基于时序遥感的撂荒地监测及空间格局特征分析

针对耕地撂荒监测的迫切需求,文章发展了一种基于光学时序特征的撂荒地遥感识别方法,利用Sentinel-2时间序列数据构建耕地NDVI时序曲线,基于撂荒地和非撂荒耕地NDVI在监测时间窗口内的振幅差异,通过F1指数迭代式选取撂荒地识别的最佳振幅分割阈值,构建撂荒地识别规则,并在广东省湛江市坡头区开展耕地撂荒监测试验,分析撂荒地块的景观格局特征。研究表明:1)对比撂荒地与非撂荒地的NDVI时序曲线形态发现,撂荒地全年NDVI时序曲线变化平缓,变化幅度较小;非撂荒耕地由于作物生长发育的物候过程,NDVI时序呈现较大的变化幅度。2)通过迭代式选取振幅分割阈值,撂荒地与非撂荒地NDVI振幅的最佳分割阈值为0.42,在该分割阈值下,撂荒地和非撂荒地的识别精度分别为91.83%和90.20%。3)对撂荒地景观格局特征分析结果表明,2020年坡头区耕地撂荒面积为14.65 km^(2),约占耕地总面积的10.1%,撂荒地块普遍面积较小、形状不规则,空间上分布零散,少有大面积撂荒现象。

基于M-TWDTW模型的粤北山区耕地撂荒遥感监测研究

精准掌握耕地撂荒信息对保护耕地资源及国家粮食安全具有重要意义。本研究针对现有时间加权动态时间规整(TWDTW)模型在撂荒监测方面的局限性,提出基于均值校正策略的M-TWDTW模型的撂荒地遥感监测方法。基于Sentinel-2 NDVI时间序列数据,利用撂荒地样本构建撂荒地参考NDVI时序,基于M-TWDTW模型校正参考时序,并计算未知像元时序与校正后时序的相似性距离,基于决策树方法获取距离的最佳分割阈值,识别撂荒地并验证识别精度。研究结果表明,与常规TWDTW方法相比,M-TWDTW方法弱化了撂荒时长不一引起的NDVI绝对值差异的影响,重点捕捉NDVI时序曲线的形态特征,能大幅度提高撂荒地的识别精度(TWDTW:66.85%,M-TWDTW:90.45%),在大范围撂荒地遥感监测中具有较大的应用潜力。

基于国产高分卫星的森林碳汇估算技术研究进展

在全球气候变化背景下,实现碳达峰与碳中和是应对气候危机的重要举措,增汇减排作为其中的关键手段,如何高效估算森林碳汇成为目前研究的重点内容之一。文章依照“自下而上”与“自上而下”的划分思路,并以不同数据源为出发点,梳理总结了主要估算方法,构建当前森林碳汇估算方法分类体系;重点关注国产高分卫星数据在森林碳汇估算中的主要应用场景及适用性,探讨分析其优势与不足,以期为森林碳汇估算提供数据源选择思路和方法论参考。

