基于Sentinel-2A NDVI时间序列数据和随机森林方法的高山冷凉蔬菜识别

该研究基于Sentinel-2A卫星的归一化差值植被指数(NDVI)时间序列数据,结合随机森林(RF)分类方法,对高山冷凉蔬菜种植区域进行精准识别与分类。以西吉县为研究区,利用2023年覆盖高山冷凉蔬菜全生育期的Sentinel-2A遥感数据,构建10 m高空间分辨率的NDVI时间序列数据,结合田间实测数据,使用RF分类方法对高山冷凉蔬菜进行识别分类。结果表明文章提出的方法在高山冷凉蔬菜种植区域识别中表现出了较高的精度和稳定性,总体精度达93.52%,Kappa系数为0.89。

基于ICESat-2和Sentinel-2A数据的森林蓄积量反演

森林蓄积量是林业调查的重要指标,在衡量森林健康状况和评价森林固碳能力等方面发挥重要作用,协同主被动遥感是当前反演大区域森林蓄积量的主要手段。以云南香格里拉森林为研究区,分别提取ICESat-2/ATLAS和Sentinel-2A影像的特征变量,并通过相关性分析和共线性诊断方法筛选特征变量,构建Sentinel-2A变量集和ICESat-2/ATLAS变量集,以及二者联合的变量集,然后结合样地实测数据与3个特征变量集,采用逐步线性回归和随机森林方法分别建立线性和非线性回归模型,反演森林蓄积量,并对结果进行精度验证及对比分析。研究结果表明:对3个变量集,随机森林方法精度均优于逐步线性回归;ICESat-2/ATLAS变量集在2种回归方法下的反演精度均高于Sentinel-2A变量集;联合Sentinel-2A和ICESat-2/ATLAS变量集,随机森林方法的反演精度最高,其R 2,RMSE和rRMSE分别为0.7034,84.78 m^(3)/hm^(2)和36.46%。整体来说,与Sentinel-2A数据相比,基于ICESat-2/ATLAS数据及其与多源数据联合的反演模型均可以提高森林蓄积量反演精度和模型稳定性。

基于Sentinel-2A和GF-1B遥感数据的海岸带水产养殖识别方法比较

近海水产养殖为人类提供优质的动物蛋白,对海洋经济高质量发展具有重要意义。卫星遥感技术已被广泛用于海岸带水产养殖的监测,但目前相关的研究聚焦基于单一传感器卫星数据并使用单一信息提取算法而忽略与不同卫星传感器以及处理方法之间的比较。本研究以北莉岛东北部为研究区,基于多光谱Sentinel-2A卫星和高分一号B(GF-1B)卫星数据,分别使用自适应阈值法、支持向量机监督分类法以及多尺度分割面向对象分类法,开展海岸带人工水产养殖区的识别。研究表明,更高空间分辨率的GF-1B卫星对人工水产养殖水网密集区的提取正确率远优于Sentinel-2A卫星;基于高空间分辨率GF-1B卫星,多尺度分割面向对象分类法的正确率最高,为94.65%,优于支持向量机监督分类法的94.45%和自适应阈值法的84.62%;自适应阈值法更适用于中等空间分辨率卫星数据的水产养殖信息提取,其提取的水产养殖水面的面积与目视解译提取的面积差异小于4%。针对单个养殖池使用情况的业务化监测需使用高空间分辨率卫星数据,而大范围水产养殖面积的变化分析则可应用中等空间分辨率卫星数据。

基于Sentinel-2A影像的滇中高原蜻蛉河灌区农作物种植结构提取研究

滇中高原地区海拔高,农作物分布破碎,种植地块面积小,快速准确地获取农作物种植结构对于当地农业灌溉、估产等意义重大。目前鲜有基于Sentinel-2A影像数据对滇中高原农作物复杂地区的研究,为此,基于光谱、纹理、地形3类特征构建神经网络、支持向量机与随机森林分类器,分析比较得到适合灌区的特征组合与最佳分类器。实验结果表明:3种分类模型中,支持向量机更适合灌区的种植结构提取,其总体精度为91.74%,Kappa系数为0.87。在此基础上构建面向对象的支持向量机模型,农作物提取整体精度得到进一步提升,总体精度为93.87%,Kappa系数为0.90,与传统的3种特征组合的支持向量机法相比总体精度提高了2.13%。面向对象的支持向量机法适用于滇中高原蜻蛉河大型灌区的农作物分类,可为当地水利灌溉和农业经济发展提供帮助。

