不同遥感数据融合方法在南方水稻面积监测中的应用研究

在南方水稻遥感监测中,单一传感器影像数据已不能满足监测精度的要求,需要将高空间分辨率全色影像与中高空间分辨率多光谱影像进行融合,得到新的高空间分辨率多光谱影像,有利于改善影像识别与分类精度.该文利用江苏省金湖地区HJ-1A卫星30m分辨率多波段影像与ALOS卫星2.5m分辨率全色影像进行水稻监测,采用4种融合方法(Brovey变换、IHS变换、高通滤波和小波变换)对2种影像进行融合处理.随后对各种融合影像结果进行了目视定性和融合评价指标定量说明与评价,结果表明小波变换在空间与光谱信息上具有最佳的融合效果.进一步利用小波变换的融合影像进行水稻识别与面积提取,统计表明融合影像相比HJ-1A多光谱影像,水稻面积估测精度从79.26%提高到91.65%.因此,利用多源遥感数据融合的方法对南方水稻面积进行监测,可显著提高其监测精度.

基于FastICA算法和MODIS数据的水稻面积提取

以苏、皖、赣三省为研究区域,采用Fast ICA算法从MODIS数据中提取2010年水稻种植面积,并验证该算法在混合像元分解中的有效性。在对2010年46景8 d合成地表反射率产品数据进行预处理的基础上,结合MODIS土地利用产品和平滑滤波算法,构建耕地类型像元的ILSW和INDV时相变化曲线。依据ILSW和INDV曲线在水稻移栽期前后的变化规律,并根据由各地区水稻INDV时相曲线计算得到水稻相似性指数,从MODIS影像中提取水稻像元。采用Fast ICA算法对潜在水稻像元水稻生长期内的INDV时相曲线进行分解,计算每个像元的水稻丰度,绘制水稻丰度图,获取研究区各省水稻分布和种植面积。利用统计年鉴数据和样方资料对Fast ICA算法提取的水稻面积进行了验证。结果显示:采用水稻相似性曲线有利于提高稻田识别效率,所获取的水稻分布与实际情况吻合;Fast ICA算法能够分解不同地区水稻INDV时相曲线;与统计资料比较,江苏、安徽、江西三省水稻面积的提取精度分别为86.4%、87.9%、51.5%。江西水稻面积提取误差主要出现在地形起伏较大的山区。

黑龙江省水稻面积快速增加应注意的问题

黑龙江省水稻种植面积正处于高速发展新时期,水稻属于典型的商品性生产,对保证我国稻米安全发挥的作用越来越大。如何才能实现黑龙江省水稻种植面积平稳发展,有必要注意春季用水关键期有可靠的水源保障;确保农民种水稻获得比较高和稳定的经济效益;保证稻谷销路畅通,避免出现和有效解决卖难问题。

南方水稻面积波动与我国夏季降水分布的相关性分析

对我国南方水稻主产区水稻面积的消长与我国各主要气象站点夏季降水量变化的相关性及其区域分布情况进行了分析。结果发现，水稻面积变化与我国各地夏季降水量的变化有一定的相关性，主要表现在6～8月江南地区降水量与南方水稻面积呈负相关，7、8月长江以北大部分地区降水量与南方水稻面积呈正相关。

利用农业遥感技术进行垦区水稻面积信息提取的研究

以黑龙江省农垦总局建三江分局的七星农场、前进农场、红卫农场为研究对象,利用ERDAS IMAGINE和ARCMAP软件,以TM图像为遥感信息源,结合地形图、土地利用图等数据,运用综合分析分类方法,进行了水稻种植面积信息提取研究。结果表明,精度在97%以上。

基于国产数据及物候特征的水稻面积精细遥感监测方法研究

及时、准确地监测水稻种植面积,对于粮食安全十分重要。本文在分析灵武市域水稻及同期作物物候特点及影像特征基础上,提出了基于国产数据及物候特征的水稻面积精细遥感监测方法,并在2018—2019年灵武市水稻面积精细遥感监测中得到应用,取得了良好的效果。实践证明,基于国产数据及物候特征的灌区水稻面积精细遥感监测方法,既能反映水稻的时序变化信息,提高判读精度,也能将监测对象精确到地块,提高解译精度。

