“3S”技术在重庆市潼南区乡村产业数字化中的应用

推动乡村产业数字化转型升级是产业高质量发展的现实需要,也是推进乡村振兴的重要举措。3S技术对加强乡村数字化建设具有重要作用,有利于构建乡村产业资源、生产、管理、服务等智能化、数字化体系。以重庆市潼南区为研究区,总结潼南区乡村产业数字化建设思路及主要内容,探索3S技术在其乡村产业数字化中的具体应用,包括乡村农业资源数字化建设(土地资源数字化建设、生产经营数字化建设、社会服务数字化建设)、3S技术在农业遥感监测中的应用(作物分布遥感监测、作物长势遥感监测、作物灾害遥感监测)、3S技术在乡村产业数字化服务系统建设中的应用(构建潼南区“1+4”的乡村产业数字化服务系统平台)。

油菜角果高光谱成熟指数构建

为建立油菜角果成熟程度定量化评估指标,以不同品种、不同成熟等级的油菜角果为研究对象,在分析其非成像原始高光谱反射曲线、一阶微分变换光谱和连续统去除变换光谱的基础上,开展不同成熟等级油菜角果光谱特征差异研究,构建一种能够有效辨别油菜角果成熟程度的高光谱指数。结果表明,不同品种、不同成熟等级的油菜角果反射光谱差异较大,在625 nm两侧光谱反射率明显不同;油菜角果成熟等级越高,红光吸收谷越浅,其谷点波深越低,吸收谷反射率不断增强,红光吸收谷位置基本稳定在675 nm左右;选用625 nm、675 nm和730 nm 3个高光谱波段构建新的油菜角果成熟指数(CPMI2),与改进型叶绿素吸收比值指数(MCARI)、水波段指数(WBI)、油菜角果成熟指数(CPMI)3个光谱指数的决定系数分别为0.89、0.81和0.55,即与反映植被叶绿素含量、水分含量的光谱指数及已有的角果成熟指数有较高的相关性,与油菜角果成熟程度具有较好的一致性。本研究结果可为利用高光谱探测油菜角果成熟度,有效确定油菜适宜收获期提供参考。

双极化SAR参数对植被干旱响应的显著性分析

为探索以Sentinel-1为代表的双极化SAR参数对植被干旱信息的可表达性,基于相关分析和主成分变换法分析了相关光学遥感干旱指数及干旱主要信息分量与Sentinel-1特征参数的相关性,并对干旱条件下I_(RV)和I_(DPRV)参数对不同植被类型的响应进行分析,结果表明:基于光学遥感的干旱指数均能不同程度地反映植被的受干旱胁迫程度,植被指数I_(NDV)侧重于从植被长势方面的表达,温度干旱指数I_(TC)偏向于从地表环境温度的角度来反映干旱情况,综合植被-温度干旱指数I_(VTC)偏重于地表温度对其响应,而I_(VSW)兼顾植被长势与地表温度的双重影响且与水分干旱指数显著相关;雷达植被指数I_(RV)、双极化雷达植被指数I_(DPRV)与干旱主要分量信息的相关系数分别为-0.79、-0.65,适合于评估地表植被受干旱程度;I_(RV)和I_(DPRV)对四种土地覆被之间的可区分性整体趋势基本一致,但I_(RV)比I_(DPRV)具有更高敏感性。本研究可为西南山区农业遥感干旱信息监测提供参考。

基于3D卷积的高光谱玉米地块识别模型设计与实现

种植地块的精准识别是开展玉米农情监测的基础。受山地地形、影像的分辨率和提取方法限制,如何及时准确地获取玉米种植信息仍然是目前山地农业需要解决的重大问题之一。为了给基于高光谱影像的玉米地块精准识别与应用提供参考,以高光谱影像玉米地块为研究对象,利用深度学习技术,通过深度学习框架Keras对地物类型样本进行训练,提出了一种3D卷积神经网络模型以提高玉米地块的识别准确率,分类效果Overall Accuracy、Average Accuracy达到90%以上,Kappa系数达到86%以上。该模型具有泛化能力较强、准确率较高、鲁棒性较好及损失率较小等特点。

多旋翼无人机载高光谱成像系统几何和辐射校正方法研究

针对农林环保等行业应用,结合成像光谱仪与无人机(unmanned aerial vehicle,UAV)技术,有效地解决了高光谱遥感数据不足和空间分辨率低等问题.但UAV高光谱成像系统面临的设备昂贵、数据质量差和效率低等一系列问题,致使低成本高效便捷的UAV高光谱成像系统成为了研究的关键.介绍了将室内成像光谱仪搭载在多旋翼UAV上采集数据的高光谱成像系统,在试验区布设控制点和标准灰布,用GPS-RTK测量控制点的三维坐标和ASD地物光谱仪测量标准灰布的反射率以验证系统的成像精度.从辐射和几何两个方面进行分析评价.在辐射方面,经过辐射定标和MODTRAN模型大气校正的高光谱数据中校准灰布的反射率与ASD地物光谱仪测量的结果十分吻合;在几何方面,用GPS-IMU数据进行初始几何校正的图像与地面控制点坐标以分析图像处理后的几何误差,并提出通过改正姿态偏转角的方法提高图像的地理位置精度.

