基于高时空分辨率遥感数据协同的作物种植结构调查

【目的】充分发掘遥感影像的空间、时间和光谱等特征谱信息,探索地块基元支持下的多源遥感数据作物种植信息自动识别方法,为作物种植结构信息的快速、精细化调查提供借鉴。【方法】以广西扶绥县为研究区,通过对高空间分辨率影像的多尺度分割和对象廓线编辑,提取精细农田地块信息;以地块为基元获取覆盖作物生育期内的时序光谱特征;基于时序光谱及其变化定义与作物长势状况相关的描述参量,形成静态光谱与动态过程特征结合的多维特征空间,结合作物的物候节律特征构建作物种植信息提取模型,实现主要农作物种植结构信息的提取。【结果】依据上述方法绘制出广西扶绥县甘蔗、水稻和其他作物农田及草地、林地、水体、城镇建设用地等的精细地块图,其中,提取广西扶绥县甘蔗和水稻作物的总面积分别为82420.01和6806.67 ha,作物提取的总体分类精度为86.8%,Kappa系数为0.84。【结论】提取的广西扶绥县作物种植结构的成果满足使用精度要求,可为精准农业补贴投放、农业灾害定损等政策制定提供依据,而技术方法对于作物种植结构信息的快速、精细化调查具有借鉴意义。

塔里木河干流植被遥感监测时空多尺度协同分析方法

利用遥感植被指数、典型植被样方和地面观测信息进行塔里木河干流植被监测是目前的主要方法。由于塔里木河干流具有流域下垫面均匀性差,自然植被随机分布的特点,使得现有研究方法局限在特定的时间和空间尺度,很难使用地面的观测数据和不同尺度的遥感数据进行植被生长状态的协同分析。针对这些问题,本文提出了利用不同分辨率遥感数据和地面观测数据进行多尺度协同分析的方法MSSA(Multiple Scale Synergy Analysis)。该方法包括以下几个步骤:①通过低空间分辨率的遥感数据构建时间序列的塔里木河干流植被指数分布图像,在分析图像特征的基础上划分塔里木河遥感监测单元;②对监测单元内部不同组分的时间和空间状态参数进行量化与率定;③根据几何光学模型原理和植被随机分布特性,采用线性混合模型模拟单元植被指数;④根据模拟结果和遥感数据的对比分析,获得地面植被参量的可靠估计。该方法将地面组分的状态参量和遥感数据通过模拟模型相关联,实现了不同时空尺度遥感数据以及地面样方或者点观测数据的协同分析,为塔里木河干流植被监测进行长期、细致的研究建立了海量数据综合分析的方法体系。

星机地协同的松材线虫病疫区枯死松树监测方法研究

疫情监测调查是松材线虫病防控的工作基础,针对目前山区松材线虫病遥感监测的数据源单一,缺乏针对疫区不同受灾程度的多源、多尺度监测方法。为弥补传统单一数据源调查方法的不足,本研究拟提出一种基于星-机-地多源数据协同的疫区枯死松树监测的方法,旨在提供一套切实可行且能及时高效地完成松材线虫病的防控任务的解决方案。