基于多时相TM影像的冬小麦面积变化监测

利用北京1992年、2000年、2004年、2009年的多时相Landsat TM5影像数据,结合实际调查数据,分析了近20年来北京冬小麦种植面积的变化趋势及演变特征。采用决策树、PCA、缨帽变换等手段对地物进行分类,利用多时相影像,NDVI组合阈值提取小麦种植区面积。研究结果表明:北京地区1992年、2000年、2004年、2009年冬小麦种植面积分别为:113671ha,84322ha,40410ha,61529ha。北京冬小麦种植面积呈现为明显的先减少后增加的趋势。从1992年到2009年共减少52143ha。其中,从1992年到2000年冬小麦种植面积减少了29349ha,减少的面积中城区扩张占用和转变为裸地的最多,分别为39.7%和42.8%,另外有13.3%变为设施用地,3%成为水体(鱼塘和水田);从2000年到2004年冬小麦种植面积共减少43921ha,减少的面积中转变为裸地和城区扩张占用的最多,分别为39.8%和33.1%;从2004年到2009年冬小麦种植面积共增加了21119ha,其中裸地转变为小麦种植区面积最大。     

基于分类融合的武汉市多时相遥感影像监测

利用多时相遥感影像监测环境变化是目前最快捷和有效的手段之一。本文以武汉市两个时期的 TM卫星影像为试验数据 ,通过使用分类融合的方法 ,监测武汉市的水面、城区和树林的动态变化 ,并分析了变化的原因和对环境的影响 ,提出了武汉市改善环境的方法和建议     

基于多时相TM和北京一号卫星影像的春播进度遥感监测

基于作物生长的物候规律,利用2007年4月26日、2007年5月28日Landsat TM影像和2007年6月28日北京一号卫星影像进行北京地区春播进度遥感监测。首先,分析了地物类型之间的光谱可分性距离;其次,采用逐步鉴别分析方法,并将掩膜技术和决策树分类方法相结合,监测北京2007年5月28日和6月28日的春播作物种植面积;最后,基于地面调查点对分类结果进行精度评价。结果表明5月28日总体精度为84.5%,6月28日总体精度为88.0%;逐步鉴别分析方法有利于寻找作物分类的光谱差异,建立多时相分类规则,简化了多时相多作物遥感分类流程并提高了分类精度。     

基于多时相ENVISat ASAR数据的冬小麦识别方法——以北京通州试验区为例

ENVISat ASAR数据在水稻识别和制图中应用研究比较深入,但对该数据用于小麦识别和制图的技术方法的研究还比较缺乏。以北京市通州区为试验区,研究了利用多时相ENVISat ASAR数据进行冬小麦识别的技术方法。应用GPS实测定位和基于高分辨率World View-1影像解译等手段获取分类精度检验数据,结果表明多时相ASAR数据可用于我国北方冬小麦的识别,对小麦—非小麦两类型的识别总精度为82.64%。     

基于多时相影像直接分类的土地利用变化监测方法研究

实时土地利用变化信息对当地部门区域规划、城市扩展和社会经济可持续发展的研究具有重要意义。本文借助于徐州市1987年和2000年TM影像数据,重点讨论了多时相影像直接分类在土地利用变化监测中的应用,并对结果进行了分析。结果显示,1987-2000这13年间,城市主要向东部和南部扩展。     

基于多时相MODIS监测冬小麦的种植面积

论文基于时相和波谱信息，利用MODIS数据监测了北京冬小麦的种植面积。首先，基于地形高度对地物光谱反射值的影响，借助DEM数据对研究区域进行划分。其次，在分析并提取北京地区主要农作物时间谱曲线特征的基础上，设计决策函数，成功提取了北京地区冬小麦的种植面积。最后，比较并分析了非遥感数据对监测精度的影响。研究结果表明，（1）时相信息可以极大的提高农作物种植面积的监测精度。（2）辅助数据的利用，使决策函数的设计更具有针对性，监测结果更可靠。（3）多源多时相遥感数据在农作物种植面积的提取中具有明显的技术优势和重要的应用潜力。     

新疆植被遥感最佳时相选择研究

根据1980～1990年新疆各种植物物候观测资料进行分析,确定新疆植被遥感最佳时相。森林植被遥感的最佳时相为秋季;草场和农作物的最佳时相为春季和夏末。     

基于TM影像的冬小麦苗期长势与植株氮素遥感监测研究

叶面积指数和叶片氮素含量是决定小麦群体长势的重要生理指标,也是制定栽培管理措施的必要依据。利用遥感监测小麦返青后的叶面积指数和叶片氮素含量,便于及时采取施肥、灌溉、中耕等调控措施,达到优质、高产稳产、高效的目的。本文使用TM影像数据与实地GPS定位相结合的方法,研究了冬小麦返青后叶面积指数及植株氮素含量的变化态势。结果表明:(1)TM影像的NDVI的地域性差异较大,且随纬度呈现极明显的线型负相关变化态势;(2)将用NDVI反演的LAI与实测的LAI进行比较,二者较为一致,其均方差根(RMSE)为0.111;(3)利用NDVI监测的小麦植株氮素含量与实地观测的植株氮素含量较为相近,二者的RMSE为0.085。总之,利用TM影像的NDVI可以快速、精确地监测返青期小麦的LAI和植株氮素营养状况。同时,本研究结果也可为冬小麦返青期的苗情诊断和管理决策提供及时、准确的信息支持。     

