基于神经网络算法的Sentinel-2数据的灌溉面积提取

在灌区用水管理中,灌溉面积及其空间分布信息非常重要。传统的灌溉面积提取手段耗费大量的人力物力和时间,已经不能满足灌区的现代化管理。自遥感技术应用于灌溉面积提取以来,经过几十年的发展,已经有很多的研究成果。但现今在应用于灌溉面积提取的遥感技术中,前沿的方法多数采用多个传感器数据或长时间序列的数据,且往往针对某一特定的区域,很难具体的应用在实际的灌区工作中。为了在灌区管理的实际应用中准确高效地提取灌溉面积和分布,开展了一种基于光学卫星多时相差值数据的神经网络算法的灌溉面积提取技术研究。以山东省淄博市桓台县的试验田为研究区域,首先利用随机森林对Sentinel-2卫星数据的所有波段以及一些与土壤水含量以及植被相关的指数进行重要性排序,不同地区的地情下重要性排序结果也不同,所以利用重要性排序可以快速的获取适合此地区的波段以及指数的组合。选取重要性较高的波段或指数作为神经网络模型输入层进行灌溉面积提取。然后根据实际样本田的数据对提取结果进行检验,所得到的总体灌溉面积提取精度达到了76.7%。Kappa系数为0.74。此外,对研究区域进行植被覆盖度分级,并分析了在不同植被覆盖度下的灌溉面积提取结果精度变化。其中,在中等和较高的植被覆盖度地区具有更高的精度。研究区大部分地区为农业地区,作物以冬小麦和夏玉米为主,使用数据为3月中下旬卫星影像,研究区此时期植被覆盖度较高,符合在此地情下进行灌溉面积提取在中等和较高植被覆盖度地区具有更高精度的结果。基于神经网络的多时相光学卫星数据差值提取灌溉面积研究可以在不同地区的地情下通过重要性排序获取适合该研究区波段的组合,得到更高的灌溉面积提取结果精度。

温度反演和植被供水指数的农田灌溉面积提取

针对传统的农田灌溉面积提取方法单一且费时费力的问题,提出基于遥感地表温度反演及植被供水指数(VSWI)的方法对石津灌区农作物的灌溉面积进行了提取。在利用Landsat 8影像提取灌溉面积的同时通过高分1号影像提取的小麦种植结构对灌溉区域进行了约束,从而减少了其它地物对灌溉面积提取的影响。结果显示,两种方法计算得到的灌溉区域重叠率达87%,同时将利用遥感方法提取的灌溉结果与实地调查的结果相比较,发现在灌溉时间和面积上具有较好的一致性,因此认为所得结果较为可靠。该方法不仅可以快速、高效的获取到较高精度的灌溉面积数据,同时大大减少了外业工作量,因此可以为农业灌溉区域的调查和监测提供有效的技术支撑。