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Sentinel-2A的耕地质量综合评价

本研究以Sentinel-2A数据为基础,构建基于多光谱遥感影像和地球化学数据的耕地质量指标体系和评价模型,对海伦地区耕地质量进行综合评价。在分析土壤肥力、土壤水分、土壤退化与植被指数的相关性的基础上,确定了基于Sentinel-2A的遥感评价指标,并基于营养元素与重金属含量构建地球化学指标,并将两项指标进行结合形成P-S-R框架体系。在该指标体系下,采用层次分析法构建了耕地质量综合评价模型,创新性实现了通过遥感手段结合少量地球化学数据完成对耕地质量进行评价。利用土壤样本实测点对模型进行验证,结果表明评价模型获取的耕地质量评价结果与研究区实际情况比对精度达到75%,结果表明海伦地区耕地质量整体较好。该方法相比采用传统的地球化学评价土地质量的方法更加方便和快捷,对于大范围耕地的可持续利用提供有效的技术支撑和重要的现实意义。

基于云计算平台的撂荒耕地提取方法

快速准确查明我国耕地撂荒情况对于粮食增产尤为重要,利用遥感进行撂荒地监测是一种重要手段。由于西南山区耕地破碎,撂荒地植被生长迅速与正常耕地难以区分,利用遥感提取撂荒耕地的传统方法耗时且存在算力限制,本文基于谷歌地球引擎(GEE)云平台,利用哨兵2号(Sentinel-2A)遥感影像,运用随机森林(RF)与支持向量机(SVM)两种机器学习方法进行四川省宜宾市耕地提取,并结合归一化植被指数(NDVI)阈值分割模型分割撂荒地,绘制出2018—2021宜宾市撂荒地分布图,撂荒地面积分别占耕地面积的6.37%、5.15%、4.31%、3.02%,校验总体精度达到83.87%。基于云计算平台机器学习方法并联合NDVI阈值分割模型,能利用更少实地调查样本实现大范围内撂荒地的提取。

融合Sentinel-2数据的高分五号高光谱数据降尺度

高分五号(GF-5)是中国首颗实现对大气和陆地综合观测的全谱段高光谱卫星,其搭载的可见短波红外高光谱相机AHSI提供的遥感数据拥有极高的光谱分辨率。然而,AHSI数据的空间分辨率为30 m,较低的空间分辨率限制了应用场景。为实现GF-5数据的降尺度,本文通过融合10 m哨兵二号(Sentinel-2)多光谱数据,生成10 m GF-5高光谱数据。在方法上,针对现有先进的信息损失引导的图像融合方法ILGIF(Information Loss-Guided Image Fusion)在高光谱图像降尺度中计算时间成本高的问题,本文提出了其快速版本FILGIF(Fast ILGIF)。另一方面,在降尺度过程中,本文考虑并估计了30 m GF-5高光谱数据和10 m Sentinel-2数据之间的尺度转换点扩散函数PSF(Point Spread Function),提高融合数据质量。实验结果验证了融合Sentinel-2数据用于GF-5高光谱数据降尺度的可行性。同时,结果表明:在获得与ILGIF相当精度的前提下,FILGIF大幅提高了运行效率;尺度转换PSF对降尺度过程有着重要影响,其准确的估计有助于获得更高精度的降尺度结果。

融合Sentinel-2卫星和地面验证点数据研发山东禹城冬小麦冠层叶绿素数据集的方法与结果

融合哨兵2号卫星(Sentinel-2)冠层叶绿素含量与地面验证点数据研发山东禹城冬小麦冠层叶绿素数据集并得到结果数据集。结果数据集由两部分组成:(1)冠层叶绿素地面验证样地数据(CCC_(Field)),包括LAI和SPAD。2020年5月9–16日在山东禹城冬小麦观测,共计107个样地;(2)哨兵2号卫星叶绿素反演数据(CCC_(Sentinel)),空间分辨率为10 m。对(CCC_(Field))和(CCC_(Sentinel))序列进行5种相关分析显示,决定系数(R2)可以达到0.889,9-0.928,0,RMSE=29.267,表明在该地区4月末至5月初期间,哨兵2号卫星(CCC_(Sentinel))至少能解释地面样地观测(CCC_(Field))变化的88.99%。本数据集存储为.tif、.shp、.kmz和.xlsx数据格式,由18个数据文件组成,数据量为215 MB(压缩为3个文件160 MB)。

多源多特征集成的南美洲典型地区湿地制图

南美洲湿地面积广且类型多样,但湿地制图相关研究匮乏,通过遥感手段可为南美洲全域湿地制图提供科学技术支撑。本研究依托GEE (Google Earth Engine)平台面向南美洲湿地提出一种多源多特征集成的湿地制图方法。研究选取南美洲典型湿地地区为研究区,首先利用已有土地覆盖数据集提出一种有效的湿地样本采集流程以保证样本质量,其次结合哨兵1号、哨兵2号和SRTM数据构建多源特征集合,并基于随机森林的递归特征消除算法(RF_RFE)进行特征优选,构建不同特征组合方案对比多源特征对湿地分类结果的影响,最后采用随机森林算法对研究区湿地进行分类提取。研究结果表明,设计样本采集方案可有效提高样本质量,多源特征集合能够提升湿地分类精度,特征优选能够减少特征冗余并提升分类精度。研究区分类总体精度为85.62%,Kappa系数为0.8333,其中湿地类别的精度最低为69.85%,最高为95.18%。