基于多时相协同变化检测的耕地撂荒遥感监测

针对地表覆被复杂、地块破碎等原因导致的撂荒地提取精度较低问题,提出一种基于多时相协同变化检测的耕地撂荒信息提取方法。以河北省石家庄市鹿泉区为研究区,采用Sentinel-2A和Landsat 7多光谱影像,在野外样本的支持下,分析耕地各种覆盖类型的归一化植被指数（Normalized Difference Vegetation Index,NDVI）季相变化规律,以季节性撂荒、常年性撂荒、冬小麦、多年生园地为分类体系,构建多时相协同变化检测模型,开展研究区耕地撂荒状态遥感监测。研究结果表明：基于Sentinel-2A影像的季节性撂荒和常年撂荒耕地的分类精度分别为95.83%和96.55%;基于Landsat 7影像的季节性撂荒和常年撂荒耕地的分类精度分别为91.67%和93.10%;2019年鹿泉区季节性撂荒占耕地面积的4.7%,常年撂荒耕地占7.1%。利用该方法能够快速、准确地获取研究区耕地空间分布、面积等信息,对于不同分辨率的影像均具有较好的撂荒地提取精度。     

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。     

锡林格勒典型植被类型光谱特征

内蒙古草原是全球变化研究的热点区域。遥感是进行大尺度草地动态监测最为有效的工具。为基于遥感数据的草地分类识别和动态变化监测提供依据,该文以锡林格勒盟的典型植被类型为研究对象,采集冠层反射率光谱数据,分析其波形和植被指数光谱特征。研究结果表明:红边面积、红边斜率以及680nm附近的叶绿素吸收谷特征参量,能够有效区分不同密度的草地和农业植被。归一化植被指数NDVI、绿度归一化植被指数GNDVI和优化调节植被指数OSAVI的变化趋势一致,能够反映植被绿度信息,适宜于监测植被长势。     

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。     

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。     

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。     

Study on Extraction Method of Abandoned Farmland based on the Seasonal Variation Characteristics of Remotely Sensed Images

In southwestern China, the cultivation conditions are poor, the plots are relatively fragmented, and the types of plots are complex. Therefore, the use of low and medium resolution remote sensing data is not able to satisfy the needs of abandoned farmland extraction. This paper explored the ability of single or multi-phased high resolution remotely sensed images in detecting abandoned farmland in southwest China, using Xiuwen County, Guizhou Province, China as a case study area. Remote sensing based monitoring methods for abandoned farmland were developed, providing a reference for the statistical survey of abandoned farmland in southwest China.The extraction method of abandoned farmland was proposed based on the field survey data, considering different types of abandoned farmland. Sensitive feature sets of different types of abandoned farmland were identified from a series of features including the spectral characteristics, vegetation indices and multi-temporal difference vegetation indices. The CART decision tree classification method was applied on the selected sensitive features to extract abandoned farmland. The results showed that:(1) There was a significant difference in the recognition ability of single-phase image in extracting different types of abandoned farmland, so it was difficult to use only single-phase image to extract abandoned farmland with high accuracy; (2) The vegetation index change characteristics of different time phases had strong recognition ability for abandoned farmland, and the ratio vegetation index was better than the difference vegetation index and normalized vegetation index; (3) The spatial distribution map of abandoned farmland and the statistical analysis of abandoned farmland area were carried out in Xiuwen County, Guizhou Province. The area of abandoned farmland in Xiuwen County was about 6,460 hectares, accounting for 13% of the cultivated land area.（4）Based on multi-temporal high-resolution remote sensing data, the method of detecting abandoned farmland using seasonal variation characteristics can meet the requirements of high-precision extraction of abandoned farmland in southwest China, and the results provided technical reference for remote sensing survey and mapping of abandoned farmland in large-scale.     

基于多时相遥感观测的板栗林分布提取研究

板栗林在欧亚、北美等地广泛分布,具有良好的生态价值和经济效益。我国板栗产量居世界首位,是重要的经济树种。使用遥感影像建立板栗林空间分布提取方法能够为其科学管理和高效经营提供定量数据,但树种分类是遥感分类的难点,并且针对板栗林的遥感提取研究较少。以河北省宽城满族自治县为研究区,结合MODIS高时间分辨率特征和Landsat数据较高空间分辨率的特征,研究板栗林提取的最佳时相以及分类特征,并采用多时相观测基于支持向量机算法实现板栗林的提取。结果表明：①4月至6月各地类光谱差异最大,是板栗林提取的关键物候期;②蓝、绿、红、近红外和短波红外波段地表反射率是分类的有效波段,NDI、NDVI、NDWI、RSI和RVI等植被指数增强了植被信息,是板栗林提取的有效分类特征;③单一时相板栗林分类中,生长季前期6月精度最高,生长季后期9月次之,非生长季1月分类结果较差;④结合生长季6月、9月和非生长季1月遥感影像的分类精度最佳,板栗林制图和用户精度分别为89.90%和87.25%。与林业局板栗林面积统计数据相比,精度可达93.45%。     