基于Sentinel-2A的云南省城市绿地分类研究

为了解云南省主要城市绿地的空间分布和构成情况,以文山、景洪、芒市、香格里拉、玉溪等5个代表性的主城区为研究区,基于Sentinel-2A卫星遥感影像提取光谱、纹理、植被指数和地形特征,采用随机森林算法对公园绿地、防护绿地、附属绿地、生产绿地4类绿地进行分类。结果表明:1)参与4种城市绿地分类的因子重要性排名中,海拔(Elevation)的贡献度最高;2)5个主城区绿地分类的制图精度(PA)与用户精度(UA)均高于非绿地的精度,且总体精度(OA)和调和平均值F1精度都在84%以上,Kappa系数为0.75;3)景洪市主城区和香格里拉主城区的4种绿地分类精度优于芒市主城区、文山主城区和玉溪主城区;4)文山、景洪、芒市、香格里拉、玉溪5个主城区的绿地总面积分别达到6.22、20.81、2.52、6.65、8.58 km2。采用随机森林算法进行城市绿地分类,具有较高的准确率,为云南省绿地资源的规划、生态环境保护管理等提供了有力的技术支撑。

Sentinel-2A卫星遥感影像小麦种植面积时空特性分析

为了研究基于中分辨率遥感数据进行省市级以上大尺度小麦遥感监测的技术方法的可行性和可靠性,同时探索河南省省市级小麦种植分布的时空特征。借助哨兵2号(Sentinel-2A)卫星遥感影像,使用物候信息的阈值法提取出了2018—2022年河南省小麦种植面积及其分布,并将其结果与统计结果进行对比分析。基于Sentinel-2A卫星遥感影像提取的河南省小麦种植面积与统计种植面积具有强相关性(R2=0.8159)。从空间上看,河南省小麦种植主要集中在北部、东部地区和南部地区,其中驻马店市、周口市小麦种植面积较大,济源市、三门峡市小麦种植面积较小。从时间上看,2018—2019年河南省小麦种植面积呈增长趋势,而在2019—2022年河南省小麦种植面积呈缓慢递减趋势,通过分析发现:地理位置、自然资源、气候变化、人口老龄化、城市发展进程和政府支持政策是影响小麦种植面积变化的重要因素。

基于ASTER与Sentinel-2A融合数据的云南普朗铜矿化蚀变信息提取

云南普朗铜矿区是我国提高战略性金属矿产铜矿资源的主要潜力地段,该矿区位于多云多雨山地高原区,采用传统地面调查方法开展找矿勘查工作受限较大,而遥感技术可在其中发挥重要作用。鉴于此,本研究选取ASTER和Sentinel-2A多光谱遥感数据,在光谱协同统一两种数据源的地表反射率基础上,采用高通滤波(High-Pass Filtering,HPF)的融合方法兼顾两种数据在短波红外波段和可见光近红外波段的优势,获取了具有高空间分辨率和高光谱保真度的ASTER-Sentinel-2A融合数据集;进而利用“比值+主成分分析法”与“主成分分析+能谱-面积法”,开展了普朗铜矿区矿化遥感蚀变信息识别,并通过深入分析及野外验证,提出了对普朗铜矿蚀变信息分布特征及找矿潜力地带的新认识:(1)在原蚀变填图工作中判定为青磐岩化带的东部区域,重新进行了蚀变带的划分;(2)东部区域中新划分的钾化硅化带和绢英岩化带,具有较大找矿潜力。本研究可为普朗铜矿找矿勘查提供参考。

多时相Sentinel-2A与SPOT-7影像在油菜识别中的差异

[目的]研究多时相Sentinel-2A识别种植结构复杂的小尺度区域中的油菜面积,获取高精度的作物分布信息。[方法]以多时相Sentinel-2A和一景SPOT-7数据为数据源,选取种植结构复杂的小尺度区农业区为研究区,构建不同特征向量组合,利用支持向量机(support vector machine,SVM)的方法提取油菜种植面积。[结果]通过对比分析基于不同特征向量组合的油菜识别精度,利用一景油菜最佳识别期内的Sentinel-2A影像可以得到高达89.1%的制图精度和92.1%的用户精度;添加油菜最佳纹理特征后,多时相Sentinel-2A数据的制图精度与用户精度分别提高了2.9%和2.5%,仅比SPOT-7影像的识别精度低了1.7%和2.1%,2种数据的油菜提取精度差异进一步减小;Sentinel-2A与SPOT-7数据油菜最优分类结果对比后,一致性精度和Kappa系数分别为93.3%和0.89。[结论]多时相Sentinel-2A数据可以很好地识别种植结构复杂地区的油菜,加入最佳纹理信息能够提高油菜的识别精度;Sentinel-2A可以广泛应用于小尺度区域作物分布信息的快速提取。

