基于HJ-CCD数据和决策树法的干旱半干旱灌区土地利用分类

为了实现干旱半干旱灌区地表信息低成本、高效率的动态监测,利用HJ-CCD数据的多时相和多光谱信息,探讨了平罗县土地利用遥感分类方法。首先建立研究区内典型地物的NDVI时间序列曲线,提取反映该区物候模式的时序特征参数;然后对土壤信息丰富的3月份多光谱影像进行主成分变换,选取第1主成分(PC1)作为光谱特征参数,最后基于分类回归树(classification and regression tree,CART)算法进行决策树监督分类。总体分类精度达到92.26%,Kappa系数为0.91,比最大似然法分类结果精度提高了2.58%。研究表明:构建的NDVI时间序列曲线对研究区内的地类具有较强的代表性,提取的时间维和光谱维的分类参数对各地类均有很好地区分性,CART决策树算法分类结果清晰准确且精度较高。该方法为HJ小卫星在干旱半干旱区等区域的深入应用提供科学依据和实证基础。

基于HJ-CCD与TM影像的水稻LAI估测一致性分析

针对传感器参数与Landsat-5 TM较为相近的环境减灾小卫星HJ-CCD影像可否适用于水稻叶面积指数(LAI)估测的问题,该文利用同为2009-07-13获取的安徽省境内相同范围的HJ-CCD影像和TM影像,结合地面同步调查数据,分别从影像原始波段相关性、反演模型精度及LAI空间分布趋势3个方面,对两类数据在水稻LAI估测上的一致性进行分析和评价。结果表明,两类影像原始波段反射率相关性较高,基于两类影像的单变量、多变量模型在精度上一致性较高,估测所得的LAI在空间分布上也具有较高的一致性,数据集中分布的区间较为一致。因此,该研究初步证明将HJ-CCD影像用于水稻LAI估测在总体上是可行的。但同时,由于基于两类影像构建的模型在形式上存在一定程度的差异,据此得到的LAI填图结果的数据分布在某些区间内亦略有差异。因此,在应用中应注意针对不同数据源进行独立建模分析,不可相互套用模型。该研究一定程度上为有着重访周期短、覆盖范围宽等优势的国产中分辨率遥感数据在农业领域的应用提供依据。

基于HJ-CCD和MODIS的吉林省中西部湖泊透明度反演对比

水体透明度能够反映光在水体中的穿透程度,影响水生植被及以光为依赖条件的水生生物的分布,获取透明度的传统方法是采用透明度盘进行测量,但也可以通过遥感方法获得.环境减灾卫星是专门用于环境与灾害监测预报的小卫星星座,影像覆盖范围广,空间、时相分辨率较高,可以为水环境遥感提供较好的数据源.MODIS数据在近岸水体和内陆大型湖泊水环境监测中也有广泛应用,它的时相分辨率也很高,但空间分辨率低.利用HJ-1A卫星CCD数据和MODIS日反射率产品(MOD09GA),以2012年9月吉林省石头口门水库、二龙湖、查干湖、月亮泡等地的实测透明度为基础(实测点数74个,最小值为0.134 m,最大值为1.410 m,平均值为0.488 m),根据灰色关联度选取构建模型的波段组合,建立水体透明度反演模型.HJ1A-CCD数据与MOD09GA数据建立的模型R2分别为0.639和0.894,均方根误差(RMSE)分别为0.248和0.135,模型验证的平均相对误差(MRE)分别为17.1%和9.5%,RMSE分别为0.207和0.089.MODIS数据以其较高的辐射分辨率使模型精度较高,但是HJ数据在应用于透明度小于1 m的水体时精度也较高(MRE=13.5%,RMSE=0.066).HJ-CCD数据在空间分辨率上的优势使其能够获得透明度空间分布的细节信息.比较两者反演得到的湖泊平均透明度,结果较为一致.