一种基于多光谱遥感影像的喀斯特地区裸岩率的计算方法初探

石漠化是我国西南地区广泛分布的一种生态—地质灾害。石漠化地区的提取和等级的划分是石漠化研究的首要前提。裸岩率作为石漠化等级划分的一个重要指标,对其科学快速的运算,是石漠化等级划分和石漠化地区提取的基础。提出了一种基于多光谱遥感影像的裸岩率的计算方法,并选取贵州省普定县后寨河流域1987年的TM影像进行了实验。首先,对影像进行预处理获得影像对象,再通过波段运算提取后寨河流域的归一化植被指数NDVI和裸土指数BI,分别用来计算植被覆盖度和土壤裸露率,最后通过图层算术运算获得实验区的裸岩率。结果表明这种裸岩率的提取方法具有可行性。     

基于NDVI变化检测的滑坡遥感精细识别

随着遥感技术的发展,高分辨率的卫星影像数据逐渐丰富,滑坡灾害的信息提取被进一步推进,当前滑坡灾害应急调查主要以目视解译和野外调查为主,费时费力,难以满足灾后救援的迫切需求。面向像元和面向对象的单时相滑坡遥感信息提取方法等存在着滑坡过识别、误识别的问题。因此,在此提出以滑坡前后多时相遥感影像为数据源的变化检测滑坡识别方法,首先根据归一化植被指数（NDVI）进行基于像元的变化检测确定滑坡预选区,再结合面向对象的几何规则完成滑坡的精细识别,这种基于变化检测和几何规则相结合的方法能有效排除道路、建筑、裸地等光谱特征与滑坡相似的非滑坡部分。以九寨沟滑坡为例,采用高分一号8 m分辨率多光谱相机2015年8月1日的影像（滑前）以及2017年8月16日的影像（滑后）作为数据源,进行滑坡识别实验。结果表明,和面向对象的单时相方法相比,基于变化检测和几何规则相结合的多时相方法滑坡提取的精度较高,制图精度高达88.80%,用户精度高达81.19%,都大幅超过面向对象单时相法的精度,漏分误差及错分误差分别下降23.22%和11.72%,可为有效组织滑坡灾后救援与重建工作提供可靠依据。     

气象台站环境的卫星遥感调查与评估-以安徽代表气象站为例

气象观测环境的保护与代表性在天气预报和气候变化研究中具有重要意义。利用多时相的高分辨率陆地卫星资料,结合GIS技术,提取了气象台站3 km缓冲区内的土地利用类型,并将其分为四大类:耕地、植被、水体和城建用地。选取了安徽省6个气象站作为代表,分析了其周边土地类型的时空变化特征,并应用于气象站点环境代表性的评价研究。结果表明,基于卫星遥感的气象站点缓冲区内土地利用类型时空演变能很好地应用于气象站的环境代表性调查与评估,且效果良好。遥感结果显示安徽省国家气候基准站的环境代表性较好,而受到城市化影响严重的合肥国家基本站环境代表性较差。此外,上述卫星遥感的气象站环境分析方法也可以有效地应用于城市热岛研究中参考站点的选取与判别。     

遥感城市热岛提取的影响因素分析

随着城市化进程的加快,热岛效应成为当今社会热点问题,研究主要集中于热岛强度变化和景观格局影响分析。遥感热岛提取结果受到多方面因素的影响,因此影像选择尤为关键。以石家庄地区为例,选取不同季节、相同季节但植被状态不同的Landsat影像以及ASTER夜间影像,分析季节、农田生长状态、昼夜等因素对遥感热岛提取结果的影响。研究表明：农田作物生长茂盛、平均温度高的季节,遥感热岛提取效果较好且热岛强度较大;农田作物收获后,土地裸露,为保证遥感热岛有效提取应选择夜间数据。实验结果可为热岛研究过程中遥感数据选择和分析提供参考。     

黄河流域甘肃片水土保持遥感判读特征研究

以黄河流域甘肃片水土保持遥感普查为例,分析了土壤侵蚀六项主要影响因子:侵蚀类型、侵蚀强度、地表组成、地貌类型、植被覆盖及地面坡度。通过研究各因子在TM影像上的分布、形状、纹理等识别特征,探讨了水土保持影响因子在遥感判读中的信息提取方法。并具体应用到2000年黄河流域甘肃片遥感普查数字化工作中,提出了各因子遥感判读特征分类系统。     

基于分区和多时相遥感数据的山区植被分类研究

山区地形的特殊性导致了山区植被分类的复杂性。位于不同光照区域的同种植被,其光谱亮度值具有较大差异,分区使分类规则及阈值的设计更具针对性。多时相遥感数据能够充分利用不同植被类型间光谱特征时间效应。基于此提出了利用分区和多时相遥感数据进行山区植被的分类研究。研究表明,该方法在山区植被分类中具有明显的技术优势,分类总体精度和kappa系数分别为81.3%和0.72。     

森林资源亚健康状态的卫星遥感预警技术研究

森林病虫害等扰动类型造成的亚健康林木监测预警工作不能及时到位,导致防治工作长期处于灾后救灾的被动局面。基于2019年5~9月份的多时相GF-1 WFV数据,应用比值植被指数和红绿植被指数,准实时地监测逆生长、叶冠胁迫或失色等“灾害”信息。结果表明：虽然树木叶片枯黄、萎蔫等叶绿素降解并逐渐转化成叶黄素和叶红素需要一定的过程,或“灾害症状”有时具有滞后性,但高频次遥感动态监测结果对于指导森林灾害地面踏查,提高监测覆盖率和科学性,防范大面积灾害,具有积极作用。国产GF-1和GF-6 WFV遥感数据的高重访周期能为月度森林资源生长过程的监测提供坚实的数据保障,满足公顷级树叶长势退化预警监测的需要。