多时相MODIS影像土地覆盖分类比较研究

首先以黑龙江省多时相MODIS影像为试验数据,利用最大似然分类(MLC)、自组织神经网络(SONN)、支持向量机(SVM)以及决策树分类(DTC)等四种广泛使用的分类方法进行了土地覆盖遥感分类研究。并从分类精度、样本数量对分类器的影响、模型复杂度、参数的选择、分类速度等多个方面对4种分类方法进行了深入比较和分析。综合比较得出决策树分类法最优,而经典方法之一的最大似然分类法最稳定。进而将此二法推广到全国范围的土地覆盖分类试验中,并进行精度对比。本文所得出的结论将对于在类似的应用中如何选择合适的分类方法具有一定的参考价值。

多时相MODIS影像水田信息提取研究

水稻种植及其分布信息是土地覆被变化、作物估产、甲烷排放、粮食安全和水资源管理分析的重要数据源。基于遥感的水田利用监测中,通常采用时序NDVI植被指数法和影像分类法分别进行AVHRR和TM影像的水田信息获取。针对8天合成MODIS陆地表面反射比数据的特点和水稻生长特征,选取水稻种植前的休耕期、秧苗移植期、秧苗生长期和成熟期等多时相MODIS地表反射率影像数据,通过归一化植被指数、增强植被指数及利用对土壤湿度和植被水分含量较敏感的短波红外波段计算得到的陆表水指数进行水田信息获取。将提取结果与基于ETM+影像的国土资源调查水田数据,通过网格化计算处理并进行对比分析,结果表明,利用MODIS影像的8天合成地表反射率数据,进行区域甚至全国的水田利用监测是可行的。

基于多时相Sentinel-2卫星影像的冬小麦面积提取

及时准确地提取冬小麦种植信息,对开展冬小麦农情遥感监测具有重要的意义.以杭州市余杭区冬小麦越冬期(2021-12-04)、扬花期(2022-04-08)和乳熟期(2022-05-03)Sentinel-2遥感影像为数据源,分别采用最大似然法、支持向量机、归一化差值植被指数(normalized difference vegetation index,NDVI)相加和相减合成运算提取冬小麦种植面积.结合冬小麦地面调查数据与实测种植面积,对不同方法的提取结果进行精度评价.结果显示,利用越冬期影像NDVI阈值将常绿植被区(茶园、林地)掩膜处理,对非常绿植被区(建筑、水体、冬小麦)扬花期与乳熟期影像NDVI值进行和值运算,是提取余杭区冬小麦种植面积的最佳方法,面积精度为91.96%,说明基于多时相遥感影像结合植被物候特征与典型地物类型,能够实现冬小麦种植面积的高精度提取.

基于多时相遥感影像的农安县土壤有机质含量估算

精准获取农田土壤碳储量对确保国家粮食安全及应对气候变化具有重要意义。土壤有机质(Soil Organic Matter,SOM)作为土壤碳库的重要组成部分,采用遥感影像估算SOM的精度受单时相、多时相影像的影响程度,及究竟选取多少景影像进行SOM的估算较为合适尚不清楚。本研究以吉林省长春市农安县为研究区,以2013-2018年Landsat 8遥感影像作为数据源,选取归一化植被指数(Normalized Difference Vegetation Index,NDVI)、比值植被指数(Ratio Vegetation Index,RVI)、有机碳指数(Soil Organic Carbon Index,SOCI)等光谱指数,并提取高程、坡度、坡向、地形湿度指数(Topographic Wetness Index,TWI)等地形因子,及粮食产量、化肥施用量等农田管理措施,采用随机森林算法筛选后的指示因子作为模型的输入变量,构建SOM估算模型。结果表明:相较于使用单时相卫星影像提取的指示因子,使用多时相卫星影像能更好的利用影像多时相信息,对SOM的估算精度较高。随着使用影像年份的增加,模型反演精度会达到上限,本研究中使用数据年限为3年,后续增加使用影像的数量,反演精度基本不变。使用3年影像进行SOM反演的模型验证集精度R^(2)为0.682,RMSE为3.152 g/kg。本研究成果不仅对应用多时相遥感影像进行SOM精准估算具有重要意义,也对农田土壤质量的提升及农业可持续发展具有重要意义。