自贡城市森林结构研究

以卫星遥感图等资料为基础,采用抽样调查的方法,对自贡市7 053.16hm2研究区范围内的树木进行了实地调查,并对城市森林分布、群落结构特征予以分析。调查显示:在研究范围内,居住区林地和单位附属林地较为缺乏;自贡市7种主要树种占树木总量的51.49%,但物种多样性较低;与平原城市(以保定市为例)相比,自贡市具有树木径级方面的优势;从林地地形分布格局来看,海拔、坡度影响着城市森林类型和分布。

基于GIS的“数字底图”构建路径探讨

“多规合一”是整合区域内各类规划要求、空间信息、生态资源、社会现状的重要手段,是统筹城乡发展、实施乡村振兴战略的重要途径。从“多规合一”数字底图建设入手,分析地理信息系统(GIS)技术在数字底图建设中的应用要点,理清数字底图构建的核心思路,即通过多渠道、多方位收集区域基础现状数据,结合规划建设目标,并利用多种技术手段,建立统一标准、统一坐标、统一格式、统一数字属性的可流通的基础数据库。介绍基于GIS的数字地图构建路径:多维度数据的获取;基于GIS的数据整合入库(数据坐标统一、卫星影像的融合、数据格式转换、数据GIS入库分类编码、数据信息完整度检查);用地差异化对比及差异协调处理;数据成果储存;“数字底图”成果运用。

自贡市不同林地类型温湿效应初步研究

采用实地抽样测定的方法,对自贡市不同结构类型的林地温湿效应进行调查,并运用Excel统计分析,结果显示:(1)自贡市林地在不同季节表现出不同的温湿效应,夏季为降温增湿,冬季为增温减湿;(2)夏季不同干扰程度的林地中自然林降温最为明显,而增湿作用最大的是人工林;(3)阔叶混交林的降温增湿效应明显大于其他结构林地,而针叶林表现最不明显;(4)林地的郁闭程度和立体结构都能影响其温湿效应,随着郁闭度的增加,林地平均降温效应和平均增湿效应不断上升,但不同的结构呈现不同的趋势。

基于高光谱的油菜叶片SPAD值估测模型比较

【目的】比较基于高光谱参数的油菜叶片SPAD值估算模型效果。【方法】在分析光谱反射特征和光谱参数与SPAD值相关性的基础上,利用光谱特征参数优选并构建了偏最小二乘回归(PLSR)、传统反向传播神经网络(BPNN)、支持向量回归(SVR)和深度学习神经网络(DNN)等模型对叶片样本叶绿素SPAD值进行估测。【结果】①叶片原始光谱与叶片SPAD值在425~495 nm的蓝波、665~680 nm的红波区域呈现微弱正相关,与红边波段均呈现负相关,并在510~650 nm的绿、黄波段和690~735 nm的红边波段显著负相关;②与叶片SPAD值显著线性相关的SDb与SDy、CARI与MCARI、CI与NDVI705等三组光谱特征的组内参数具有一定的可替代性,而且有助于提高SPAD模型预测精度;③基于高光谱参数的深度学习DNN模型决定系数R2为0.93,RPD为3.92,具有较高的预测能力,SVR模型次之,PLSR和BPNN模型效果一般。【结论】油菜叶片光谱参数之间存在不同程度的相关性,基于机器学习的非线性估计模型具有较高的稳定性和预测能力,深度学习算法在油菜叶片叶绿素SPAD值估测方面具有更好的估测能力。

基于光学与雷达遥感的山地油菜分布提取研究

通过对Sentinel-2光学影像主成分特征波段、植被指数和多时相Sentinel-1 SAR不同极化散射特征波段构建多种地物特征影像集组合,基于支持向量机分类(SVM)算法对重庆市合川区2019年产季冬油菜分布进行识别提取精度分析.结果表明:植被指数可以大幅度提高油菜作物分布提取的制图精度,基于红边波段的植被指数要比传统的近红外波段对改善油菜提取的制图精度更加有效,制图精度提高4.5%;在一定程度上,多时相极化SAR数据VV-VH特征组合可以替代光学影像用于丘陵山地地块破碎地区油菜种植分布信息的提取,油菜制图精度提高15.74%,融合绿熟期油菜作物光学特征和同期SAR散射特征的波段组合因冠层角果含水量增加,油菜作物雷达散射特征加强,油菜制图精度由46.07%提高到66.29%,总体精度提高到60.40%.在光学影像主成分特征与多时相SAR散射特征下,油菜制图精度提高到70.79%,用户精度提高至85.14%,总体精度提高10%左右.在西南多云雾地区,以时间序列SAR数据为主导,光学影像为补充的方法用于西南丘陵山地作物种植信息提取是一种较为可靠的方法,可为我国西南地区农作物信息提取提供参考.

