基于高空间分辨率时间序列影像的对象级侵占林地图斑快速检测

【目的】为掌握森林资源动态变化情况,及时、快速、准确地发现侵占林地地块,并解决主流遥感变化检测方法对数据源和时相一致性要求高、人工干预多、过程繁琐等应用瓶颈,采用一种基于高空间分辨率时间序列影像的多尺度对象级分割和变化提取方法,对主流方法的分类和检测两个过程进行了融合和简化。【方法】以陕西省白水县为研究区,采用GF-1和ZY-3卫星数据源,将前后两期遥感影像波段拆分和重组形成时间序列影像,对时间序列影像进行多尺度面向对象的分割,通过分割结果的光谱变化值统计学抽样判断临界点并制定提取阈值,再利用NDVI变化值对结果进行优化。【结果】以人工目视解译结果作为参照,该方法的检测精度达86.2%。在成功检出的侵占林地图斑中,形状吻合较好或基本吻合的图斑占48.8%。【结论】该方法能够实现侵占林地图斑的快速检测,在检测效率、精度和适应性方面可满足大范围、多时相、混合数据源森林资源监测工作的实际应用需要。

基于Landsat-8和Sentinel-2时间序列合成影像的山区甘蔗种植区提取

山区耕地破碎化现象严重,种植结构复杂,加之山区多云雨天气使得遥感影像质量难以保证,给基于遥感的山区甘蔗种植区提取带来困难。为探究适用于山区甘蔗种植区提取的方法,本研究以典型山区甘蔗种植区云南省玉溪市新平县为研究区,以2019年10月1日至2021年7月1日过境新平县的Landsat-8和Sentinel-2光学影像为数据源,结合DEM数据和野外调查数据,基于谷歌地球引擎(google earth engine,GEE)云计算平台构建高空间、高时间分辨率的时间序列合成影像,借助甘蔗与常绿植被、水体、不透水层、其他农作物在光谱指数特征、物候特征、地形特征上的差异,采用上升时间、下降时间、上积分、下积分4个物候参数以及海拔、坡度因子确定提取甘蔗的最佳阈值,对研究区2020年甘蔗种植区进行提取并绘制2020年新平县甘蔗种植区分布图,最后对提取结果进行精度验证与甘蔗空间分布规律分析。结果表明:基于Landsat-8和Sentinel-2合成的时间序列影像可以增加研究区内像元的良好观测次数并提高影像的空间分辨率,克服了山区遥感影像质量不高的问题,可更好地监测植被物候特征与季节变化;本研究甘蔗种植区提取总体精度为97.07%,Kappa系数为0.83,其中甘蔗的用户精度为88.85%,制图精度为80.57%;新平县2020年甘蔗种植区面积为7705 hm^(2),甘蔗种植区的空间分布随新平县西北高东南低的地势呈现出东南多于西北的现象,且乡镇间甘蔗种植区面积差异显著,甘蔗种植面积最大的乡镇为漠沙镇(2786 hm^(2)),面积最小的乡镇为古城街道(0.87 hm^(2)),与实际调研情况一致。通过对物候参数进行敏感性分析发现,同时使用上升时间、下降时间、上积分、下积分4个物候参数进行甘蔗提取,可提高用户精度,减少错分误差。该研究提出的甘蔗种植区提取算法可为山区复杂地形下甘蔗种植区提取提供参考。

