RapidEye卫星红边波段对主要农作物识别能力的影响研究

德国RapidEye卫星在传统的可见光波段和近红外波段的基础上加入了红边波段,红边波段更有利于地表植被分类和监测植被生长状态。为了定量分析RapidEye卫星影像加入红边波段后对地物识别能力的影响,文章利用内蒙古呼伦贝尔市莫力达瓦达斡尔族自治旗哈达阳镇2017年7月25日的RapidEye数据,采用BP神经网络的监督分类方法,提取了研究区内玉米和大豆面积,并计算了有红边和无红边条件下该地区玉米、大豆以及其他作物之间的可分性测度和混淆矩阵,对比了这两种波段组合形式下农作物提取的可分性和基于混淆矩阵的分类精度。结果证明:引入红边波段后,玉米-大豆、大豆-其他、玉米-其他的可分性测度分别从1.71、1.97、1.91提高到1.99、1.99、1.93。总体分类精度从79.57%提高到84.14%,Kappa系数从0.63提高到了0.71。该结果证明,红边波段对区分玉米-大豆的能力有显著提高,区分其他地物的能力也有了明显提升。国外搭载红边波段的卫星载荷越来越多,国产卫星也拟引入红边波段载荷技术,为农业部门提供更可靠的数据支持,文章的研究结果能为国产红边波段数据在农业上的应用提供参考。

基于GF-1 WFV数据的河套灌区春小麦长势遥感分析——以临河区为例

河套灌区是内蒙古自治区乃至我国的重要灌溉农业区和绿色农产品基地,其中春小麦是河套灌区的主要粮食作物,对当地农业可持续发展、种植业结构调整有着十分重要的意义。文章用地面实时监测数据结合GF-1卫星影像快速提取春小麦面积和长势信息的方法,探讨了该方法在巴彦淖尔市临河区农业遥感长势监测中的适用性。利用2017年5月18日的GF-1 WFV数据提取了临河区春小麦面积,在确定春小麦空间分布的基础上用NDVI监测作物长势情况,用3期的地面数据和遥感数据构建了研究区内春小麦的长势时间序列,进行了春小麦的长势对比分析。结果表明:临河区春小麦面积提取结果精度达到了93.51%,Kappa系数为0.805 3。通过遥感定量评价的结果发现植被指数的增长与地上生物量呈线性增加关系,用时间序列NDVI值代表长势取得了较好的结果,弥补了地面人工目视评价的不足。研究结果证明该方法在河套地区有很好的适用性和较高的推广价值。

基于DMSP/OLS数据的呼包鄂城市圈城市扩展分析

20世纪90年代以来，中国进入了加速城市化时期，作为城市化的一个重要表征，城市用地也以空前的速度、多样的形式在空间上迅速扩展，这些扩展形式由于区域政治、经济、文化、历史等各种复杂因素的综合作用而在空间上呈现出多种组合、结构与分布特征，表现出明显的区域差异。

抽穗期大麦、春小麦、莜麦叶片叶绿素含量与冠层高光谱特征分析

为了寻找大麦、春小麦、莜麦3种作物遥感识别的敏感参数,该研究以内蒙古农牧业科学院试验田种植的大麦、春小麦、莜麦为研究对象,利用手持ASD光谱仪和叶绿素测定仪SPAD502测得3种作物的光谱反射率及叶片叶绿素含量,并利用微分求取3种作物冠层光谱反射率一阶微分,选择光谱位置变量、光谱面积变量、植被指数变量等19个光谱特征变量及SPAD值,进行统计分析。结果表明:3种作物的20个遥感参数上表现的特征存在差异,一是,3种作物10个位置变量中,红边对应的波长位置λr大麦>春小麦>莜麦。春小麦的特征是黄边内一阶微分光谱中的最大值Dy比其他2种作物小,莜麦特征是蓝边内一阶微分光谱中的最大值Db比其他2种作物小,大麦的特征是红边内一阶微分光谱中的最大值Dr比其他2种作物大。二是,3个面积变量中,大麦的SDr,SDb 2个参数比春小麦和莜麦大,SDy值比春小麦和莜麦值小;春小麦的SDr,SDb 2个参数比莜麦小,SDy值比大麦与莜麦值大;莜麦的SDr,SDb,SDy值处于中间。三是,6个植被指数变量中,SDr/SDy,SDr/SDb 2个参数特征差别明显,其他4个参数差别不明显。SDr/SDy值大麦>莜麦>春小麦;SDr/SDb值春小麦>莜麦>大麦。四是,莜麦的叶片SPAD值大于其他2种作物,大于60,大麦的值最小,春小麦值在中间。抽穗期的3种麦光谱反射特征及叶绿素含量值有明显差别,为遥感识别3种作物提供了新的思路。