利用HJ-CCD影像的红壤丘陵区土壤侵蚀分析——以赣州市为例

针对南方红壤丘陵区水土流失严重这一问题,水利部为此在2014年实施了专门的水土流失综合治理技术标准（SL657—2014）。为精确评估红壤丘陵区土壤侵蚀状况及分析时空演变规律,在新的技术标准指导下,以赣州为例,采用RUSLE模型和HJ-CCD影像,定量分析了该区2008年和2013年土壤侵蚀及时空演变。结果表明：相比2008年,该区域土壤侵蚀状况有了一定程度改善,侵蚀总量由5 867.589t降到5 225.733t;坡度在15~30°是中度及以上侵蚀的主要区域,在250~350m高程范围内土壤侵蚀量达到最大,150~550m范围为土壤发生侵蚀的主要高程区域;赣州西南到东北区域生态环境依旧脆弱,兴国县侵蚀状况有所好转,上犹、崇义、会昌三县的土壤侵蚀呈进一步加剧趋势。

基于HJ-CCD影像数据的新疆喀纳斯自然保护区植被叶面积指数估算

以新疆喀纳斯自然保护区为研究区,评价了HJ-CCD影像数据估算植被叶面积指数(LAI)的能力及其对大气订正方法的敏感性.分别利用6S和FLAASH两种大气订正模型对HJ1B-CCD2影像进行大气订正,比较了大气订正前后不同植被(针叶林、阔叶林、针阔混交林和草地)反射率及5种植被指数(NDVI、SR、SAVI、MSR、ARVI)的变化,进而建立了4种植被类型LAI的遥感估算模型,分析了LAI的空间分布格局.结果表明:大气订正后可见光波段的反射率降低,6S模型订正后近红外波段的反射率上升,而FLAASH模型订正后近红外波段的反射率下降.大气订正后NDVI、SR、SAVI(除针叶林)和MSR上升,6S模型订正后所有植被类型的ARVI下降,FLAASH模型订正后针叶林和阔叶林的ARVI上升,而针阔混交林和草地的ARVI下降.大气订正提高了植被指数与LAI之间的相关性,对于针叶林、阔叶林、针阔混交林而言,利用6S模型订正后的反射率建立的模型优于FLAASH模型订正后的反射率建立的模型,而草地却相反.经过大气订正,HJ-CCD影像数据可应用于研究区植被LAI的估算.研究区LAI的高值集中在湖泊和河流附近,低值分布在海拔较高处.山地森林草原带、亚高山森林带、高山灌丛草甸带、高山冻原、高山冰川带植被LAI的平均值分别为2.6、3.9、2.5、1.7和1.0.

基于时序HJ-CCD影像的区域尺度水稻提取方法研究

[目的]基于高重访周期的国产时序HJ-1A/B CCD遥感影像,研究区域尺度水稻提取方法,解析湖南省沅江市水稻种植面积的时空特征。[方法]依据移栽期和抽穗期水稻有别于其他作物的光谱特性,利用2010年早稻、一季稻和晚稻2个生育期的时间序列数据,综合分析时序NDVI(normalized difference vegetation index)影像和反射率曲线特征,首先基于抽穗期和移栽期的NDVI差值影像进行阈值粗分类,连同2个生育期计算的18个植被指数合成一个文件,作为自变量输入See5.0决策树软件,通过训练生成分类规则集,导入NLCD(national land cover dataset)制图工具提纯水稻像元。[结果]沅江市的早稻与晚稻空间分布和种植面积相近,主要分布于西北部和中部的洞庭湖平原;一季稻种植面积较小,主要分布于北端。遥感提取的3类水稻种植面积分别为388.7、6.3和358.3 khm2,对比统计年鉴得到相对误差分别为12.1%、16.7%和-0.8%;对比野外调查点得到的总体分类精度分别为86%、75%和80%。[结论]综合水稻移栽期和抽穗期的时序遥感影像,能够较准确地提取水稻像元,为进一步解析水稻的时空特征提供数据支撑。