基于天地图的省域多时相影像服务系统设计与实现

随着卫星遥感技术的快速发展,遥感影像的应用领域和方式呈高速增长之势,尤其是历史影像,在自然资源领域发挥越来越大的作用。以全省多时相遥感影像成果和2021年以来的季度影像成果为基础,建成多时相历史影像服务系统,旨在挖掘多年历史影像的潜力,为全省自然资源服务提供技术支撑。

一种残差卷积与多尺度特征融合的海岛多时相遥感影像变化检测方法

为提高多时相遥感影像的海岛变化检测精度,文中采用编解码结构模型将变化检测中变和不变的二分类问题视为语义分割任务,提出一种残差卷积与多尺度特征融合的海岛多时相遥感影像变化检测方法(RMFNet)。首先,在编码器层构建4组优化的残差卷积块(RC)用于提取特征信息,每组残差卷积块通过三重跳跃连接方式提高网络的泛化能力;其次,构建基于空洞空间金字塔池化的多尺度特征融合块(MFF),融合语义信息、全局上下文信息以充分学习海岛变化与未变化的特征;然后,使用损失函数指导残差卷积块和多尺度特征融合块的训练;最后,以中国香港岛为例,基于公开的变化检测OSCD数据集进行仿真实验。结果表明:提出的RMFNet方法的Kappa值比CNN、ResNet-18、PSPNet、SegNet、UNet五种方法分别提高0.2509、0.2019、0.1313、0.0786、0.0380,验证了该方法的有效性。

多时相遥感影像的深度卷积匹配算法研究

针对传统人工设计的特征描述符在面对几何差异和辐射差异较大、地物变化明显的多时相遥感影像时,容易造成大量误匹配问题,提出一种适用于遥感影像的双筛选双约束的卷积神经网络匹配算法,通过CNN提取影像深层语义特征图,在特征图中筛选同时满足优先最大原则和精确极值原则的关键点,并在对应位置提取512维描述符。在特征匹配阶段,通过由粗到精的反向匹配约束和RANSAC约束相结合的策略,保证了误匹配点有效剔除的同时保留一定数量的正确匹配点对,提高了匹配的精度。实验结果表明:该方法的匹配数量适中,正确匹配率较实验选取的其他算法相比有所提高,影像配准误差减小2个像素左右,匹配运行时间提升明显,匹配效果良好并且具有一定的适应性和鲁棒性。

基于多时相无人机影像的高郁闭度森林采伐生物量估算

为准确估算森林采伐生物量实现森林碳汇的精准计量,针对采用单一时相可见光无人机影像估算高郁闭度森林采伐生物量较困难的问题,基于伐区采伐前后多时相可见光无人机影像,研究森林采伐生物量高精度的估算方法。以福建省闽侯白沙国有林场一个针叶林采伐小班为试验区,采集分辨率优于10 cm的采伐前后多时相可见光无人机影像,采用动态窗口局部最大值法得到高精度的采伐株数与单木树高信息,再基于采伐后无人机影像,运用YOLO v5方法检测并提取伐桩直径信息,根据胸径-伐桩直径模型来估算采伐木胸径信息,再利用树高和胸径二元生物量公式估算采伐生物量,以实测数据进行验证。根据动态窗口局部最大值法获取株数与平均树高精度分别为96.35%、99.01%,运用YOLO v5方法对伐桩目标检测的总体精度为77.05%,根据伐桩直径估算的平均胸径精度为90.14%,最后得到森林采伐生物量精度为83.08%,结果表明这一新方法具备较大的应用潜力。采用采伐前后多时相无人机可见光遥感,可实现森林采伐生物量的有效估算,有助于降低人工调查成本,为政府及有关部门进行碳汇精准计量提供有效的技术支持。

冬小麦生育期间MODIS多时相NDVI特征分析及其在地物识别上的应用

[目的]为农作物产量预报提供技术支持。[方法]通过分析安徽省小麦生长季MODIS多时相NDVI特征并利用该技术识别水体、城镇居民区、旱地、水田、林地研究了该技术在地物识别及农作物产量预报中的应用。[结果]一季稻和双季晚稻的NDVI最大峰值出现在6月。水体在10月至次年6月NDVI(i,j)小于0或略大于0(如浅水体),而NDVI(i,j)小于0.16像元通常为城镇等居民点,水田NDVI(i,j)往往小于0.3,一般林地和种植越冬作物的耕地NDVI(i,j)均大于0.3。以NDVI多时相特征对5大地物类型进行识别时可识别出82.7%林地,67.4%旱地,52.1%水田,15.2%居民区。水体、旱地、水田、林地的识别可信度均达60%以上,其中识别出来的水体中有近80%为现实中的水体,城镇的识别可信度不足20%。[结论]该法在农作物产量预报中具有良好的应用前景。

