基于GF-1卫星的县域冬小麦面积提取及年际变化监测

利用遥感技术提取冬小麦种植面积及年际变化监测,可为农业经济的宏观决策提供可靠的依据.自2013年我国首颗高分卫星发射以来,高分一号卫星数据以其高分辨率的优势成为了我国农业遥感监测的主要数据源之一.本文以高分一号卫星携带的16m空间分辨率的宽视场(wide field view,WFV)数据为主要数据源,以开封县为例,采用Google Earth(以下简称GE)0.3m遥感影像为样本辅助数据,加上人工目视解译选择样本控制点,采用监督分类中的最大似然法提取冬小麦种植面积,并利用样本点对分类结果进行精度验证和年际变化监测.实验数据表明:采用冬小麦生长周期内的11月份到翌年4月份间的一幅高质量GF-1/WFV影像,利用本文给出的处理流程提取冬小麦面积均可达到农业使用的标准,且1月份为开封县冬小麦提取的最佳时像.同时,采用2013年12月29日、2015年2月25日及2016年2月20日的开封县GF1/WFV数据,面积提取精度均达到95%以上,kappa系数均大于0.96,种植面积提取的数据均略小于河南省统计局公布的数据,但两者呈现出的波动趋势是一致的.结果表明以GF-1/WFV影像为主要数据源,GE影像为辅助数据进行县域尺度上的冬小麦面积提取及年际变化监测的方法是有效可行的.     

基于多时相Sentinel-2数据的中牟县冬小麦种植面积提取

农作物的遥感识别监测是开展农作物长势监测、估产的前提和出发点，是农业遥感的焦点之一.利用遥感数据监测作物种植面积，日益成为农业管理及政策制定的重要技术支撑.以中牟县为研究区，选取2020—2021年期间的6幅Sentinel-2遥感影像数据，主要依据农作物的物候期光谱特征曲线变化和时序归一化植被指数曲线的变化，利用面向对象提取方法提取中牟县冬小麦面积及空间分布.将提取结果与谷歌地球高分辨率影像结合野外调查得到的验证样本进行精度验证，评价结果显示：总体精度93.33%,Kappa系数86.38%，结果能够较好地反映中牟县冬小麦种植面积及空间分布情况.该方法为大区域农作物的面积提取提供了重要方法参考.     

基于数学形态学的遥感影像人工草地提取研究

以内蒙古自治区太仆寺旗为研究区,基于Landsat 8 OLI遥感影像,采用数学形态学方法构建了太仆寺旗人工草地提取模型.对内蒙古自治区太仆寺旗2013年8月23日的遥感影像进行了几何精校正、辐射定标、大气校正等预处理,并进行了归一化植被指数NDVI计算.在分析太仆寺旗人工草地几何特征的基础上,采用数学形态学方法对NDVI梯度图像进行了边缘检测,得到了边缘NDVI梯度图,并对其进行了二值化处理.基于圆环形结构元素构建了太仆寺旗人工草地提取模型,从NDVI梯度图的二值图像中提取了形状规则的圆形人工草地,并与太仆寺旗人工草地实际数目与面积进行了比较.结果表明,提取数目精度达到93.73%,提取面积精度达到92.16%,说明本文提出的基于遥感影像与数学形态学的人工草地提取模型,可有效地提取太仆寺旗的人工草地.     

面向对象的遥感影像水体信息提取

基于面向对象的遥感影像分析方法,在不同尺度分割遥感影像的基础上,根据影像对象的特征,如亮度、光谱、归一化植被指数(NDVI)、面积和上下文等信息,对水体信息进行了提取和分类.结果显示:与传统的基于像元的分类方法相比,面向对象的遥感影像信息提取方法具有很好的效果,同时也提高了信息提取的精度.     

基于遥感影像的都江堰市多植被指数的比较研究

植被指数是遥感领域中用来表征地表植被覆盖,生长状况的一个简单,有效的度量参数.随着遥感技术的发展,植被指数在环境、生态、农业等领域有了广泛的应用;随着人们对于全球变化研究的深入,以遥感信息推算区域尺度乃至全球尺度的植被指数日益成为令人关注的问题.该文主要从NDVI、RVI、DVI三种常用植被指数模型进行分析研究,利用TM遥感影像为主要数据源,通过ERDAS IMAGINE软件对都江堰市遥感影像图进行植被指数的提取以及计算,通过3种不同的植被指数进行分析比较得出该区域的最佳植被指数.     