基于Landsat和Sentinel-2时间序列影像的海南西部橡胶林龙卷风灾情评估

风害是影响中国天然橡胶产业发展最严重的自然灾害之一,它短时间内对橡胶林造成严重的物理伤害(大量落叶、枝条和主干折断等),严重影响后期生长和产量。传统地面调查虽然精度高,但耗时费力、经济成本高,利用遥感快速评估对指导灾后生产恢复、保险赔付和科学研究等具有重要意义。本研究以2019年8月1912号热带风暴"杨柳"在海南西部诱发的龙卷风为例,从影像数据覆盖的时效性、合成方法和灾害评估指标筛选等角度出发,探讨了联合Landsat 7/8和Sentinel-2时间序列遥感影像和影像差异法评估橡胶林风害损失的潜力。结果表明:(1)无云的Landsat 7/8和Sentinel-2影像在灾害发生前后的20 d内能对90%以上的研究区域实现至少一次覆盖,30 d内基本实现完全覆盖,像元尺度平均覆盖3次,60 d平均覆盖6次;(2)风灾前采用最大值合成,灾后采用中值法合成,获得的影像差异显著且监测指标最为稳定;(3)在时间窗口方面,灾害前后40 d窗口内合成影像的监测效果趋于稳定,与90 d窗口合成影像的结果差异不明显,保守的建议采用灾害前后60 d窗口内的影像进行风灾监测;(4)受损橡胶林风灾前后EVI数值变化最大,40 d窗口之后平均下降超过0.5,NBR次之,其后是LSWI、NDVI、近红外(NIR)和短波红外(SWIR1和SWIR2)波段。从变化的百分比值看,风灾后LSWI和SWIR2的变化幅度最高,降幅超过120%,明显高于NBR、EVI、NIR和SWIR1。相比之下,LSWI的空间变异(60 d合成时标准差约27%)明显低于SWIR2(60 d合成标准差约83%);(5)此次龙卷风造成海南西部约645公顷的橡胶林报废,作为30年经济寿命周期的作物,损失非常严重。本研究展示了联合Landsat和Sentinel-2监测橡胶林风害损失的巨大潜力,为今后橡胶林和其他作物的台风灾害及时监测提供了重要的方法参考。

火烧迹地森林恢复遥感影像时间序列特征谱初探

本文以2000年-2009年轨道号为119/42的Landsat TM/ETM+影像为数据源,通过最佳波段组合,利用勾绘手段提取火烧迹地,然后将勾绘的矢量图生成AOI,建立不同年份的AOI库,再用AOI裁切影像,建立影像特征库,最后从影像本身光谱角度分析同一景影像上不同年份火烧迹地森林恢复情况的影像特征,建立火烧迹地森林恢复遥感影像时间序列特征谱。

基于GF1-NDVI时序影像对春小麦进行提取研究

利用传统方法对农作物种类、分布和种植面积等调查,需要耗费大量的人力、物力和财力。该研究以西宁市为研究区域,采用高分一号影像,对西宁市春小麦进行分类和提取模型设计。在全生育期波谱特征曲线分析基础上,提取春小麦的NDVI(归一化植被指数)曲线特征。采用基于NDVI阈值的决策分类技术,进行作物识别与提取。最后设计精度自检方案,通过混淆矩阵得出其总体精度达到93.8%,kappa系数为0.875。其用户精度和制图精度分别为93.7%和94.9%。从分类精度可以看出,利用中高分辨率遥感卫星影像,在作物NDVI时间序列变换规律分析的基础上,可以准确的进行大面积农作物的分类与提取。在全国农作物面积与农作物种类等资源调查中具有非常大的应用潜能。

空基下视时序影像瞬时成像模型研究

物方空间的物体随着时间的推移进行着绝对运动,运动导致了相对位置的变化,时间序列影像记录了物方三维空间的动态变化。本文基于下视时间序列影像的动态特性,在共线方程中引入时间元素,提出了空基下视时间序列影像瞬时成像模型,描述了动态"物像"间的瞬时投影关系;针对地表不同类型动态物体,构建了"由像到物"的应用模型,实现了从像方动态特征计算地表物体特征的目的。通过仿真和真实航空下视序列影像的试验与分析,验证了序列影像瞬时成像模型能够定量计算像地动态特征。

基于缨帽变换的铜陵市森林扰动监测

森林在陆地生态系统中具有调节气候、涵养水源、保持水土、防风固沙等方面的功能,对改善生态环境,维护生态平衡具有举足轻重的作用。目前,全球变化的研究迫切需要准确了解森林的动态变化,以帮助我们进行有效的资源管理,缓解全球环境变化的问题。文章以安徽省铜陵市为研究地区,选用了2009—2018年共10期的Landsat TM/ETM+/OLI数据,通过对土壤亮度、植被绿度以及相对气候湿度等信息进行了缨帽变换,得到了归一化森林扰动指数DI,最后结合时间序列进行分析,从而提取出了森林扰动的相关信息。结果表明,铜陵市2010年的扰动最为明显,受扰动森林面积超过300公顷,约占铜陵市森林覆盖面积的1.5%。

城市化对长三角地区主要城市植被物候的影响

基于长三角地区1998—2005年NDVI时间序列影像,利用移动平均法计算了上海、杭州、南京、常州、无锡和苏州6个城市的城区与各缓冲带的平均植被物候,并分析了城区与各缓冲带平均物候的差异及其与距城区距离间的关系.结果表明,1998—2005年间,研究区的城市化导致城区内植被始绿期提前、终绿期推后、生长期变长、NDVI的年内极差减小,离城区越近的缓冲带这些变化越明显.总体看来,城市化导致城区周围4km范围内的植被始绿期明显提前,而终绿期推后、生长期变长、NDVI年内极差减小的趋势在离城区约10km范围内的变化显著;城区与缓冲带植被的生长期差值和NDVI年内极差差值均与离城区距离存在显著的对数关系.

