精准治理生猪养殖业污染要求相关部门精准快速地掌握规模化生猪养殖场空间分布信息,借助遥感技术可实现这一目标。以GF-2影像为遥感数据源,以地处长江中下游平原河网区的江苏省如皋市石庄镇、江安镇境内的规模化生猪养殖场分别作为样本...精准治理生猪养殖业污染要求相关部门精准快速地掌握规模化生猪养殖场空间分布信息,借助遥感技术可实现这一目标。以GF-2影像为遥感数据源,以地处长江中下游平原河网区的江苏省如皋市石庄镇、江安镇境内的规模化生猪养殖场分别作为样本与验证对象,基于样本对象先明确其组成要素为猪舍、粪污池和蓄水池3类地物,基于棋盘分割利用建筑物面积指数(building area index,BAI)去除工厂等成片建筑物对猪舍提取的干扰,再进行多尺度分割。最后,面向分割后对象选择上述3类地物的光谱、几何和纹理特征构建规模化生猪养殖场的提取规则集。基于验证对象先根据提取规则集提取出上述3类地物,再利用GIS空间叠加与距离分析方法提取规模化生猪养殖场空间分布,最后实地考察验证提取结果的空间一致性。结果表明:(1)就平原河网区而言,基于分割目标大小为516的棋盘分割,利用BAI>-0.150923的阈值可较好地去除工厂等成片建筑物对猪舍提取的干扰;(2)去除工厂等成片建筑物后,运用面向对象的方法可有效提取规模化生猪养殖场空间分布,总体空间一致性达82.24%。利用高空间分辨率遥感影像,去除其中的工厂等成片建筑物后,采用面向对象提取的方法是提取平原河网区规模化生猪养殖场行之有效的策略。展开更多
利用多光谱遥感技术定量估算野鸭湖湿地挺水植物的含水量.基于典型挺水植物的实测冠层光谱及其对应样方的叶片含水量和叶面积指数LAI数据,首先对芦苇和香蒲的地面实测光谱进行重采样,以模拟WorldView-2影像的光谱,然后利用模拟光谱分别...利用多光谱遥感技术定量估算野鸭湖湿地挺水植物的含水量.基于典型挺水植物的实测冠层光谱及其对应样方的叶片含水量和叶面积指数LAI数据,首先对芦苇和香蒲的地面实测光谱进行重采样,以模拟WorldView-2影像的光谱,然后利用模拟光谱分别构建芦苇和香蒲任意两波段反射率组合而成的比值(SR)和归一化差值植被指数(NDVI),通过分析植被指数与CWC(冠层含水量,Canopy Water Content)的相关关系,选择与CWC显著相关的植被指数,并通过单变量线性与非线性拟合的分析方法确定监测不同挺水植物群落的最佳植被指数,建立估算模型;结合覆盖研究区的WorldView-2高分辨率多光谱影像,对研究区的挺水植物群落CWC进行反演及制图.结果表明,基于模拟WorldView-2影像光谱构建的比值(SR)和归一化差值植被指数(NDVI)与CWC的总体相关性较高;SR(8,3)芦苇为估算CWC芦苇的最优植被指数,估算模型为y=0.005x+0.003,NDVI(8,3)香蒲为估算CWC香蒲的最优植被指数,估算模型为y=2.461x2-0.313x+0.032,通过交叉检验,CWC芦苇和CWC香蒲的预测精度分别为87.42%和82.12%,预测精度较为理想;利用实测数据对反演的CWC空间分布图进行了验证,通过验证,芦苇和香蒲影像估算CWC的均方根差(RMSE)分别为0.0048和0.0052,估算精度分别为83.56%和80.31%,表明利用WorldView-2高分辨率多光谱影像反演湿地挺水植物群落CWC具有较高的可行性.展开更多
文摘精准治理生猪养殖业污染要求相关部门精准快速地掌握规模化生猪养殖场空间分布信息,借助遥感技术可实现这一目标。以GF-2影像为遥感数据源,以地处长江中下游平原河网区的江苏省如皋市石庄镇、江安镇境内的规模化生猪养殖场分别作为样本与验证对象,基于样本对象先明确其组成要素为猪舍、粪污池和蓄水池3类地物,基于棋盘分割利用建筑物面积指数(building area index,BAI)去除工厂等成片建筑物对猪舍提取的干扰,再进行多尺度分割。最后,面向分割后对象选择上述3类地物的光谱、几何和纹理特征构建规模化生猪养殖场的提取规则集。基于验证对象先根据提取规则集提取出上述3类地物,再利用GIS空间叠加与距离分析方法提取规模化生猪养殖场空间分布,最后实地考察验证提取结果的空间一致性。结果表明:(1)就平原河网区而言,基于分割目标大小为516的棋盘分割,利用BAI>-0.150923的阈值可较好地去除工厂等成片建筑物对猪舍提取的干扰;(2)去除工厂等成片建筑物后,运用面向对象的方法可有效提取规模化生猪养殖场空间分布,总体空间一致性达82.24%。利用高空间分辨率遥感影像,去除其中的工厂等成片建筑物后,采用面向对象提取的方法是提取平原河网区规模化生猪养殖场行之有效的策略。
文摘利用多光谱遥感技术定量估算野鸭湖湿地挺水植物的含水量.基于典型挺水植物的实测冠层光谱及其对应样方的叶片含水量和叶面积指数LAI数据,首先对芦苇和香蒲的地面实测光谱进行重采样,以模拟WorldView-2影像的光谱,然后利用模拟光谱分别构建芦苇和香蒲任意两波段反射率组合而成的比值(SR)和归一化差值植被指数(NDVI),通过分析植被指数与CWC(冠层含水量,Canopy Water Content)的相关关系,选择与CWC显著相关的植被指数,并通过单变量线性与非线性拟合的分析方法确定监测不同挺水植物群落的最佳植被指数,建立估算模型;结合覆盖研究区的WorldView-2高分辨率多光谱影像,对研究区的挺水植物群落CWC进行反演及制图.结果表明,基于模拟WorldView-2影像光谱构建的比值(SR)和归一化差值植被指数(NDVI)与CWC的总体相关性较高;SR(8,3)芦苇为估算CWC芦苇的最优植被指数,估算模型为y=0.005x+0.003,NDVI(8,3)香蒲为估算CWC香蒲的最优植被指数,估算模型为y=2.461x2-0.313x+0.032,通过交叉检验,CWC芦苇和CWC香蒲的预测精度分别为87.42%和82.12%,预测精度较为理想;利用实测数据对反演的CWC空间分布图进行了验证,通过验证,芦苇和香蒲影像估算CWC的均方根差(RMSE)分别为0.0048和0.0052,估算精度分别为83.56%和80.31%,表明利用WorldView-2高分辨率多光谱影像反演湿地挺水植物群落CWC具有较高的可行性.