安徽省油菜种植面积MODIS数据分析

以安徽省为研究区,选取MODIS数据为数据源,首先基于2011年到2018年的16 d合成MODIS归一化差值植被指数产品,利用ENVI软件提取油菜种植面积。然后结合谷歌影像,通过目视解译和NDVI数据提取安徽省多时相油菜种植面积,在此基础上对MODIS-NDVI数据提取油菜种植面积的结果进行验证,并分析了其时空变化。与统计监测数据相比,利用MODIS数据提取油菜面积精度可达84.5%。通过实践和验证,利用MODIS-NDVI数据提取安徽省油菜种植面积具有一定的可行性和可靠性。研究成果可为政府部门掌握农作物生产和农业发展情况提供基础数据,也可为其他省份研究油菜种植面积提取提供参考和借鉴。     

基于Landsat 8数据反演地表发射率的几种不同算法对比分析

为了分析研究不同地表发射率反演算法的精度和适用性,文中选取西安市的遥感影像Landsat 8为基础数据,运用ENVI,ArcGIS等软件,首先对Landsat 8数据进行预处理,提取西安市的NDVI影像;然后,建立决策树模型得到西安市地表分类影像,并基于像元二分模型反演得到植被覆盖度,基于NDVI得到4种不同算法的地表发射率;最后,以精度0. 01的MODIS LSE产品为标准数据,从像元尺度上对比分析了4种算法的精度,并依据回归决策树方法的分类结果,对比分析了不同算法在各类地表覆盖类型上的发射率反演差异。结果表明:在像元尺度上,植被指数混合模型法与NDVI~(TEM)改进算法精度较高且较为接近;从不同下垫面的反演差异来看,在植被区域4种算法之间的差异较小,而对于水体区域,4种算法之间的差异较大;从反演方法的适用性而言,植被指数混合模型法与NDVI~(TEM)改进算法较为适合本研究区。     

基于ENVI的决策树方法提取土地利用信息

该文章以云南省昆明市西山区为研究区域,利用WordView-2的4波段影像数据源,通过学习掌握ENVI软件中的决策树分类工具,以及利用不同地类的波谱信息的特征差异,分析了影像的各个地类的光谱特征,从中提取了4波段影像的NDVI(归一化植被指数),以此确定了不同地类之间的波段均值阈,根据不同地类在不同波段以及NDVI上的变化建立对应的决策树模型,最终得到其分类结果.本文最后采用已有的样本感兴趣区数据对其决策树分类结果进行了精度评价,并且评价分析了其结果精度在遥感数据中的作用.     

基于面向对象分类法的贵州烤烟种植区域提取——以烤烟成熟期为例

基于GF6卫星资料,采用面向对象分类方法,根据烤烟种植区域的NDVI特征、光谱特征、纹理特征及形状特征,提取石阡县聚凤乡烤烟种植信息,并运用无人机影像随机采样进行精度验证。结果表明,该方法总体精度高达91.78%,总Kappa系数为0.82,分类质量达到很好水平,可利用该方法较为准确的进行烤烟种植区域提取,为烟草部门决策提供一定的理论依据和决策参考。     

基于MODIS-NDVI时序数据集的面向对象分类提取广西耕地面积的方法研究

研究提取耕地的方法是为了提高耕地提取的高效性,直接目视解译时山体阴影和水体难以区分,建设用地和未种植的耕地难以区分,本文主要以2015年的Landsat 8遥感影像,借助辅助数据DEM及MODIS-NDVI等多源数据基于eCognition平台应用多阈值分割、多尺度分割将影像进行分割成对象,再分别用阈值法、归一化水体指数(NDWI)、增强的指数型建筑指数(EIBI)等将坡度大于25度的地区、水体、建设用地剔除。最后利用影像的波段特点及MODIS-NDVI值进行多次提取研究区耕地,以达到较高精度的分类方法。利用总体面积精度及空间分布进行精度评价。其总体面积精度达到98.84%,且提取出的耕地分布情况符合作物的种植规律。     

