被适用分割算法和长势监测模型,为基于地基冠层可见光图像的植被监测提供技术支持。结果表明：(1)基于颜色空间、颜色通道非线性组合、机器学习3种算法对喀斯特地区浅绿色植被的区分度均较高,但对裸岩和深绿色植被区分度有明显差异。晴天强光和阴天弱光条件下3种分割方法对植被分割效果差异明显,机器学习算法分割效果最优,阴天弱光条件准确率超过80%,晴天强光条件下可超过90%。(2)基于RGB图像反演的可见光植被指数GLA、NDYI、NGRDI和VARI所反映的植被长势变化趋势相似,但NDYI对植被长势差异响应更敏感。复合正弦函数可以较好地模拟4种可见光植被指数的逐日动态变化特征,且对NGRDI变化趋势模拟精度最高(R²=0.830)。     

HJ-1A高光谱数据预处理方法研究

高光谱遥感数据处理与应用已成为目前遥感应用研究领域的热点和难点之一。介绍了环境与减灾监测预报小卫星中高光谱遥感数据产品命名规则和内容,以及产品数据的主要特点,通过对HSI数据辐射定标、Flaash大气校正和几何精校正等数据预处理方法,得出Flaash大气校正后的HSI数据,提高了高光谱数据的质量,地物光谱曲线更加符合实际情况,为下一步定量遥感研究奠定了基础。     

HJ-1影像中基于光谱特征的烤烟识别方法

为了监测农作物的种植面积、进而预测其产量,依据HJ-1(环境一号卫星A、B星,简称HJ-1A,1B)遥感资料分析了烤烟及其他地物的光谱反射特性,并分析比较归一化植被指数NDVI、差值植被指数NDVI和比值植被指数RVI对烤烟及其他地物的区分度,确定烤烟遥感信息识别方法。用该方法对广西靖西县烤烟进行种植信息提取,并用野外GPS实地调查采样数据进行精度验证。结果表明,总精度为92.79%,Kappa系数为0.8374。因此,利用遥感技术可快速、准确地获取烤烟种植信息。     

不同等级石漠化区MODIS-NDVI与MODIS-EVI对比分析

利用2001～2010年10 a的MODIS资料,比较分析广西喀斯特不同等级石漠化区MODIS\|NDVI和MODIS\|EVI的时间变化特征差异,利用全时间序列及16 d10 a均值序列分析NDVI和EVI之间的相关关系,比较线性及对数相关模型对两种植被指数相关关系的拟合效果,结果表明:石漠化等级由重度到潜在,两者之间的差值也随着植被覆盖度的增加而增大,植被覆盖度越低,NDVI和EVI所表征的植被变化特征越相似。NDVI的峰值出现时间多晚于EVI且其反映的植被变化趋势与实况更吻合,但其NDVI偏高;各等级石漠化的两种时间序列NDVI与EVI的对数相关关系优于线性相关,两种植被指数的相关性随着植被覆盖度的降低而增大,但全时间序列中轻度、中度石漠化相关性变化规律与16 d 10 a均值序列相反。     

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%。