基于遥感的西南地区水稻种植信息提取

为探索西南地区水稻种植信息的有效提取方法,以重庆市永川区朱沱镇为例,根据Sentinel-2多光谱影像,结合高分一号(GF-1)影像数据选取样本分布点,构建水稻作物信息随机森林提取模型,同时分析样本地类像元光谱曲线,构建不同地类样本影像像元光谱库,并将随机森林分类结果与传统最大似然法、光谱角及基于时差的光谱角水稻空间种植信息分类结果进行对比及精度分析。结果显示,通过光谱角分类器提取地物精度有限,结合时差特征能够明显提高目标提取精度,而基于水稻样本信息训练构建的光谱角模型提取方法获取水稻种植面积准确率高达90.62%,分类结果总体精度达91.50%,Kappa系数达到0.83,实现了对西南地块破碎地区分散作物种植信息的有效提取,可为西南地形复杂、地块破碎地区农作物信息提取提供一定参考。

遥感定量反演农作物叶绿素的现状与发展

叶绿素是农作物生长过程中重要的生理参数,其含量是评价农作物长势的重要指标。利用定量遥感技术对农作物叶绿素含量进行反演,可辅助大面积农作物长势监测、产量预测等。总结并分析了近几年遥感定量反演叶绿素的主要研究成果,表明物理模型法更具普适性,适宜大面积农作物叶绿素含量反演,是未来定量遥感发展的重要方向,但是有待辐射传输机理的进一步完善;统计模型法是目前应用最广的反演模型,但是无明确物理意义,探索通过不同光谱特征量组合来改善模型普适性,减弱环境因素影响,对提升当前统计模型反演精度有重要意义。

基于GF-1的山地主要农作物种植信息提取研究

为探索GF-1 PMS多光谱数据影像在低山丘陵地貌破碎地区主要农作物遥感识别中的信息有效性,以重庆市永川区卫星湖街道为例,利用研究区多时相、多光谱特征影像,对研究区油菜、玉米、水稻等主要作物进行信息提取。提取结果显示,利用GF-1多时相多特影像,水稻作物信息提取生产精度与用户精度均达到90%以上,提取精度较低的旱地作物玉米提取效果也得到了提升,油菜作物信息提取生产精度大幅度高于用户精度,主要作物提取总体精度OA为80.93%,Kappa系数0.635,分类质量达到较好水平。基于多时相GF-1影像光谱、纹理等特征的面向对象分类方法,能够有效地提取南方低山丘陵破碎地貌地区主要农作物空间分布信息,提高主要农作物的遥感识别精度,为山地农作物遥感信息提取提供参考。

基于随机森林的水稻信息提取研究

以重庆市永川区朱沱镇Sentinel-2多光谱影像为例,构建随机森林分类模型,分别以单时相和多时相特征变量集为变量提取水稻空间分布,并对水稻对不同波谱特征集的响应程度及提取精度进行分析。分类结果显示,研究区水稻分布相对较为分散,且地块特征较为复杂,与区域典型地貌基本相适应;处于分蘖期的水稻稻田比处于灌浆期的稻田更有区分特征,利用多时相数据能够有效提高提取精度;通过传统的最大似然法、光谱角分类器提取地物精度有限,而基于机器智能分类的随机森林模型提取方法提取结果总体精度90%以上,Kappa系数达到0.80以上,可为西南山地地区作物信息提取提供参考。

一种融合多波段信息的遥感影像纹理提取算法

针对传统纹理提取窗口尺度固定,而且影像提取还会受到影像噪声、同物异谱或异物同谱等因素影响的问题,本文提出了一种融合多波段信息的自适应窗口算法。首先,利用多波段信息改进边缘检测算法,再基于边缘检测结果,选择最佳窗口尺度;其次,运用自适应窗口算法和固定尺度窗口算法分别提取影像纹理特征,并结合影像光谱特征进行支持向量机分类,对比分类结果,光谱特征结合自适应窗口纹理的分类精度优于结合固定尺度窗口纹理。表明自适应窗口算法提取纹理特征比固定尺度窗口算法更具优势,融合多波段信息的自适应窗口算法是有效的。