垂直植被指数的计算和精度分析

提出了一种在遥感影像上自动提取土壤线的方法,并用NDVI作比较,验证了基于自动提取的土壤线计算的PVI和实测地上生物量之间的相关性及其削弱土壤背景的能力.结果表明基于自动提取的土壤线计算的PVI比NDVI对于地表草地生物量而言具有更好的相关性.研究结果使基于土壤线的植被指数的计算更方便,对提高遥感植被指数的计算精度具有一定的意义.     

“撂荒地”影像特征分析及信息提取——以右玉县牛心堡乡为例

耕地撂荒严重影响了我国粮食产量,成为近20年来耕地利用中出现的重大问题.多光谱遥感具有数据获取范围广、速度快等特点,在国土资源研究中具有相当大的潜力和优势.为提取和识别撂荒地,研究采用2010—2014年各年份的4—10月多光谱遥感数据Modis/Terra的NDVI数据产品和2014年6月份Landsat 8遥感影像数据,生成撂荒地、林地、耕地类型采样点的NDVI时间序列曲线,利用时间序列曲线来表征撂荒地、林地及耕地的生命周期特征,结合3种覆被类型的生命周期特征及其NDVI曲线特征,对3种覆被NDVI曲线变化趋势进行对比分析,从而区分撂荒地、林地、耕地,以达到识别撂荒地的目的.结合Landsat 8遥感影像判读和野外考察验证样本,最后对遥感影像进行判读,分析撂荒地的光谱、纹理、形状及位置特征,确立撂荒地解译标志,运用ArcGIS 10.2平台实现撂荒地信息提取.结果表明,运用多光谱遥感技术能够很好地提取撂荒地,提取撂荒地精度达到86%.因此,多光谱遥感技术在撂荒地识别研究中具有相当的可行性.     

遥感影像浅水河道提取二维EMD方法

遥感影像中浅水河道与居民地具有相似的光谱特性,在浅水河道自动提取过程中噪声较多,经验模态分解(EMD)可获取原始信号不同尺度上的细节信息,有效地提高遥感影像浅水河道自动提取的精度。利用环境与减灾小卫星数据,以彰武县柳河为研究区,对该区2012年10个时期NDVI时间序列分别EMD分解,选取每个时相信息量较大的前三个固有模态函数(IMF),结合2012年9月18号影像共34波段作为研究数据,利用极大似然法、BP神经网络传统的分类方法进行分类。结果表明结合EMD的分类方法可有效地去除居民地噪声, Kappa系数最高达到0.9690,总体分类精度最高达到93.35%,从而有效地解决了遥感影像中浅水河道提取正确率低的难题。     

遥感影像浅水河道提取二维经验模态分解方法

遥感影像中浅水河道与居民地具有相似的光谱特性,在浅水河道自动提取过程中噪声较多,经验模态分解(EMD)可获取原始信号不同尺度上的细节信息,有效地提高遥感影像浅水河道自动提取的精度。利用环境与减灾小卫星数据,以彰武县柳河为研究区,对该区2012年10个时期NDVI时间序列分别EMD分解,选取每个时相信息量较大的前三个固有模态函数(IMF),结合2012年9月18号影像共34波段作为研究数据,利用极大似然法、BP神经网络传统的分类方法进行分类。结果表明结合EMD的分类方法可有效地去除居民地噪声,Kappa系数最高达到0.9690,总体分类精度最高达到93.35%,从而有效地解决了遥感影像中浅水河道提取正确率低的难题。     