基于多时相MODIS监测冬小麦的种植面积

论文基于时相和波谱信息,利用MODIS数据监测了北京冬小麦的种植面积。首先,基于地形高度对地物光谱反射值的影响,借助DEM数据对研究区域进行划分。其次,在分析并提取北京地区主要农作物时间谱曲线特征的基础上,设计决策函数,成功提取了北京地区冬小麦的种植面积。最后,比较并分析了非遥感数据对监测精度的影响。研究结果表明,(1)时相信息可以极大的提高农作物种植面积的监测精度。(2)辅助数据的利用,使决策函数的设计更具有针对性,监测结果更可靠。(3)多源多时相遥感数据在农作物种植面积的提取中具有明显的技术优势和重要的应用潜力。

基于多时相MODIS数据的黑龙江省水稻种植面积动态监测研究

水稻是黑龙江省四大主要粮食作物之一,水稻生产在黑龙江乃至全国的粮食生产中均占有十分重要的地位。本文利用2007～2009年多时相MODIS数据,在GIS、GPS的支持下,根据黑龙江省水稻生长的特点,选择水稻种植面积估算最佳时相,实现了黑龙江省水稻种植面积的动态监测,分类精度达到了85%。研究结果表明,利用多时相MODIS数据进行黑龙江省水稻种植面积的动态监测是切实可行的。

联合多时相Sentinel-2和DeepLabV3+的县域柑橘信息提取

针对传统分类方法识别柑橘种植空间信息准确率不高的问题,文章提出一种联合多时相Sentinel-2与DeepLabV3+的县域柑橘种植空间信息提取方法。首先采用优化后的轻量化网络MobileNetV2作为DeepLabV3+的骨干网络,并嵌入CBAM(Convolutional Block Attention Module)注意力机制模块构建改进DeepLabV3+模型;然后利用多时相Sentinel-2影像整合原始波段与光谱指数构建特征数据集,并通过实验对比分析确定模型分类的最佳特征组合与时相;最后将研究区影像分割为具有重叠度的待预测影像集,结合最优分类模型进行预测后拼接得到柑橘园地提取结果。结果表明:1)改进DeepLabV3+提取精度均高于DeepLabV3+、随机森林模型,在B2~B8A波段添加红边指数RESI的特征组合中总体精度值可达91.1%,最佳提取时相为11月;2)改进DeepLabV3+结合重叠预测方法提取效果优于直接预测方法,且全实验数据集区的提取面积与统计数据的相对误差均保持在±0.04%以内。文中所提出的方法可为南方地区县域范围的柑橘园地自动化监测与种植规划提供参考。

面向对象的多时相遥感影像标准化方法研究

为保留遥感影像地物特征,在现有相对辐射校正方法的基础上,提出了一种面向对象的影像标准化方法。首先提取地表覆盖中的感兴趣类型,将研究对象从像元变换到地物;然后根据地物类型关注度设置权重,以地物对象类型为单位,计算多时相遥感影像的辐射校正函数,以达到标准化大气状况的目的;最后利用多时相同波段影像辐射差值和影像的统计值来衡量标准化方法的效果。采用4期Landsat8 OLI遥感影像验证该方法的有效性,结果表明该方法能有效保留地物光谱曲线基本特征,降低成像条件不同造成的辐射异常。

优于2m多时相影像的松材线虫病受害木识别

针对现有松材线虫病受害木遥感监测研究中高分辨率影像研究应用不足的问题,提出适用于优于2m分辨率卫星影像的图像分割策略、特征分类规则及信息提取方法,对比分析了多时相与单一时相影像的识别精度,并以林业小班为单位对研究区域病虫害感染程度进行了定量研究。研究表明,优于1m卫星影像采用基于规则的面向对象方法,可较好定位识别病死单木,正确率达40%~50%;就2m卫星影像而言,基于面向像元的信息提取方法相较于面向对象方法更为合适;相较单时相影像而言,多时相影像可剔除因季节变化的阔叶林、低矮植被等地物干扰,识别精度相对较高。本文为高分辨率卫星影像应用于林业病虫害识别提供有力的支撑。