时空协同的地块尺度作物分布遥感提取

地块尺度作物分布信息清晰直观地反映了农田位置、空间形态等空间细节和种植类型信息,对精准农业管理、种植补贴发放和农业资源调查等具有重要价值。虽然遥感时空协同思路为地块尺度作物分布提取提供了解决方案,但在农田地块提取和时序特征构建方面尚存在不足。该研究基于遥感时空协同的思路,以Google Earth高空间分辨率影像为底图,利用擅于学习影像视觉特征的D-LinkNet深度学习模型,快速、精准提取农田地块形态;以地块为观测单元,利用Landsat8和Sentinel-2多源遥感的“碎片化”无云数据构建地块时序数据集,基于加权Double-Logistic函数重建地块归一化植被指数(Normalized Difference Vegetation Index,NDVI)时序曲线;提取地块物候特征和多时相光谱特征,经过特征优选和随机森林分类模型构建,开展地块尺度作物分布制图。以广西扶绥县为研究区开展试验,共提取地块43.7万个,边界准确率为84.54%,相较于常规基于多尺度分割的地块提取,基于D-LinkNet的地块提取方法直接排除了非农田地物的干扰,地块形态与现实情况符合度更高;地块NDVI时间序列重建结果能够较好地捕捉作物开始生长、旺盛期、成熟收获期的动态变化趋势;分类特征重要性评价结果显示,红边特征、与时间相关的物候特征在分类中发挥重要作用,当联合物候特征和光谱特征时分类效果最佳;根据特征重要性分析不同特征数量情况下的分类精度,当特征数量大于40维时,作物分类精度和Kappa系数保持稳定,总体分类精度维持在88%左右;对扶绥县地块尺度作物分布进行制图,提取甘蔗地块277421个、水稻地块33747个、香蕉地块4973个、柑橘地块102055个,分别占农田地块总数的63.48%、7.72%、1.14%、23.35%,种植面积占比分别为69.78%、7.12%、1.71%、18.06%。该研究在理论上构建了遥感时空协同的地块尺度作物分类模型,为大范围、地块尺度作物分布遥感提取提供了实用化方案。

热红外高光谱测量中非目标因素的影响

野外热红外高光谱测量对环境背景辐射的扰动极为敏感,目前尚缺少对干扰因素的系统分析研究。为了对各类非目标影响因素进行量化评价,探讨了测量中的误差来源和构成,并采用基于标准光谱库的数值模拟方法开展了定量/半定量分析。结果表明,非目标因素主要有以下5类:发射率/温度分离算法选取、下行辐射波动、肤温变化、仪器热噪声以及平滑度指数类型,其中分离算法对发射率分离精度影响最大,黑体拟合法误差可达0.06,而平滑度指数影响最小,介于0.001~0.003 5之间;各因素影响程度大小依次为:算法选取>下行辐射波动>肤温变化>仪器热噪声>平滑度指数。该文给出了提高测量精度的操作建议,以期为野外热红外高光谱研究提供有益借鉴。

协同遥感与统计数据的粤西甘蔗种植分布提取及时空分析

粤西是我国甘蔗三大主产区之一,开展粤西甘蔗种植分布遥感提取,分析甘蔗种植区分布时空特征,对制定甘蔗种植管理政策、优化甘蔗生产布局、推进甘蔗集约化生产具有重要价值。本文协同Landsat遥感时间序列数据和甘蔗种植面积统计数据,利用时间加权的动态时间规整(TWDTW)模型,分别获取2000、2008、2020年甘蔗种植空间分布信息;基于核密度估算方法分析甘蔗种植区的空间聚集特征;采用景观格局分析方法,分析甘蔗种植斑块的空间分布特征;结合DEM数据,分析甘蔗种植区的地形特征。研究表明,(1)协同遥感时序和统计数据,基于TWDTW模型可实现较高精度的甘蔗识别,2000、2008、2020年3年平均甘蔗制图精度达87.62%;(2)粤西甘蔗主要分布在湛江市遂溪县、雷州市、徐闻县,遂溪县和雷州市甘蔗种植区呈现多中心、高密度聚集的发展趋势;(3)2000—2020年遂溪县和雷州市的甘蔗种植斑块平均面积增大、斑块密度降低、聚集指数增长,表明发生了较显著的甘蔗种植布局调整,甘蔗生产呈现集约化、规模化趋势;(4)遂溪县和雷州市甘蔗大多种植在地势平坦的区域,具有较大的机械化作业潜力。

基于地理图斑的遥感粒计算与精准应用

以数据粒化为基础的粒计算是大数据处理领域模拟人类思考和解决大规模复杂问题的前沿方向,其通过结构化、关联化等手段提升模式挖掘与知识发现的精度与效率。为更好地实施多源多模态遥感大数据的智能处理与解译分析,获取可服务于精准应用的时空信息,本文借鉴粒计算的数据处理思维,遵照从“外在场景的视觉理解”到“内在机理的知识发现”的演进脉络,在空间、时间、属性等3个维度上剖析了遥感大数据的粒结构及其多层次、多粒度特征,并以“地理图斑”为主线发展了集成分区分层感知、时空协同反演、多粒度决策等3个基础模型的遥感粒计算方法。重点以精准农业应用需求为导向开展了实践研究,案例从多个视角阐释了粒计算契合遥感大数据智能计算的需要,验证了本文构建的理论与方法可对农业遥感多层次的复杂问题进行有序解构与逐步求解,彰显了其助益于领域化精准应用的潜在能力。