基于Sentinel-2数据土壤表层水分遥感反演

文章基于土壤表层水分指数(SWCI)模型,将Sentinel-2数据应用于该模型,得到了土壤水分含量及其空间分布情况,该数据可用于精准快速的低植被覆盖下土壤水分遥感反演。通过SPSS对SWCI与土壤水分的相关性分析,得到Pearson、Kendall's Tau-b和Spearman 3个相关系数分别为0.880,0.778,0.891,呈显著性相关。在0～20 cm土层土壤水分遥感反演中,Sentinel-2数据模型操作简单、精度较高,适用于业务化监测。

基于“3S”技术的农作物空间分布“一张图”制作探析

为进一步拓展农业遥感资源调查工作的深度和广度,并为绘制大范围农作物空间分布图提供有效的方法,为呼伦贝尔市、兴安盟农业资源布局提供有效数据,该研究以内蒙古呼伦贝尔市、兴安盟为例,采用"3S"技术绘制主要农作物空间分布"一张图"的方法,介绍了使用Land Sat8卫星遥感影像提取农作物信息的操作步骤,并对制图成果进行了精度评价。

草地地上生物量高光谱遥感估算研究

以锡林郭勒草原为试验区,采集草地冠层高光谱反射率数据和对应样方的地上生物量数据,综合分析了高光谱主要变换形式(高光谱特征变量、小波能量系数和植被指数)与草地地上生物量间的相关关系.研究结果表明:在选取的13个高光谱特征变量中,草地地上生物量与红谷的吸收深度Rd、红边区一阶微分总和与蓝边区一阶微分总的比值SDr/SDb的相关系数最高(0.86);在11个小波能量系数中,第四小波能量系数与草地地上生物量的相关性最强,相关系数为0.85;在选用的8种常用植被指数中,ARVI与生物量之间的相关性最强(R=0.874),而DVI的相关性最差(R=0.578).在对不同近红外、红光和蓝光波段进行组合而获得的植被指数中,ARVI(R945,R620,R430)模型对草地地上生物量的预测具有最好的准确性,训练样本和验证样本的拟合方程R值分别为0.882和0.865.

基于eCongnition软件的土地利用分类研究

【目的】利用遥感制图对海南省屯昌县土地利用情况进行分析评价。【方法】文章采用海南地区GF-2多光谱4 m和全色1 m影像,经过正射校正、辐射定标、大气校正和融合处理,在eCongnition软件平台上,利用面向对象分类方法,通过构建NDVI、NDWI、SAVI 3种植被指数特征值,结合多尺度分割算法,建立规则集,逐层逐步提取了该地区林地、水体、不透水面和其他植被4种类型的地物。【结果】林地和水体提取结果较优,NDVI对林地和其他植被2个地类识别的贡献率较大。NDWI指数的引入能够较好地解决浅水识别困难的问题,取得了很好的水体分类效果;通过SAVI临界阈值的设定,不透水面和道路能够较好地分类,但是部分裸土地与不透水面容易混淆。分类结果为不透水面12.392 km2、水体2.534 km2、林地8.519 km2、其他植被7.690 km2。【结论】在eCongnition软件平台的多尺度分割算法和多种指数结合逐层提取土地利用覆盖分类方法具有高效且便于操作等特点,适合在区域尺度上推广。

基于GF-1/WFV时间序列数据的河套灌区主要农作物识别

河套灌区农业资源条件较好,适宜于多种农作物的生长,且地块较为破碎,为精准进行该地区农业资源的调查和农情评价,采用遥感技术精准识别农作物种类。文章利用2017年4—10月内9个时相的GF-1/WFV数据,结合实地采集样本点转化成感兴区的方法,通过计算分析春小麦、玉米、向日葵、西葫芦和番茄5种农作物在整个生长阶段的时间序列NDVI值和变化特点,构建了基于NDVI阈值分割的决策树分类模型,对研究区春小麦、玉米、向日葵、西葫芦和番茄5种农作物进行了识别分类;在5 m分辨率的RapidEye数据上选定了10个验证样方,目视解译样方内作物,利用解译结果对决策树分类结果进行验证,并用混淆矩阵表达。结果表明:春小麦、玉米、向日葵、西葫芦和番茄的用户精度分别为:88.86%,62.44%,87.29%,65.78%,总体分类精度达到76.29%,Kappa系数为0.6529。结论为通过分析基于GF-1/WFV NDVI时间序列数据可以较为准确识别中尺度上的大宗农作物,该方法适宜于农业资源调查遥感应用和研究。