基于包络线法的丘陵山区常见落叶果树光谱识别研究

高光谱遥感的日益普及,使常见果树树种的精细识别成为可能。采用机载高光谱成像仪获取李、梨、桃、桑等4种丘陵山区常见落叶果树的高光谱数据。在完成原始数据的预处理基础上,进行包络线去除。基于包络线去除后的平均光谱曲线,选择差异较大的550~750 nm光谱波段,计算得到这4种果树的吸收峰左侧面积、吸收峰右侧面积、吸收峰总面积和对称度等4种光谱特征。结果表明,4种光谱特征在4种果树上表现出一致的规律,即吸收峰总面积、吸收峰左侧面积、吸收峰右侧面积和对称度均表现为梨树>桃树>桑树>李树;根据吸收峰左侧面积、吸收峰右侧面积和吸收峰总面积的差异,可以很好地识别这4种果树。可见,包络线去除法能增强不同果树光谱特征的细微差异,从而实现不同树种的光谱识别。

“3S”技术在蔬菜病虫害绿色防控中的应用

推进蔬菜病虫害绿色防控是贯彻"预防为主、综合防治"植保方针,实施"生态农业"战略的重要举措,而杀虫灯物理诱控技术是绿色防控技术中的一项重要措施。本文利用"3S"技术,对杀虫灯布置点位进行规划设计。结果表明,与现场已设实际点位相比,基于"3S"信息技术在露地种植模式下进行杀虫灯点位布设规划在基地面积覆盖度和作用范围重叠率方面更优,可达到经济、高效、节能的目标。

基于卷积神经网络的油菜病害识别模型

油菜菌核病的发现和防治可增加油菜籽产量,提升油菜品质。利用深度学习技术,提出一种卷积神经网络模型以提高识别准确率。以油菜菌核病病害叶片图像为研究对象,通过深度学习框架Keras对病害叶片进行训练,准确率达到97%。该模型具有泛化能力较强、准确率较高、鲁棒性较好及损失率较小等特点,为油菜病害智能识别诊断应用提供了参考。

基于Sentinel-2影像分辨率提升的西南山区油菜作物识别研究

【目的】由于Sentinel-2影像空间分辨率不足,目前难以在我国丘陵山区等复杂地区开展广泛应用。为进一步拓展其应用深度,本研究通过提高Sentinel-2数据空间分辨率,探索不同空间分辨率与光谱分辨率条件下低山丘陵地区作物遥感识别能力,为我国西南低山丘陵复杂地区农作物遥感识别研究提供参考。【方法】利用多光谱影像重建与融合技术,获取了Sentinel-2影像不同空间分辨率与光谱波段的多光谱影像,通过融合图像质量评价,特征波段光谱趋势分析及随机森林模型下不同空间分辨率与波段组合下油菜遥感识别精度对比及特征波段重要性度量,分析不同空间分辨率与光谱波段条件下地形复杂地区的油菜遥感识别能力。【结果】①影像融合后图像亮度均有所增加,微小细节反差和纹理变化的表达能力明显增强,图像的清晰度有较大提高,主要地物融合前后灰度曲线变化趋势基本一致。②数据空间分辨率提高能够有效提高油菜作物分类精度,总体精度由72.29%提高到79.52%,Kappa系数从0.66上升到0.75;在同等分辨率条件下,红边波段有助于提高油菜作物的制图精度,从91.30%提高到95.65%。③不同红边波段对提高作物的识别精度效果存在差异,C2(可见光B2、B3、B4-红边B5-近红外B8)组合与C1(可见光B2、B3、B4-近红外B8)组合总体精度提高4.75%,C3(可见光B2、B3、B4-红边B5、B6-近红外B8)组合与C2组合总体精度提高1.21%,红边B5波段与红边B6波段有助于提高总体精度,且B5波段比B6波段更有效;C4(可见光B2、B3、B4-红边B5、B6、B7-近红外波段B8)与C3组合制图精度提高4.35%,用户精度提高0.57%,B7波段对于油菜作物制图精度提升效果较为明显;基于随机森林模型的特征波段归一化重要性度量值表明在较高分辨率条件下,可见光蓝色波段B2与绿色波段B3的重要性度量值分别为0.94和0.82,红边波段B7和红边波段B5度量值分别为0.89和0.75,与波段组合比较中红边B7与红边B5波段更有助于提升油菜制图精度与总体精度的结果较为一致。【结论】本研究通过多光谱影像重建与融合技术实现了Sentinel-2影像空间分辨率的大幅度提升,同时基于随机森林分类完成不同红边波段组合下的油菜提取结果的精度对比和特征波段重要性量化度量,首次较为全面地探索了Sentinel-2影像高分辨率条件下不同红边波段下油菜作物遥感识别能力,可为Sentinel-2影像分辨率提升研究及探索其更广泛的应用领域提供借鉴。