基于HJ-CCD数据的中高分辨率植被物候提取——以密云水库上游为例

利用中国2010年环境星数据,在对其进行预处理的基础上,结合数据重建技术,获得研究区域30 m分辨率的NDVI精细时间序列数据。采用逐像元分段Logistic拟合方法,重点检测该区域自然植被物候。对不同植被类型和不同尺度下的物候差异做了比较分析,并对各尺度遥感物候和气象物候的关系做了比较。结果表明:落叶针叶林和草地两种植被类型春季返青期较早开始,平均日期为4月23-24日,草地的生长期最长,平均为222天,各植被类型衰落期为9月中下旬;基于环境卫星数据,得到的30 m尺度遥感物候能很好的体现各类别植被边缘,与传统气象物候对接表现更好。

利用多时相HJ-CCD遥感影像监测玉米粘虫灾情空间分布

为了探索运用遥感技术监测玉米粘虫灾情的方法,该文通过分析粘虫发生前期、中期和后期的多时相环境减灾卫星CCD影像和野外定位观测的叶片生物量数据,计算并比较了多种植被指数与叶片生物量的相关关系,最终构建了基于重归一化植被指数(renormalized difference vegetation index,RDVI)多时相的叶片生物量定量模型,并采用野外另一组样本对监测结果进行精度验证。结果表明,玉米叶片生物量遥感监测模型的决定系数为0.7376,均方根误差为43.26g/m2。根据叶片生物量与粘虫灾害严重度的关系,进行玉米粘虫灾情严重度及空间分布监测,结果与当地农业部门实际调查结果基本一致。因此,运用多时相HJ-CCD遥感影像可以实现玉米粘虫灾情程度及空间分布的有效监测,为农业部门客观评价玉米粘虫灾害损失提供了方法支持。

以HJ-CCD影像为基础的冬小麦孕穗期关键苗情参数遥感定量反演

【目的】应用卫星遥感数据可以及时获取大田种植作物"面状"苗情信息,准确反映作物群体苗情状况及其趋势,服务于产量预报和实际生产。进一步深化冬小麦关键期苗情遥感反演机理与方法,为大田种植管理提供及时信息。【方法】结合2011—2013年定点观测试验,以环境减灾卫星HJ-CCD数据为遥感影像源,着重研究样本实验区孕穗期冬小麦关键苗情参数与籽粒品质参数和产量间及其与卫星遥感变量间的定量关系,进一步增强遥感反演的机理性和重演性,与地面实测结果一起建立模型共同分析,提高遥感反演的定量化水平和可信度;以相关性最高为原则,筛选反演孕穗期冬小麦叶面积指数、生物量、SPAD以及叶片含氮量的敏感卫星遥感变量,并以2013年数据为建模样本、2011年和2012年数据为验证样本,分别构建及评价基于HJ-CCD影像遥感变量孕穗期叶面积指数、生物量、SPAD和叶片含氮量监测模型。【结果】冬小麦处于孕穗期,植被衰减指数(PSRI)可作为反演冬小麦叶面积指数、SPAD和叶片含氮量的敏感遥感变量,比值植被指数(RVI)可作为反演冬小麦生物量的敏感遥感变量,所构建的遥感反演模型是可靠的,且精度较高,尤其利用PSRI反演叶片含氮量最可靠。模型的决定系数(R2)分别为0.651、0.585、0.630和0.675,均方根误差(RMSE)分别为1.344、4.62、0.618%和2 804.3kg·hm-2。以此为依据,为表征该研究的实际农学意义,对冬小麦不同等级的关键苗情参数进行遥感反演并制图分析,从而量化表达了冬小麦关键苗情参数区域空间分布,不仅有助于制定冬小麦田间补救措施和水肥资源调配方案,而且为农业政策的制订和粮食贸易提供决策依据。【结论】构建的冬小麦孕穗期关键苗情参数遥感反演模型是可行的,为大田生产提供了一种快速、便捷、费用低廉的大面积作物苗情参数提取方法,可支持农业研究者、涉农部门领导和种植管理者获取及时有效的农情信息。