时空协同的精准农业遥感研究

高分辨率遥感对地观测为我们从空间与时间2个维度客观反演地表格局—过程提供了有效的技术支撑。本文遵循时空协同的研究思路,基于高分辨率遥感影像,开展了农业遥感领域2个典型的问题研究:①提出了一种基于影像视觉特征的耕地分区分层提取方法,该方法在利用DEM数据进行分区的基础上,根据不同区域内耕地所呈现的几何特征和纹理特征差异,分别设计了不同的耕地提取模型;②构建了一种地块尺度的作物生长参数反演方法,方法以地块为基本单元,在空间、时间及属性组合约束下进行作物理化参数反演。本研究以贵州省安顺市西秀区和广西扶绥县耕地提取进行了耕地地块提取示范,以扶绥县进行了基于耕地地块和中空间分辨率时间序列遥感数据的甘蔗叶面积指数反演。其中,对于安顺市西秀区的耕地地块提取结果而言,形态精度(IoU)大于0.7的地块超过60%,规则耕地、梯田以及林草地等的类型精度均超过了80%;对于扶绥县甘蔗叶面积指数反演的结果而言,其结果可以较为精确地反映出基地甘蔗与非基地甘蔗的差异,基地甘蔗在品质上要优于非基地甘蔗。西南山地区的耕地形态提取/类型判别和地块甘蔗叶面积指数应用验证均证明了方法的可行性。结果表明,协同使用多源高分辨率数据是实现精准农业遥感研究的有效途径。

精准地理应用驱动的高分遥感协同计算研究

高分遥感智能解译是实现地理信息精细生成与快速更新的重要途径,从基于遥感开展精准地理应用的背景出发,解析了遥感信息产品生产与落地应用中的局限性,阐释了遥感回归地理应用问题的必要性以及其中“精(形态)”“准(内容)”图谱特征耦合的关键性。以地理学指导智能遥感研究为基本认识,提出了基于精细地理场景开展高分辨率遥感地学分析的发展方向和技术思路,以及时空/星地两个层面相协同的智能计算模式,并以中国贵州省关岭县石漠化耕地评价为应用案例,利用分区分层感知/时空协同反演/多粒度决策3个基础模型,在复杂山地区开展精准应用驱动的高分遥感协同计算。结合实验结果,通过对不规则网格空间表达、时序特征多模态重建、多源不确定性解析以及不确定性引导的迭代优化等关键科学问题的探讨分析,给出面向未来的探索方向和研究思路,为地理学指导下的智能遥感研究以及遥感支撑的精准地理应用提出发展路径。

地理图斑智能计算及模式挖掘方法研究

在大数据时代,高分辨率对地观测技术实现了对地球表层地理现象和地理过程最为真实、量化、全面覆盖又快速更新的数据化记录,可为地理空间认知研究的新发展奠定时空信息聚合与挖掘计算的基准。地理图斑是影像空间映射到地理空间中对于地理实体的抽象化表达,是构建地理场景和承载地理空间各类信息进而开展模式挖掘的最小单元。本文以地理图斑为基本对象,通过分析其中视觉模拟、符号推测等几类机器学习的协同计算机制,从空间、时间与属性等维度构建了集"分区分层感知"、"时空协同反演"、"多粒度决策"三者于一体的地理图斑智能计算模型,并以在贵州息烽县、广西江州区开展的农业种植结构制图与规划决策为应用案例,探索了地理图斑分布、生长以及功能3种模式的挖掘方法,并进一步设计了动态视角下开展图斑动力模式挖掘的研究思路。