基于EOS/MODIS数据的抚远县水稻面积提取技术研究

为获取黑龙江省大范围的水稻种植空间分布及面积等信息,指导水稻生产,以抚远县为研究区域,利用EOS/MODIS数据进行水稻面积提取研究。结果表明:抚远县水稻面积309 513.32hm2。水稻种植区域精度较高的图框区域集中在抚远县中部及南部地区,这些地区水稻种植比较集中,且所占比例很高,其它作物较少,对混合像元的精度影响小;精度较低的图框主要集中在北部地区,这与实际情况相符合,水稻种植较零散且其它混种作物种类及荒草类别比较复杂,混合像元分类精度较低。

基于多时相SAR数据的水稻面积提取

合成孔径雷达(SAR)由于不受天气影响,具有全天候、全天时高分辨率成像的能力,以及对某些地物的穿透探测,因此在南方多云雨地区的农作物监测方面有着很大的应用潜力。本文以江苏省盐城市阜宁县为研究区域,采用当地水稻生长周期内的长时间序列Sentinel-1A影像作为数据源,利用监督分类中的支持向量机(SVM)对SAR影像进行分类,与利用VV和VH极化组合进行后向散射系数阈值分类的方法作比较。结果表明,阈值分类方法优于监督分类方法,其总体精度为89.48%,Kappa系数为0.8184,水稻提取面积为672.65km^(2),相对误差为11.48%。由此可得,对不同极化组合的长时间序列SAR数据进行阈值分类可以更高效地识别地物信息,在水稻面积提取方面有独特的优势。

基于多时相Sentinel-1A数据的水稻面积提取

合成孔径雷达(SAR)具有全天候、全天时获取遥感影像的能力,因此在南方多阴雨地区有着较高的应用潜力。本研究以江苏省盐城市建湖县为研究区域,选用当地水稻生长周期内的长时间序列Sentinel-1A影像作为数据源,依据光谱微分变换分析法,采用一种雷达微分变换的方法,通过对长时间序列SAR影像进行一阶和二阶微分变换处理,选取其中水稻与其他地物后向散射系数差异明显的时间段,再利用支持向量机(SVM)模型进行分类从而获取水稻信息。与利用多时相极化SAR影像的阈值分类法进行比较可知,基于二阶微分变换的SVM分类方法优于阈值分类方法,其总体精度为89.88%,Kappa系数和F1值分别为0.8412和0.8795,水稻提取面积为525.32 km^(2),相对误差为11.58%。说明,经过微分变换的时序SAR数据结合SVM模型进行分类可以进一步提高水稻面积提取精度,为作物识别提供了一种新的思路。

宁夏灌区压减水稻面积对水环境的影响

从向空气中输送水分的角度,分析宁夏灌区压减水稻面积的不利影响。结果表明,减少1万hm^(2)水稻面积,其中一半改种玉米、另一半改种小麦,就会减少水分蒸散量3.032×10^(7) m^(3),在集中连片种植,静风条件下,近地层范围内,4—9月空气相对湿度减少11.6%。若灌区压减10%~30%的水稻,改种玉米和小麦,每年全灌区向空气中输送水量减少2.5×10^(7)~7.4×10^(7) m^(3),地下水位下降29.3~87.8 mm。可见,维持水稻面积对生态的贡献是巨大的。

基于环境星的混合像元分解水稻面积提取

以河南省息县水稻种植面积提取为例,选取线性光谱混合模型对环境小卫星数据进行分类,并计算出水稻种植面积,将其结果与高分辨率ALOS数据进行位置精度计算,得到平均精度达87.89%。同时,与决策树分类方法和神经元网络分类等方法进行对比,混合像元分解方法总量精度显著提高。表明针对环境小卫星的混合像元分解方法可以提高水稻种植面积的提取精度。

湖南水稻面积居全国第一

近10年来,湖南省农业综合生产能力显著增强,累计建成高标准农田3805万亩,粮食播种面积、产量常年稳定在7000万亩、600亿斤左右,水稻面积、产量分居全国第一、第二位,为国家粮食安全贡献了力量。

中国1／5水稻面积为超级稻

从全国超级稻工作会议上获悉：“十一五”以来，经农业部确认的超级稻品种推广面积逐年增加，2008年全国超级稻品种推广面积8342万亩，占全国水稻面积的19．2％，较2005年增加4505万亩。其中，东北三省推广超级稻1462万亩，占该区水稻种植面积的25．3％。同时，超级稻示范推广增产增效明显，2008年，