利用Sentinel-2A影像的面向对象特征湿地决策树分类方法

苏州市湿地众多、类型多样化、周围环境复杂,使用传统的遥感分类方法很难得到精度较高的湿地分类结果。研究了面向对象特征的湿地决策树分类方法,以苏州市澄湖地区为研究区域,使用欧空局的Sentinel-2A影像,先将研究区域分为湿地水体、植被和非植被3大类型,再分别构建鱼塘、河流、湖泊、农田和裸地等面向对象特征,据此实现湿地遥感分类。研究结果表明,该方法能够有效利用遥感影像提供的光谱特征、几何特征和纹理特征等多种丰富信息,产生较高的分类精度,总体分类精度可达80.67%,Kappa系数为77.80%。与传统的基于中低分辨率遥感影像的分类方法相比,该方法可以有效提取湿地不同地物对象的几何结构和纹理等特征,在提高湿地分类精度的同时实现对大面积湿地的快速动态监测。

基于Sentinel-2A的矿化蚀变异常信息提取应用

通过对Sentinel-2A影像数据的光谱特征分析,并结合遥感矿化蚀变异常信息的提取理论,选取四川省康定雅拉地区为研究区域,采用主成分分析法提取羟基蚀变异常信息,通过图像密度分割和蚀变信息面积统计,结合Landsat 8遥感数据提取分析结果和研究区地质图进行对比分析。结果表明,Sentinel-2A遥感数据进行矿化蚀变异常信息提取具有良好的可行性,并且提取精度高,提取蚀变信息面积广,可为Sentinel-2A新型光学遥感数据在遥感找矿领域的运用提供参考。

Sentinel-2A与GF-1数据在油菜种植提取中的差异性分析及提取方法对比研究

以Sentinel-2A和GF-1 WFV为数据源,分别采用最邻近法(面向对象)及BP神经网络法(基于像元),提取兴化市油菜种植区,并对提取结果进行精度验证;同时,结合官方数据,比较各提取组合类型(数据+方法)提取的油菜种植面积相对误差.通过此,探讨多源中高空间分辨率遥感数据中,油菜作物的提取效果差异性及适用的提取方法,并对研究区油菜种植空间格局特征进行分析.结果表明:针对Sentinel-2A和GF-1 WF数据,最邻近法及BP神经网络法提取效果均较好,各提取结果均显示油菜种植区在缸顾乡、周奋乡、垛田镇等西部区域主要呈集中连片分布,其他区域呈零星状分布.相对于基于像元的分类法,面向对象分类法在精度评价中的各参数表现更佳,并能较为有效地避免复杂地物类型区像元错分及漏分问题.针对同一数据,采用最邻近法所提取Sentinel-2A数据的生产者精度、用户精度以及油菜面积精度比BP神经网络法分别多3.22%、0.43%、6.24%,采用最邻近法所提取GF-1 WFV的生产者精度、用户精度和油菜面积精度比BP神经网络法高3.74%、0.10%、9.58%.针对同一方法,由于Sentinel-2A数据具更高的空间分辨率及更丰富的光谱信息,以上2种方法提取该数据的精度均高于GF-1 WFV数据,Sentinel-2A数据更适用于地物结构复杂,地块细碎的小尺度地区的作物信息提取.

基于Sentinel-2A MSI特征的毛竹林刚竹毒蛾危害检测

为快速、准确地检测毛竹林刚竹毒蛾(Pantana phyllostachysae Chao)危害,基于Sentinel-2A MSI数据分析不同刚竹毒蛾危害等级下毛竹林像元光谱的变化,从叶损量、绿度、含水率等多个维度选择对刚竹毒蛾危害具有响应能力的22个Sentinel-2A MSI光谱衍生指标;经单因素方差分析(ANOVA)以及递归特征消除法(Recursive feature elimination,RFE)优选后,得到可用于刚竹毒蛾危害识别的10个遥感特征,包括LAI、RVI、NDMVI、EVI、NDVI_(705)、NDVI_(783)、RegVI_(1)、RegVI_(2)、GVMI和NDWI;将上述指标作为自变量,虫害等级作为因变量,建立基于XGBoost模型的刚竹毒蛾危害检测模型。研究发现,Sentinel-2A MSI数据波段6、7、8、8a对刚竹毒蛾危害具有较强的响应能力;红边与近红外波段参与构建的指数有效反映了竹林的受害情况;XGBoost模型对刚竹毒蛾危害识别的总精度为83.70%,对不同刚竹毒蛾危害等级的识别精度依次为94.72%、72.06%、79.77%、92.41%。因此,利用ANOVA-RFE筛选Sentinel-2A MSI光谱特征建立的XGBoost虫害检测模型,具有较高的识别精度,可为毛竹林刚竹毒蛾危害遥感监测提供技术支持。