基于HJ-CCD的舟山近海海域悬浮泥沙浓度遥感反演

舟山近海海域悬浮泥沙浓度较高,对于水质和生态环境等有不利影响,对其监测具有重大意义。为了反演舟山近海海域悬浮泥沙浓度,本文基于实测光谱数据和悬浮泥沙水体样本数据,结合CCD影像的波段设置,计算等效遥感反射率,建立水体遥感反射率与悬浮泥沙浓度的反演模型,发现R_e(3)/R_e(1)和R_e(3)/R_e(2)波段组合有着较高的相关性和反演精度,而(R_e(2)+R_e(3))/R_e(2)/R_e(3)的波段组合有着最高的反演精度。并利用HJ-CCD遥感数据,绘制泥沙浓度分布图,为舟山近海海域悬浮泥沙浓度监测提供有效方法。

基于HJ-CCD的漫湾坝区河流悬浮物浓度遥感反演

坝区河流悬浮物浓度监测对于评估水利水电工程对河流水质影响具有较大的意义。HJCCD重返周期短、空间分率高等优点,应用于漫湾这种中小尺度坝区水体悬浮物浓度监测有着重要的现实意义。大气校正采用暗像元、FLAASH以及QUick Atmospheric Correction(QUAC)几种常见的基于图像的大气校正方法。大气校正结果表明:暗像元法效果较好,其第2波段和第3波段的平均相对误差分别为16.1%和17.9%。然后,应用其大气校正较好的波段构建适用于研究区的悬浮物浓度反演模型。结果表明,该模型的决定系数为0.92,均方根误差(RMSE)为4.83mg/L,平均相对误差为33.1%。最后,将此反演模型应用于2014年影像质量较好的HJCCD数据上,得到了其悬浮物浓度空间分布图,反映了漫湾坝区附近的悬浮物浓度的变化规律。

基于二阶段算法的HJ-CCD数据过火区制图

利用环境减灾小卫星多光谱数据研究过火区的制图方法,并分析对比了4种植被指数对于过火区的分离性。结果表明:基于可见光和近红外的BAI(Burned Area Index)与GEMI(Global En-vironment Monitoring Index)指数对于过火区的分离能力较好。在此基础上,采用二阶段识别算法对实验区的过火区进行提取。首先采用严格的阈值提取燃烧较为严重的过火像元,并以此作为第二阶段过火区识别的"种子"点,该阶段以减少误判为目的;第二阶段采用区域生长提取其他过火区域,同时采取较为宽松的阈值作为生长准则,以减少漏判,最后得出过火区边界。精度验证结果表明:该方法提取的过火区误判率为5.5%,漏判率为12.7%。

基于HJ-1星和GF-1号影像融合特征提取冬小麦种植面积

为提高基于国产环境与灾害监测预报卫星(HJ-1/CCD)影像大范围提取冬小麦种植面积的精度,以江苏省宿迁市沭阳县为研究区域,对冬小麦拔节期30 m×30 m的HJ-1/CCD多光谱影像和2 m×2 m的高分1号卫星全色影像(GF-1/PMS)进行融合与面向对象分类研究。将GF-1/PMS全色影像进行8、16和24 m重采样,得到4种空间分辨率(含2 m)的全色影像,分别与HJ-1/CCD多光谱影像利用光谱锐化法(Gram-Schmidt,GS)进行融合。通过对融合影像进行质量评价,选择适合研究区冬小麦种植田块格局的适宜尺度影像。将HJ-1/CCD多光谱影像重采样,得到与适宜尺度融合影像相同尺度的影像,在两景影像中分别选取包含光谱、纹理信息的训练融合影像样本(samples of fused image,SFI)和重采样影像样本(samples of resampling image,SRI),采用面向对象分类方法对适宜尺度融合影像(fused image,FI)和重采样影像(resampling image,RI)进行冬小麦种植面积提取。结果表明,16 m×16 m融合影像的效果优于2 m×2 m、8 m×8 m和24 m×24 m融合影像,其均值、标准差、平均梯度和相关系数分别为161.15、83.01、4.55和0.97。面向对象分类后,SFI对重采样影像RI16m分类的总体精度为92.22%,Kappa系数为0.90。SFI对融合影像FI16m分类的总体精度为94.44%,Kappa系数为0.93。SRI对重采样影像RI16m分类的总体精度为84.44%,Kappa系数为0.80。SFI对融合影像FI16m分类效果最好,说明基于融合影像和融合影像提取样本(SFI)结合的面向对象分类方法能准确提取冬小麦种植面积。另外,重采样影像和融合影像提取样本(SFI)相结合的面向对象分类方法也可较好提取冬小麦种植面积。为利用国产中空间分辨率HJ-1/CCD卫星和高分1号卫星融合影像有效提取大区域冬小麦种植面积信息提供了参考。