横山县水稻面积锐减的原因及其应对措施

横山是陕北地区水稻生产大县，2004年前全县水稻种植面积稳定在5333hm^2左右，常年种植面积占全县粮食作物的8％，产量却占总产的25％。2005年开始，水稻种植面积下降，据调查，2007年全县水稻种植面积不足2667hm^2，下降50％。为此，我们对稻区进行了调查，走访稻农，找出了水稻面积下降的原因，并提出了应对措施：

基于MODIS数据的水稻种植面积监测方法研究

以具有较典型丘陵山区特征的福州地区为示范,首先在GIS技术的支持下,通过土地利用现状图、数字高程和海拔高度来提取水稻可能种植区,然后利用2001—2005年的MODIS卫星遥感数据,计算得到水稻可能种植区内的叶面积指数LAI,并分析LAI的年际变化特征,在此基础上建立水稻种植面积估算模式。结果表明:利用MODIS数据监测丘陵山区双季稻种植面积相对误差可小于13%,双季晚稻种植面积监测的准确率优于双季早稻。

HJ星和GF1号数据在水稻种植面积提取中的应用

利用中高空间分辨率遥感技术监测农作物生长已成为当今农业遥感研究的热点问题。本研究选用国产中空间分辨率卫星HJ星和高空间分辨率卫星GF1号遥感影像数据,在分别对其进行大气校正、几何校正等预处理的基础上,选用PCA、Brovey、HPF和Wavelet 4种融合方法对HJ星和GF1号遥感数据进行融合,并对其融合效果进行定性和定量评价。通过计算融合影像的RVI和NDVI,比较其光谱特征的差异性,并对筛选出的最适融合影像进行水稻种植面积的提取与精度验证。结果表明,在4种遥感融合方法中,HPF融合效果最佳,其标准差和信息熵分别为10.984 3和1.468 6,信息量丰富,与原始影像的交叉熵和相关系数分别为1.848 5和0.370 2,保真度较好,HPF融合影像RVI和NDVI分别为6.508 1和0.713 6,与实测值最为接近,近似率分别为87.71%和98.63%,利用水稻种植面积提取样方验证的精度为98.08%。说明,对HJ星和GF1号遥感影像进行HPF融合,可以增强融合影像的信息量和光谱特征,有利于县域级水稻种植面积准确提取。

利用SPOT5影像提取水稻种植面积的研究——以湖南株洲市区为例

以湖南省株洲市区为例,利用2008年8月19日SPOT5卫星影像数据,采用非监督分类方法,并借助地面样方监测数据,在实现计算机自动识别的基础上,准确提取出株洲市区的水稻种植面积6 379.4 hm2。精度验证分析表明,研究精度达到95.70%。

SNB-SAR数据在大范围水稻种植面积调查中的应用——以广东省早稻调查为例

研究了在GIS支持下 ,RadarsatSNB -SAR数据用于广东省大范围水稻种植面积调查的方法与应用。首先 ,对SAR数据预处理 ,包括辐射校正、Frost滤波和几何精校正等 ;然后对预处理影像的后向散射值进行信息定量判断 ,结合GIS的辅助分析 ,剔除不可能是水稻信息的像元 ;最后对剔除非水稻信息后的影像进行最大似然法的有监分类 ,获取各区域水稻分布的影像并统计面积。结果表明 ,该方法对于大范围的水稻种植面积调查具有实用、快速的特点 ,其精度在平原地区具有较高的可靠性 。

辅以ETM的MODIS水稻种植面积监测研究

基于方红亮等人利用线性统计模型结合TM和AVHRR提取湖北省水稻面积的思想,本文以江苏省吴江市为例,探索了ETM协助下的新一代卫星传感器MODIS在更小空间尺度及时监测水稻种植面积的方法。结果表明:2005年MODIS影像解译的吴江市水稻面积为322.97 km^2,而同年ETM影像解译的吴江市水稻面积为252.79 km^2,二者的线性比例关系(A_(TM)/A_(MODIS))为0.7827,并利用此线性统计模型修正后的吴江2000—2004年水稻种植面积分别为:368.36、315.21、297.50、237.77、261.14 km^2和252.79 km^2,此结果比相应实际的县级统计资料高约30%,这也与国内外的研究结果基本相一致,而且辅以ETM的MODIS提取的水稻种植面积和县级统计面积呈极显著的线性相关(R^2=0.9873,RMSE=163.1067),说明此方法可能在中小空间尺度监测水稻种植面积具有较好的应用潜力。