基于GEE的山东省近30年农业大棚时空动态变化研究

针对精确获取大尺度空间范围内农业大棚的分布情况并进行长时间的序列动态监测存在数据量大、计算效率低、精度不高等问题,利用Google Earth Engine(GEE)云平台能够实现快速存取、实时处理海量卫星数据,基于多时相Landsat影像进行农业大棚时序光谱特征和纹理特征的自动提取,采用随机森林算法实现山东省农业大棚的遥感分类,从而生成了山东省近30年农业大棚的空间分布和时空动态变化图。结果表明,本文分类流程具有较高的分类精度,其平均总体精度达到91.63%,Kappa系数均值为0.8642。经分析,山东省农业大棚从1990年的6.67 km^2增加到2018年的9919.40 km^2,增长速度为354.03 km^2/a。

基于多核主动学习和多源数据融合的农田塑料覆被分类

通过引入多源多时相卫星遥感数据,提出了一种基于多核主动学习的农田塑料覆被分类算法,实现农业塑料大棚和地膜的精准分类。首先基于多时相Sentinel1雷达和Sentinel2光学遥感影像,提取其光谱特征、纹理特征等,以构建多维特征空间。然后构建多核学习模型,实现多源、多时相特征的自适应融合。最后构建基于池的主动学习策略,通过引入训练样本的淘汰机制,进一步提升分类模型的泛化能力。试验结果表明,本文所提分类方法的总体精度为95.6%,Kappa系数为0.922,相较经典支持向量机、随机森林、K近邻、决策树、AdaBoost模型,多核学习模型精度提高5.7、12.1、11.4、22.3、10.3个百分点;且在相同分类精度下,主动学习较被动学习可减少一半以上的标签数据;同时相较仅使用单时相及单传感器遥感影像而言,精度分别提高3.7、12.7个百分点。结果表明,多核主动学习能够有效进行多传感器、多时相数据融合,并可以在小样本条件下取得更高的分类精度,从而为农田塑料覆被的遥感监测提供模型参考。

2019年全国农业塑料大棚遥感分类数据集

本数据集为依托Google Earth Engine(GEE)云计算平台,基于10米空间分辨率的Sentinel-2遥感影像和随机森林模型,所生成的2019年全国农业塑料大棚空间分布专题数据。具体而言,首先通过野外调查和目视解译进行地面样本采集,并随机划分为训练集和测试集;然后进行地物光谱、纹理等特征提取,从而构建多维特征空间;最后构建随机森林分类模型,并利用训练好的模型对全国遥感影像进行并行计算,从而得到全国农业塑料大棚分类数据。精度测试表明,该数据集的平均分类精度为87.45%,能够正确反映农业塑料大棚在全国的空间分布情况。此外,为了更好对全国大棚分布数据进行可视化,本文同时计算了全国5公里格网内的大棚面积占比。本数据集为第一个公开发布的全国农业塑料大棚空间分布专题数据,可为相关领域的科研人员提供数据参考。

童心绘自然 喜迎二十大--河南省自然资源厅“六一”儿童书画比赛获奖作品选登

为进一步传承和弘扬祖国优秀传统文化,引导少年儿童爱党、爱国、爱社会主义,“六一”前夕,河南省自然资源厅以“童心绘自然·喜迎二十大”为主题,举办“六一”儿童节书画比赛。自5月11日下发通知以来,广大干部职工积极响应,活动共收到绘画、书法等作品300余幅,这些作品主题鲜明、生动灵气、童真可爱,从不同角度表达了少年儿童对党和国家的纯真情感,展现出他们热爱祖国、热爱党、热爱自然、热爱生命、憧憬未来、追求美好的花蕾情怀,奉献了一场别样的艺术盛宴。栏目选登部分获奖作品,供大家欣赏。