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。     

基于条件随机场的多时相遥感影像分类*

多时相遥感影像分类方法通常使用人工设置的转移矩阵作为时间上下文信息,这样不仅难以获得准确的转移矩阵,而且没有充分利用时间上下文信息。针对多时相遥感图像中的时间与空间上下文信息难以构建的问题,提出了一种基于条件随机场模型的多时遥感影像分类方法。首先运用最大期望算法生成用于描述时间上下文信息的时间势能,然后结合空间以及时间上下文信息构造了条件随机场模型,最后使用该模型对多时相遥感影像进行分类。一系列的实验结果表明,该方法可以有效提高遥感影像的分类精度。     

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。     

GIS支持下的湿地遥感信息高精度分类方法研究

遥感影像高精度自动分类方法的实现是制约遥感数据应用的瓶颈之一。以知识和地理信息系统为支撑,进行湿地遥感影像的分类,并对各项分类方法的精度进行比较评价,从而为湿地遥感的分类方法提供依据。实验结果表明经辐射增强降噪处理后湿地边界更加明晰;而对于处于生长期的湿地影像,经过光谱增强缨帽处理后,明显提高了区分湿地亚类的精度。结合以上两种分类方法的优势,利用GIS技术对二者进行空间处理,取长补短,生成了湿地遥感影像分类图。实验证明基于3S技术的分类方法精度更高,是一种较好的湿地影像自动分类方法。     

内蒙古河套灌区土壤盐碱化遥感监测方法研究

土地盐碱化是土壤退化的一种重要表现,要进行大范围的实地调查研究需要投入大量的人力、物力和时间,而利用遥感技术可以快速准确地提取盐碱地的分布信息,提高时效、减少成本。分析在区域尺度上利用遥感技术进行土壤盐碱化监测可行性以及遥感影像选择方法,利用最大似然分类方法,基于地面采样和遥感影像数据,对内蒙古河套地区盐碱地的分布状况进行了分析与精度评价。研究成果可以为防止河套灌区土壤退化提供基础数据和基本方法。     

基于多时相遥感和GIS技术的湿地识别研究

本以江苏省洪泽湖湿地为例,首先利用秋季成像的TM影像进行分类,采用了混和分类法。然后利用同年度春季成像的TM影像制作湖泊掩膜来纠正分类中湿地类型与高地类型的错分现象。研究发现,该方法能有效地降低分类的误差,提高分类的精度。     

基于多时相遥感图像的人造目标变化检测算法

传统的像素级变化检测方法的检测性能受到以下因素的严重制约: 图像辐射差异、配准误差和差异图像分类门限的选取, 并且难以从检测信息中提取出关键的变化. 本文针对遥感图像中人造目标的变化检测问题, 提出了一种综合特征级和像素级的两步变化检测算法. 首先将大幅多时相遥感图像分成一系列子图像对, 采用有监督子图像对分类方法, 提取人造目标变化的感兴趣区域, 然后采用像素级变化检测算法对感兴趣区域进行变化检测, 得到定量的检测结果. 实验结果表明了该算法的可行性和有效性.     

利用多时相NDVI 监测京郊冬小麦种植信息

物候和时相信息在农作物种植信息提取方面有十分重要的应用价值, 利用多时相L andsat TM 数据, 结合冬小麦的波谱和时相信息, 成功提取了北京地区的冬小麦种植信息。首先, 选用了2003 年4 月7 日、5 月1 日、5 月25 日、6 月18 日不同时相的4 景TM 卫星影像, 计算了不同时相的NDV I 时间谱图像数据; 其次, 结合北京地区农作物种植的实际情况, 提取并分析了北京春夏季主要植被地物(冬小麦、苜蓿、苗圃、春玉米、树林等) 的NDV I 时间谱特征; 第三, 利用不同时相的NDV I 图像数据, 通过NDV I 图像通道间的逻辑运算算法, 成功提取了2003 年北京地区的冬小麦种植信息, 提取精度达到96. 92%; 最后, 与2002 年收割小麦的统计数据相对比, 监测了北京各郊区县的冬小麦种植结构调整情况。结果表明, 多时相、多光谱遥感数据在作物种植信息的监测中有十分明显的技术优势和重要的应用潜力。     

HJ星数据在关中冬小麦种植面积遥感监测中的应用 

应用冬小麦抽穗期的环境小卫星影像对关中地区依据行政区划划分,采用多种遥感监测方法进行冬小麦种植面积提取,提取精度达95.64%。结果表明:抽穗期是关中地区提取冬小麦种植面积的最佳时相,同时也表明环境小卫星可以用来监测大范围的冬小麦种植面积,并得到很高的精度。在未来的研究中,对于地形差异较大的地区,可依据地形和冬小麦的种植结构对研究区进行划分,针对每个子研究区采用不同的遥感监测方法以提高提取精度。