基于纹理特征与MODIS-NDVI时间序列的耕地面积提取研究

[目的]耕地是粮食安全的重要前提与保障,通过对MODIS时间序列数据的特征分析和提取,讨论了在大尺度条件下的耕地面积提取的可行方法,以期为当地合理利用耕地资源进行农业生产规划与布局提供参考。[方法]文章以呼伦贝尔市为研究区域,选择MOD13Q1为数据源,采用Savizky-Golay滤波方法对MODIS-NDVI时间序列进行滤波处理,并分析各地物间的时间变化特征,最后结合纹理特征信息进行CART决策树分类的结果比较。[结果](1) MODIS-NDVI时间序列能较好的区分不同的土地利用类型;(2) Savizky-Golay滤波降噪能够明显提高分类精度;(3)纹理特征的加入进一步反映地物间差异性;(4)该方法的总体分类精度为83. 72%,Kappa系数为0. 789,其中耕地的提取准确度为86. 33%。[结论]纹理特征使数据像元间的灰度相关性更加丰富,并通过提高像元之间的差异改善结果的精度。该文结果为进一步利用MODIS数据进行土地利用信息与农业资源调查提取提出了新思路。

基于随机森林法的农作物遥感识别方法研究--以阿荣旗部分区域为例

【目的】为未来大尺度农作物遥感识别方法提供借鉴。【方法】以内蒙古阿荣旗部分区域为例,采用Sentinel2A影像主要数据源,利用随机森林法结合农作物光谱特征、纹理特征、参数特征,提取研究区的玉米、高粱、大豆、甜菜种植面积信息,并对分类结果进行精度验证和评价。【结果】4种农作物的分类总体精度达到80.02%,Kappa系数为0.7277,分类精度较好。【结论】利用随机森林分类器结合均值飘移算法能够明显改善影像"椒盐现象",并提高农作物的分类精度。

内蒙古城镇化发展现状及问题分析

从城镇化率入手,分析内蒙古城镇化发展水平,着重从内蒙古城镇的发展模式、空间布局、各盟市间的差异等方面进行分析,总结内蒙古城镇化发展现状及问题。

内蒙古农牧民收入水平及结构变化分析

从内蒙古农牧民人均纯收入水平及变化趋势入手,对其收入来源变化及结构特征进行了比较分析。结果表明,工资性收入比例低是内蒙古与全国及发达省区存在的主要差距,随着城镇化进程的推进,内蒙古农牧民工资性收入增长还有较大空间,这也是今后增加内蒙古农牧民收入的重要切入点。

城镇化对内蒙古农牧民收入影响的灰色关联分析

文章以1998-2011年内蒙古自治区城镇化水平与农牧民收入的时间序列数据为基础,运用灰色关联分析方法,分析了内蒙古城镇化进程对农牧民收入的影响。结果表明,城镇化水平与农牧民收入之间存在显著的相关性,城镇化水平与家庭经营收入、工资性收入、财产性收入、转移性收入的关联程度依次减弱,针对上述分析结果,提出了推进内蒙古城镇化发展、增加农牧民收入的对策建议。

基于遥感地理特征曲线的主要农作物种植面积大尺度提取

【目的】研究利用遥感地理特征曲线数据快速提取内蒙古呼伦贝尔市、兴安盟的主要农作物种植面积的方法。【方法】以2018年46期(MOD09Q1)数据为数据源,计算NDVI,利用NRF滤波方法重建时间序列数据集,并与5月NDVI最低值、DEM数据、坡度数据、5月LSWI最高值数据集成特征曲线数据集;用CART决策树分类方法对5种农作物种植面积进行提取,并利用地面样方数据进行精度验证。【结果】建立了小麦、油菜、玉米、大豆、水稻的标准特征曲线,并针对不同区域构建了适合该区域的农作物信息提取模型;地面样方数据验证相对精度达到77%以上。【结论】综合考虑遥感地理特征曲线,用CART决策树分类方法大尺度快速提取主要农作物面积是可行的。