一年一季农作物遥感分类的时效性分析

【目的】基于遥感影像的作物分类研究是提取作物种植面积和长势分析及产量估测的基础,也是推动现代化农业快速发展的动力。研究结果可为农业等相关部门掌握农情,进行宏观调控提供依据。目前,农业遥感研究主要集中于中低分辨率遥感影像,影响植被信息提取的精度,应用高分辨率多时相遥感影像和选择最优分类方法可以提高植被信息提取精度。明确农作物遥感分类的时效性与最优分类方法,为快速、准确地获取作物空间分布数据和农情定量遥感监测提供依据。【方法】基于黑龙江省虎林市2014年5—10月覆盖完整生长期的20幅遥感影像,构建16 m分辨率NDVI时间序列曲线,建立决策树分类模型,通过分类影像进行系列阈值分割,并结合辅助背景数据及专家知识,成功提取虎林市土地利用覆被信息;利用20幅影像依次波段合成的方式进行作物分类,明确最优时相;将提取的耕地范围作为作物分类规则,并与未提取耕地范围的作物分类结果进行比较;同时通过最大似然法、马氏距离法、神经网络法、最小距离法、支持向量机、波谱角分类法、主成分分析法多种分类方法进行作物分类;利用农业保险投保地块数据进行精度验证。【结果】(1)7月初、7月末到8月初、9月末是研究区一年一季作物遥感分类的3个关键时相;(2)决策树分类方法在提取土地利用覆被信息的结果中精度最高,总体精度90.24%,Kappa系数0.87;(3)6月初与7月初2幅影像结合采用最大似然法对作物进行分类的总体精度高达94.01%,Kappa系数为0.79,6月初与7月初的影像结合,可以解决作物分类的时效性;(4)结合9月21日的影像,总体精度进一步提高,大豆分类精度明显提高,最终确定最大似然法为最优作物分类方法。【结论】通过遥感数据能实现在7月上旬对作物进行精准分类,拓展了遥感数据在农业领域的应用价值,对一年一季地区作物快速分类与农情定量遥感监测有重要意义。

基于多种植被指数进行春小麦提取

文章以湟中县为研究区域,采用高分一号影像数据。在全生育期波谱特征曲线分析基础上,提取作物的NDVI曲线特征,并结合春小麦全生育周期内RVI(比值植被指数)与NDGI(归一化差异绿度植被指数)特征变化设计了春小麦提取模型。最后通过精度自检得出基于NDVI时序影像其总体精度达到93.81%,kappa系数为0.875,基于3种植被指数时序影像提取总体精度达到95.45%,kappa系数达到0.922。从分类精度可以看出,利用中高分辨率遥感卫星影像,在作物NDVI时间序列变化规律分析的基础上,通过其他植被指数和辅助数据可以精确的进行大面积农作物的分类与提取。

基于RSEI和地理探测器的西昌市生态环境质量时空演变特征及其驱动力分析

生态环境保护对于推动社会经济可持续发展非常重要,对生态环境质量进行及时有效的监测可为城市发展规划提供依据。本文选取西昌市2001-2020年5期Landsat TM/ETM+/OLI时间序列影像为研究数据,耦合绿度、湿度、干度、热度构建遥感生态指数RSEI,并结合研究区气候、降水量、人口密度等驱动因素探究西昌市生态环境质量变化规律。结果表明:20年间,西昌市生态环境质量得到了有效改善;生态环境质量恶化区域主要位于中部流域耕作区、主城区周边及西部山脉,改善区域主要分布在海拔稍低的山区;由单因子探测分析可知,土地利用、年平均气温、年平均降水量对RSEI影响较大;由多因子探测分析可知,各因子交互作用对RSEI均有增强效果,其中年平均气温在土地利用交互作用下表现出了更强的解释力。