基于时间序列环境卫星影像的作物分类识别

环境星影像具有较高的时间和空间分辨率,利用其时序遥感数据进行作物信息提取优势明显。该文以黑龙江垦区友谊农场作物为研究对象,利用2010年6月至9月共10景HJ-CCD数据进行作物种植分类信息提取。首先,通过SPLINE算法对云影响区域插值去噪,重构时间序列影像数据;其次,通过分析试验区主要作物的光谱和植被指数时序变化特征,构建基于决策树分层分类的主要作物遥感分类模型,成功提取了黑龙江友谊农场大豆、玉米和水稻的种植信息,分类总体精度达到96.33%。同时,将分类结果同基于时间序列植被指数影像的支持向量机和最大似然法分类结果相比较,结果表明,决策树分类效果最好,支持向量机次之,最大似然分类较差。研究表明,通过去云处理后构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,借助于决策树分类方法能够有效提高黑龙江垦区主要种植作物分类的准确性和精度。

不同时空分辨率遥感数据融合估算冬小麦叶面积指数

高时空分辨率叶面积指数(leaf area index,LAI)数据能反映作物的长势动态变化,为作物长势评估和产量预测提供有效的生长指标依据。该文综合利用混合像元线性分解与数据同化算法,以高空间分辨率SPOT-5数据反演的LAI修正高时间分辨率HJ-CCD数据反演的LAI序列,生成了覆盖冬小麦主要生育期的高空间分辨率LAI序列,并结合SPOT-5反演的LAI和实测LAI值分析了像元纯度、高空间分辨率遥感数据同化景数对融合效果的影响。结果表明,采用数据融合方法生成的LAI与检验LAI具有较高的一致性,但像元纯度对融合效果影响较大;基于2景SPOT-5影像能够提高LAI序列估测精度,且优于基于1景SPOT-5影像的融合效果。该研究结果可为冬小麦生长监测提供技术支撑。

基于变化向量分析的玉米收获期遥感监测

现有的作物收获期遥感监测的基本思路是利用NDVI曲线形态变化与作物形态的显著变化之间的响应关系,推测作物的收获期,并且仅对整个区域的平均收获期进行监测。该研究引进变化向量分析理论,以兖州市夏玉米为研究对象,以2009年覆盖研究区玉米收获季的三期环境小卫星B星座CCD(HJ-CCD)影像的NDVI信息为主要数据源,研究多时相NDVI的变化大小和变化过程与收获期的关系,进而构建基于变化向量分析的玉米收获期遥感监测模型,对研究区内玉米种植地块的收获期进行实时监测。通过野外实测样本对兖州玉米收获期遥感监测结果进行精度验证,精度可达89.65%,玉米收获期在空间呈南至北的分布,与兖州农业局提供的玉米收获期空间分布信息基本一致。研究表明,变化向量分析方法通过定量分析收获季节内NDVI的变化过程,有效地反映出玉米收获规律,为作物收获期遥感监测提供了一种新的研究思路。