基于3D FPN的多时相遥感影像农作物分割

为了解决目前面向多时相遥感影像农作物分割中存在的研究较少、分割精准度较低等问题,设计了一种基于3D特征金字塔网络(FPN)结构的模型,并引入空洞空间卷积池化金字塔(ASPP)模块,使得该网络能够捕获图像的多尺度特征,融合图像更多的上下文语义信息.此外针对数据集类别数量和难易区分程度不平衡的问题,引入了Focal loss函数,通过设置权重因子,使得网络更多关注数量少或难区分的类别.以2019年齐齐哈尔市的多时相遥感影像为数据源,对玉米、大豆、水稻以及其他四种类别进行分割.实验结果显示,总精准度达到了93.6%,平均召回率达到了93.2%,平均准确率达到了94.0%,平均F1得分达到了93.5%,平均交并比(IoU)达到了88.6%,优于3D FCN、3D Unet、2D Unet+CLSTM等农作物分割方法,证明了提出的模型的有效性.

基于多时相MODIS-RVI的玉米遥感估产研究

为了获得更加宏观高效的农作物估产模型,以吉林省德惠市为研究区,以MODIS为数据源,进行了玉米估产模型研究。通过分析比值植被指数(RVI)与玉米产量之间的相关关系,建立玉米单产预测模型。研究表明,利用多时相的RVI对玉米点进行遥感回归估产可得到较好的估算效果,模型相关系数可达0.825,均方根误差为7.61,验证点的实际产量与理论产量间的相对误差均在10%以内,对吉林省德惠市玉米估产模型研究具有一定的指导意义。

基于多时相哨兵遥感影像的撂荒耕地识别方法

利用卫星遥感技术对耕地进行监测具有数据范围大,提取速度快速高效等优点。为此,以湖南省中部某县为例,基于五个时相高分辨率(哨兵2号)卫星遥感影像,利用不同作物时间序列的植被差值指数,对撂荒耕地光谱特征进行分析,采用撂荒耕地的特征值来构建决策树模型,获得各种类型地类空间分布,从而识别出撂荒耕地的分布。研究结果表明,该县撂荒耕地约为20.21万亩,占该县耕地面积25.01%,通过实地样本数据对结果进行验证,结果表明利用卫星遥感影像能够较好地提取出撂荒耕地,正确率高达80.79%。该方法能为我国丘陵山地地区撂荒耕地遥感监测和空间分布提取提供技术参考。

多时相影像的典型区农作物识别分类方法对比研究

基于甘蔗和玉米的物候特征差异,对多时相影像典型分类方法处理的适宜性和准确性进行了比较研究。并以目视解译结果作为参考数据,利用全样本检验法,对自动分类的结果进行了精度检验。试验结果表明:面向对象法的分类精度最高,总体Kappa系数为0.655,是最适宜的方法;其次是BP神经网络法和光谱角制图法,总体Kappa系数分别为0.635和0.631;而最大似然法和分类后比较法则是不适宜采纳的分类方法,总体Kappa系数分别为0.601和0.577。上述分析可见,它们对遥感分类处理多时相影像识别算法的适用性选取有一定参考意义。

多时相TM影像相对辐射校正研究

多时相影像对应波段中地物波谱“准”不变特征点(Pseudo-Invariant Features,PIFs)的选取是相对辐射校正的前提,采用目视解译选取主观性较强,在一定程度上影响了校正精度。利用绍兴试验区两时相TM影像,通过样本点间差异阈值,主成份分析和回归分析方法控制选取影像对应波段间的PIFs,使得校正样本点的选取具有客观性。在此基础上获取增益和偏移量并对两时相影像进行相对辐射校正,取得了较好的校正效果,从而有利于土地利用/覆盖变化监测。

顾及空间邻域关系的多时相SAR影像变化检测

提出了一种顾及空间邻域关系的多时相SAR影像非监督变化检测方法,采用马尔可夫随机场(Markov random field,MRF)模型描述SAR比值差异图像的空间上下文信息,提出了基于该模型的EM-MPM非监督变化检测算法。实例研究表明,与未顾及空间上下文信息的EM双阈值算法相比,该方法能够有效地提高变化区域提取的可靠性和准确性。