湖北省油菜种植面积的遥感监测方法探讨

遥感技术是农作物种植面积监测的一种快速、经济和准确的新技术。论文研究了适宜于湖北省油菜种植面积的遥感监测的最佳时相、最佳数据源、影像解译方法等。结果表明,湖北省油菜面积遥感监测的最佳识别时相位于3月中旬—4月中旬,即油菜的开花期。对于湖北省省域范围油菜种植面积遥感监测,为了既能兼顾经济上的可行性和技术上的精度,建议对于油菜非成片分布的低山丘陵地区,采用10m-ALOS影像自动分类,对于油菜连片分布的平原地区,采用至少有1景成像于油菜开花期的双时TM影像,同时采用"时序差值+自动分类"方法的技术方案。

基于单波段影像增强的易混农作物区分方法

采用基于单波段影像增强的ISODATA算法,以小麦和油菜为例进行实验.采用高分一号卫星影像作为数据源时,总体分类精度达到95.33%,比单独使用ISODATA算法提高约19%;采用Landsat 8影像作为数据源时,总体分类精度达到95.83%,比单独使用ISODATA算法提高约6%.分类结果的Kappa系数均在0.9 1.0之间,与原影像几乎完全匹配,有效解决农作物之间的混淆问题.该方法耗时短,精度高,可大范围推广.

地面资料稀缺区域的农田土壤水分微波与光学遥感协同反演方法研究

大尺度区域范围的地表粗糙度因子难以获取是微波反演土壤水分的难点所在。对此,从协同微波和光学遥感数据在土壤水分监测中的优势以提高土壤水分反演精度的角度出发,笔者进行了地表粗糙度参数稀缺区域的大范围农田土壤水分遥感反演方法研究,即利用GF-3和Landsat8光学遥感数据,通过水云模型消除植被对雷达后向散射系数的影响,获取土壤直接后散射系数,然后结合入射角、PDI、TVDI和NDWI指数共同作为模型输入参数分别建立了HH和HV 2种极化方式下的土壤水分反演模型。结果表明:采用相关系数(R2)、一致性指数(IA)和均方根误差(RMSE),对2种模型应用于江汉平原农田土壤水分反演的实验结果进行了对比分析,结果显示HH极化方式下的土壤水分反演精度整体上优于HV极化方式(HH极化方式R2=0.6864,IA=0.8895,RMSE=6.979%)。在空间分布上,温度较高和植被覆盖较低区域,土壤水分含量较低,如钟祥市的北部、江陵县的东北部、荆门市的东部、仙桃市的西部和天门市的西北部;温度较低和植被覆盖较高区域,土壤水分较高,如监利县以及天门市的南部。

用遥感影像提取大别山区水稻种植面积——以Landsat 8为例

本研究选取安徽省安庆市大别山为研究区,包括太湖县、岳西县、宿松县和潜山县,选取2016年和2017年的6景Landsat 8卫星遥感影像,通过遥感影像提取水稻种植面积,分析大别山区的水稻种植面积分布,并对研究区域的水稻种植面积进行动态实时监测。用遥感解译方法分别提取了研究区内的晚稻种植面积,并利用随机点验证和Kappa系数验证结果精度。结果表明:2017年和2016年水稻种植面积的提取精度分别为93.44%、93.78%,Kappa系数分别为0.86、0.83,证明水稻提取效果精确;对比研究区域各个县内的2017年和2016年晚稻种植面积,发现安庆市大别山区太湖县、潜山县、岳西县的水稻种植面积变化率均在5%以内,属于正常变化,由于2016年宿松县遭遇了水灾,部分农田被淹没,故宿松县2017年水稻种植面积相比2016年增加了13.01%;对比传统的农作物种植面积统计方法,利用遥感的方法更省人力、物力、财力,并且能精确、快速地实现对农作物的实时动态监测。

一种计盒维数估算的新方法

根据3种标准分形体(Koch曲线、Sierpinski三角形垫片、Vicsek分形)的实验,总结得出一种计盒维数估算的实用方法:1)盒子尺寸不应该是无限小,而应该是不大不小;2)盒子数量尽可能多,但不要太多;3)盒子采用指数递减速率;4)盒子递减速率最好接近分形体结构,建议不采用常用的递减速率(ε=12、ε=13、ε=14),对于自然图形,建议指数递减速率采用ε=0.75或ε=0.80;5)对于标度区识别,需要依据一定准则,判断合理的点对数量.本方法也适合3维目标的计盒维数和1-3维边界维数的估算.