多特征优选的Sentinel-2A影像随机森林分类研究

为了探寻更高效、更准确的土地利用分类方法,本文选取遥感光谱、影像纹理特征、植被指数、生物物理指数及地形特征信息,构建多特征随机森林土地利用分类方案。以山西省晋中市祁县为例,设计7种方案对研究区域Sentinel-2A影像数据进行分类,采用混淆矩阵进行精度评估。研究结果显示,合理地选取特征变量可以提高随机森林分类的精度,结合不同特征组合随机森林分类精度和袋外数据误差进行特征重要性比较:土壤反射性指数>生物物理指数>纹理指数>地形特征;在相同分类条件下与其他机器学习分类方法(支持向量机、神经网络)相比,基于多特征随机森林优选的方法总体精度达到91.96%,Kappa系数为0.902,提取效率更快、精度更高。

Sentinel-2A数据支持下的雷州半岛植被类型识别

本文以雷州半岛为研究区,利用Sentinel-2A影像数据和真实植被样本数据,综合探讨了机器学习中随机森林与支持向量机的分类效果,并与传统的最大似然法进行比较。提取Sentinel-2A影像9个波段、7个植被指数、72个纹理特征,通过递归特征消除法挑选了10个特征组合,并将其应用于3种分类方法中,对其分类效果进行比较。结果表明:(1)有效使用多种特征变量是提高植被类型识别精度的关键,就不同特征对植被类型识别的重要性而言,光谱特征与纹理特征相当且大于植被指数,三者重要性相差不大;(2)随机森林分类效果最佳,不但能对特征进行有效选择,而且能保证植被类型提取精度,提高运行效率;(3)基于随机森林特征选择的递归特征消除法得到的特征组合不能对其他分类器性能进行优化,对随机森林模型本身的优化效果也有限。

基于Sentinel-2A遥感影像土壤有机质含量的反演研究

利用Sentinel-2A遥感影像为数据源,结合德惠市、农安县土壤实地采样的有机质含量实验室化验值,反演研究区表层土壤有机质含量。首先,选取10个分辨率为10 m(20 m)的Sentinel-2A可见光、近红外及短波红外波段,并将遥感影像进行辐射校正与大气校正,消除大气对传感器成像的影响;然后,将各波段反射率与土壤有机质含量进行相关性分析,获得有机质敏感波段;最后,利用多元回归分析的方法建立研究区土壤有机质含量的反演模型,反演研究区表层土壤有机质含量。结果表明:Sentinel-2A遥感影像在可见光与近红外波段与土壤有机质含量具有良好的相关性,且在第6波段达到峰值,为r=-0.817;将反射率进行适当的数学变换后可以有效改善与有机质含量的相关性,其中,指数变换与有机质含量的相关性较好,相关系数为r=-0.867;利用多元回归分析方法建立的研究区土壤有机质含量反演模型SOM=26.31/R2-117.56eR4-9.74R8-1.48+145.89具有较高的模型精度与较好的模型稳定性,模型的决定系数达到R2=0.917,均方根误差为5.86 g·kg-1。

HJ-1A HSI与Sentinel-2A遥感数据土壤全氮含量反演精度的对比研究

HJ-1A高光谱影像具有较多的光谱波段和较高的光谱分辨率,在土壤成分探测方面潜力巨大。然而,由于高光谱影像各波段间的信息冗余度高,使得对HJ-1A高光谱影像进行数据处理难度较大。为了探究Sentinel-2A遥感数据在土壤全氮含量方面的反演能力,以HJ-1A HSI和Sentinel-2A遥感影像为数据源,以吉林省农安县为研究对象,结合研究区土壤采样的实验室全氮含量化验值,分析两种遥感影像各波段反射率及其数学变换与研究区土壤全氮含量的相关性,提取土壤全氮含量的敏感波段并建立全氮含量的反演模型。通过比较两种遥感影像在土壤全氮含量方面的反演能力与反演精度,探究Sentinel-2A多光谱遥感影像反演土壤全氮含量的可行性。研究结果表明,HJ-1A HSI影像在可见光波段的反射率与农安县土壤全氮含量具有较强的负相关性,并在第28波段达到峰值;将遥感影像反射率进行适当的数学变换及一阶微分变换后可以有效提升与土壤全氮含量的相关性;利用Sentinel-2A遥感影像建立的研究区土壤全氮含量最优反演模型的模型精度与HJ-1A HSI影像的最优反演模型的模型精度相近,表明利用多光谱遥感影像Sentinel-2A反演土壤全氮含量的方法可行。

