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GF-1 PMS的玉米出苗情况提取

及时、准确的玉米出苗情况监测可以为农田经营管理和宏观决策提供玉米出苗期的生长信息,便于及时采取适当的科学管理措施,达到增产增收的目的。归一化植被指数（Normalized Difference Vegetation Index, NDVI）及与作物生长状态关系密切,可以用于评价玉米的出苗情况。采用地块的NDVI均值及均方差可以反映地块内玉米出苗的综合情况,以吉林省长春市九台市榆树村和解放村为例,对研究区玉米出苗情况信息进行提取,最后利用实地采集的验证数据对提取结果进行验证。研究区玉米出苗情况信息提取结果的总体精度达到80%,表明利用上述方法能够在一定程度上反映玉米的出苗情况,可以为玉米出苗情况评价提供参考依据。     

基于GF-1全色多光谱传感器数据的地块级玉米出苗情况提取

及时、准确的玉米出苗情况监测可以为农田经营管理和宏观决策提供玉米出苗期的生长信息,便于及时采取适当的科学管理措施,达到增产增收的目的。归一化植被指数(normalized difference vegetation index,NDVI)及与作物生长状态关系密切,可以用于评价玉米的出苗情况。采用地块的NDVI均值及均方差可以反映地块内玉米出苗的综合情况,以吉林省长春市九台市榆树村和解放村为例,对研究区玉米出苗情况信息进行提取,最后利用实地采集的验证数据对提取结果进行验证。研究区玉米出苗情况信息提取结果的总体精度达到80%,表明利用上述方法能够在一定程度上反映玉米的出苗情况,可以为玉米出苗情况评价提供参考依据。     

基于单时相Landsat8_OLI影像的棉花提取技术研究

针对利用单时相遥感影像快速、高精度地提取棉花信息研究较少的现状,根据作物的物候历,选取棉花生育期的单时相Landsat8_OLI影像。通过对棉花和其他地物的光谱特征与植被指数的差异性分析表明:近红外波段(NIR)和差值植被指数(DVI)是棉花识别的特征指数;并由此构建了OLI数据的棉花信息提取的特征指数模型。经实地验证,运用此模型提取的库尔勒市棉花信息的生产精度为97.96%,用户精度为98.63%。基于单时相遥感影像的棉花提取思路可以为我国主要棉产区的棉花信息遥感提取、长势监测和产量估测提供新思路和技术参考。     

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.     

基于多时相高分一号影像的玉米涝灾监测

结合多时相遥感数据获取的对玉米涝灾的空间分布和程度进行快速大范围提取,可为确定农作物的受灾范围、作物受损评估提供参考依据。通过获取受涝玉米区灾前、灾中、灾后的高分一号影像,结合多时相的归一化水体指数(NDWI)变化分析,设置合适的阈值,用决策树的方法获取玉米受涝范围。根据拔节期玉米受涝前后的归一化植被指数(NDVI)变化特征,提出一种利用综合多时相NDVI差值的指数ST|ΔD|来监测玉米受涝程度。根据实际野外采样点验证及产量测点分析,受涝范围的提取精度达到87%,受涝程度划分精度最高达到82%。     

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%.     

基于RGB NDVI图像的桉树人工林区森林覆盖变化年度监测

【目的】监测桉树(Eucalyptus)人工林区森林覆盖的年度变化。【方法】基于2014年和2015年资源3号卫星遥感图像,分别计算研究区不同时段的归一化植被指数及其差值,得到NDVI₂₀₁₄、NDVI₂₀₁₅和NDVI_d,按R-G-B=NDVI₂₀₁₄-NDVI₂₀₁₅-NDVI_d作假彩色合成,得到RGB-NDVI图像,对该图像分别作基于规则的面向对象分类和非监督分类,提取采伐迹地和更新林地信息,并与NDVI差值法结果进行比较。【结果】RGB-NDVI图像面向对象分类的总体精度为98.4%,Kappa系数为0.906 1,略高于传统的NDVI差值法结果(分别为97.3%和0.817 4),RGB-NDVI图像非监督分类效果(总体精度和Kappa系数分别为96.1%和0.790 4)略低于NDVI差值法。【结论】RGB-NDVI图像可读性强,直观地反映了研究区森林覆盖变化的区域和类型信息,在快速变化林区的森林覆盖年度监测中具有良好的应用前景。     

LiDAR与航空影像的融合分类与精度分析

为了弥补单一数据源在地物分类时的不足,提出将机载激光扫描(LiDAR)数据与航空影像融合进行地物分类的思想,实现基于面向对象和单像元的复杂城区多级地物分类.将真彩色航空影像与机载激光扫描距离影像融合,采用光谱特征和空间特征将影像分割成若干同质区域;利用多源数据产生的各种信息建立分类规则并实现基于面向对象的地物分类,将植被信息和高差信息与分类结果叠加,实现基于单像元的分类结果纠正,然后再以对象内包含的建筑物直线段数量为约束条件对分类结果中的建筑物进行三级精化分类.实验表明该方法能够有效地自动分离建筑物、树木、草地和道路,其中建筑物的制图精度和用户精度分别是92.53%和95.79%,整个区域的分类精度为89.62%,该方法在复杂城区可行有效.