融合面向对象与缨帽变换的湿地覆被类别遥感提取方法

为了有效提取湿地覆被类别遥感信息,该文基于国产环境星影像(HJ-CCD)和Landsat7遥感影像(ETM)提出了一种融合面向对象技术和缨帽变换的提取湿地覆被信息的方法,并对东洞庭湖区的湿地进行提取。遥感提取结果的总体精度90.02%,Kappa系数0.88,高于传统的分类方法分类的量化结果;获得的结果没有"椒盐现象"且比较紧致。试验结果表明融合面向对象和缨帽变换的方法能够有效的提取湿地覆被类别,精度高,效果好。研究结果为有效地利用遥感手段提取湿地覆被信息提供参考。

面向对象的湖北省土地覆被变化遥感快速监测

为了快速监测湖北省土地覆被变化,以HJ-CCD、TM以及ETM影像为数据源,探索出了集成面向对象技术与"3S"技术的中尺度土地覆被变化遥感流程和方法。该方法首先基于HJ-CCD影像和面向对象技术进行2010年湖北省土地覆被信息的提取,并用野外采样点对结果进行验证。在保证高精度的情况下利用向量相似性函数对湖北省2000-2005年以及2005-2010年进行变化检测,从而获得2个变化时期影像的变化区域,然后利用面向对象技术中的最邻近分类器对变化区进行自动化分类。最后分别将2期的变化结果与未变化结果融合后获得湖北省2000年、2005年和2010年的土地覆被图,在GIS中处理后建成县、市、省3级行政级别的湖北省土地覆被变化本底数据库。试验表明分类结果的总体精度为93.24%,Kappa系数为0.914;2000-2005年与2005-2010年变化检测的总体精度分别为90.88%和90.75%。同时研究发现景观破碎的地区应用面向对象技术有一定的局限性。

水稻叶面积指数遥感反演方法对比分析

利用环境星HJ-CCD影像与同步获取的LAI实测数据生成江苏省江淮之间西部和里下河地区水稻的30 m HJ/LAI,对MODIS/LAI数据产品和利用MODIS数据与4尺度几何光学模型反演的LAI数据集进行质量评价,结果表明,不同植被指数与研究区水稻LAI的相关性差别很大,其中GNDVI与水稻LAI的相关性最好,R2为0.72,估算精度达70.89%,而RMSE仅为1.38,适于该区水稻LAI的遥感估算;研究区MODIS/LAI和基于4尺度几何光学模型反演的LAI与HJ/LAI的变化趋势较为一致,均呈现出西南和东北部LAI值较低、北部和中部LAI值较高的特征,但MODIS/LAI和基于4尺度几何光学模型反演的LAI不仅变化范围较小,而且偏低明显,MODIS/LAI的低估现象更为严重;在1 km尺度上,MODIS/LAI和基于4尺度几何光学模型反演的LAI的精度分别为60.21%和66.56%,与HJ/LAI比较的R2分别为0.09和0.28(N=2 585),在0.01水平上显著相关。

阴影植被指数SVI的构建及其在四种遥感影像中的应用效果

阴影是遥感影像中普遍存在的干扰因素,如何有效去除阴影已成为共识,寻找一个有效的阴影检测指标是实现影像阴影去除的基础工作。以Landsat TM,ALOS AVNIR-2,CBERS。02B CCD及HJ-1 CCD影像为试验数据,立足于进一步增大阴影区植被与明亮区植被、水体间的差异,实现影像阴影的有效检测,构建了一个新的植被指数——阴影植被指数SVI,该指数既可保证明亮区植被、阴影区植被、水体区在近红外波段的绝对差异,又能对NDVI进行放大,消除可能存在的混淆现象,改变NDVI直方图的"偏态"现象,使植被指数值更接近于正态分布,更符合地面实际;该指数适用于近红外波段辐射特征差异较大的地物。采用精度评估法验证SVI对明亮区植被、阴影区植被、水体区三类地物的识别效果,结果显示,四幅影像总分类精度依次高达98.89%,100%,97.78%,97.78%,总Kappa系数依次为0.983 3,1,0.966 7,0.966 7,说明SVI对明亮区植被、阴影区植被及水体区具有极好的检测效果;对子影像、SVI与NDVI的统计指标对比亦说明,SVI可靠、有效,可以将其应用于影像阴影去除。