基于Landsat8OLI和Sentinel-2A影像在湿地提取水体信息的差异性研究

湿地作为中国重要的生态水文环境资源,及时、准确的监测湿地的水体信息具有重要意义。虽然Sentinel-2A数据相较于Landsat-8影像作为新兴的卫星遥感影像数据源名具有较多优势,但在湿地的水体信息提取的应用效果是否具有众多优点,仍是未知,因此,本文选取扎龙湿地研究区内的Sentinel-2a和Landsat-8影响各一景影像作为数据源,基于面向对象的分类分类方法提取湿地的水体信息,验证两种数据源的分类结果精度,结果表明:a.基于影像光谱特征差异和水体指数的可分性Sentinel-2A都高于Landsat-8影像,且提取结果显著。b.Sentinel-2A相较于Landsat-8影像提取得到较高的精度,水体信息用户精度87.31%,总体精度达85.87%,以上研究结果表明:Sentinel-2A影像数据相较于Landsat-8数据在复杂的小尺度湿地提取水体信息的精度更高,研究结果可作为湿地的保护研究提供理论基础数据。

基于Sentinel-2A遥感数据的土壤全磷含量定量反演研究

以Sentinel-2A遥感影像为试材,采用决策树分类、相关性分析和逐步回归分析的方法,研究了扶余市裸土的全磷含量,以期为区域精细农业的实施提供数据支持,也为Sentinel-2A遥感数据在土壤成分探测方面的研究提供参考依据。结果表明:利用决策树分析的方法可以有效分离出研究区的裸土;Sentinel-2A遥感影像的反射率经过波段求商、波段反射率倒数的一阶微分变换后,与研究区裸土全磷含量的相关性较好,相关系数分别达到-0.826和0.831;利用Sentinel-2A波段求商建立的裸土全磷含量反演模型Y=-613.5 X_((3/2))-545.0 X_((12/2))+3679.1 X_((8A/7))+494.9 X_((11/8))-3609.2,模型决定系数达到0.780,均方根误差为113.1mg·kg^(-1),表明利用Sentinel-2A遥感数据反演扶余市裸土全磷含量的方法是可行的。

应用Sentinel-2A卫星光谱与纹理信息的森林蓄积量估算

以Sentinel-2A为遥感数据源,以第九次森林资源清查数据为样地实测数据,对吉林省中东部的森林蓄积量进行反演。通过对遥感影像进行处理,获取影像的波段光谱值、植被指数,降维处理纹理特征以及地形因子;采用多元线性回归、偏最小二乘法、随机森林、支持向量机等构建了研究区的森林蓄积量估算模型,对检验样本做出了估测。结果表明:机器学习法在反演结果上均优于传统建模方法,随机森林法结果最优,相对误差为17.88%,方程精度为82.12%。

基于Sentinel-2A与NPP-VIIRS夜间灯光数据的城市建成区提取

利用夜间灯光数据(nighttime light data,NTL)与光学遥感影像提取城市建成区是当今的一个研究热点,其中基于植被校正的城市夜间灯光指数(vegetation adjusted NTL urban index,VANUI)被学者广泛利用,但它容易混淆城市边缘的建筑、水体,空间分辨率较低。对VANUI做出改进,提出基于建筑校正的城市夜间灯光指数(building adjusted NTL urban index,BANUI)。利用该指数对包头市南部的城市建成区进行提取,首先,借助Sentinel-2A遥感影像数据提取研究区的归一化建筑指数;然后,将其与NTL数据结合得到BANUI(空间分辨率为20 m),并由此得到空间分辨率更高、建筑信息更丰富的BANUI图像;最后,利用分水岭分割算法从BANUI,VANUI和NTL中提取出城市建成区并进行对比。结果表明,由BANUI提取的城市建成区总体精度可达93.61%,Kappa系数为0.7934,用户精度为81.34%,生产者精度为85.34%,提取结果与实际城市建成区的分布较吻合、提取精度较高,且优于另外2种数据。此方法可为NTL在城市建成区提取的研究中提供参考意见,也可用于对城市规划发展的监测。