基于GF-1数据和非监督分类的冬小麦种植信息提取模型

针对当前冬小麦种植信息提取方法普遍存在严重依赖地面样本数据和人为主观干扰过多的现象,而非监督分类算法自身又具有独特的特点,研究了基于非监督分类的冬小麦提取方法。在实际应用中,非监督分类的初始分类数目难以准确确定,这会导致分类精度降低或分类结果需要进行二次人工合并。通过时间序列曲线和差值增强技术解决了初始分类数目难以准确确定的问题,提出了一种以归一化植被指数为冬小麦信息识别指标,基于高分一号数据和非监督分类的冬小麦种植信息提取模型。以河北省辛集市为研究区,应用该模型提取了2014和2015年辛集市冬小麦种植信息,并应用混淆矩阵方法进行精度验证和与监督分类方法对比分析。结果表明:①该模型冬小麦的制图精度为94.23%～96.64%,用户精度为92.31%～95.45%,Kappa系数0.89,整体精度达到94.33%以上;②在无需地面样本数据支持的条件下,该模型可以达到近似监督分类的提取精度。可见提出的冬小麦种植信息提取模型精度较高,可以满足区域内冬小麦种植信息地面遥感监测的需求,是一种行之有效的冬小麦种植信息提取新方法。     

基于时间序列NDVI的河套平原农田分类方法

河套平原是中国北方重要的农业基地,利用遥感影像开展河套灌区监测具有重要意义。该文利用时间序列NDVI,分析了不同作物在生长周期上的差异对其NDVI的影响。将多尺度分割和FCM分类算法相结合,发展了一种基于区域的农田遥感影像分类算法。利用本文的方法对五原县农田区域的时间序列NDVI进行分类实验。结果表明,该文的方法可以有效区分非农田、葵花和小麦。基于区域的遥感图像分类算法中,尺度参数的选取是非常重要的。     

中低分辨率遥感影像控制点对自动提取方法

遥感影像配准是遥感影像融合与校正的基础,而控制点提取是遥感影像配准的关键。针对中低分辨率遥感影像配准时产生的控制点少且分布不均匀、正确匹配率低等问题进行研究,提出了一种自动提取其控制点对的方法。该方法采用区域匹配策略,首先将参考影像与待配准影像的公共区域进行网格划分,对2幅影像中相同地理范围的小区域进行一致编号,接着建立影像的多尺度空间,对每一个尺度影像区域块采用Harris进行角点检测,用SIFT特征描述符描述Harris角点的特征向量,最后利用区域匹配策略进行特征点的匹配。实验表明,该方法能提取出均匀分布且精度高的控制点对,有利于提高中低分辨率遥感影像配准的精度。     

基于ETM影像的水体信息自动提取与分类研究

在综合分析各种水体信息提取方法的基础上,以烟台市为例,利用ETM遥感影像数据,通过光谱特征分析和NDVI识别水体信息,并在各种专业软件的支持下,将水体与其它地物类型区分开来,实现水体信息的自动提取,最后利用形状指数、面积以及其它特征对水体进行分类,并对分类结果做出精度评价.     

基于遥感生态指数的京郊南部城市生态评价——以涿州市、固安县为例

以毗邻北京南郊的涿州市、固安县为例,选取1997年Landsat5 TM影像、2009年Landsat5 TM和2017年Landsat8 OLI影像构建遥感生态指数(RSEI),对1997—2017年间涿州市和固安县的生态状况及其变化趋势进行分析评价.结果显示:研究区RSEI和Wet、NDSI关系相比于NDVI、LS...     

从资源3号卫星影像中提取厦门市不透水面信息

不透水面是城市地区的典型特征,不透水面的增加导致了水质恶化、城市热岛效应等一系列生态环境问题.选用高分辨率资源3号遥感影像,利用面向对象的方法,进行厦门市不透水面信息的提取.为突出不透水面的信息,将影像进行主成分变换、提取归一化植被指数和归一化水体指数,将第一主成分、归一化植被指数和归一化水体指数合成为新的影像;根据最小不透水面的面积原则,确定最优的分割尺度,结合形状、光谱等信息,对合成后的影像进行多尺度分割;再在最优尺度分割结果的基础上进行分类,并将阴影作为分类体系中单独一类,获得不透水面、裸土、水体、植被、阴影的分类结果;利用真实世界地物的形状特征和邻近关系特征,对阴影区域进行判别及合并,获得不透水面,并根据实地观测,对提取结果进行精度评价,不透水面提取的精度达80%.