基于GF6遥感影像的喀斯特地区植被对短期干旱的响应

喀斯特地区是典型的生态脆弱区,近年来,受全球气候变化的影响,喀斯特地区频繁出现短期干旱,研究植被在干旱胁迫下的响应规律对喀斯特地区生态环境修复和治理意义重大。基于高分六号宽幅影像(GF6-WFV)数据的红边波段创建了改进的植被状态指数,以监测植被在短期干旱中的响应变化,并通过月均降水数据计算标准降水指数以识别干旱发生情况。以典型喀斯特地区桂林2022年9—12月为例,重点研究植被对短期干旱的响应。结果表明,桂林市的中部、南部和东北部地区植被由于土壤蓄水能力差且缺乏灌溉设施,对干旱的敏感度最高。在研究区,植被经历了持续干旱并达到临界点后,出现了持续且不可逆的枯萎响应,大约需要2个月的时间。不同类型的植被对短期干旱的响应程度有所不同,分别为农田>草地>林地。GF6-WFV数据在短期干旱监测方面表现优异,为喀斯特地区的生态保护和管理提供了重要参考。

基于不同遥感数据源的农作物精细化分类研究

遥感技术已成为农业信息提取的重要手段。为探究不同遥感数据源下的农作物精细化识别与分类,选取广西壮族自治区贺州市八步区东融供港蔬菜产业示范区为研究区,基于Planet、GF6 WFV、Landsat 8 OLI影像数据,利用支持向量机分类算法,对研究区豆杯、学斗、青仔、尖叶菜心、芥蓝等不同农作物进行识别与提取,通过类别可分离性、总体分类精度、Kappa系数、光谱变化、成图效果等几个方面对提取效果进行评价,结果表明GF6 WFV影像是研究区农作物识别与提取的最佳数据源。

高分六号卫星红边波段及红边植被指数对水稻分类精度的影响

水稻作为一种高耗水的作物,其种植面积直接影响到灌区的耗水总量.快速调查灌区水稻种植面积,对于支撑黄河流域深度节水控水行动具有重要意义.高分六号(GF6)是我国首颗可用于精准农业的卫星,为研究其WFV数据红边波段及其衍生的红边植被指数数据在水稻种植面积分类中的作用,以宁夏灵武灌区为研究区,通过分析2020年5月31日水体指数、10月31日植被指数、8月31日植被指数、红边植被指数及其波段信息,设计6种不同组合方案,采用随机森林算法分类提取了水稻、其他作物(玉米、大豆、蔬菜等)、水域及裸地等信息.并基于现地水稻调查数据、米级高分辨数据,对6种方案的水稻分类精度、样本可分离度进行了计算评价.结果表明,高分六号WFV数据红边波段、红边植被指数的参与,能增加水稻与其他作物的可分离度,并能在一定程度上提高水稻提取精度,其中B5红边波段、B5红边植被指数对区分水稻与其他作物的作用更强.

关中地区梨树遥感辨识的最佳时相与方法

【目的】利用22景GF6-WFV影像,探寻关中地区梨树(砀山酥梨与早酥梨)遥感辨识的最佳时相与方法。【方法】首先对各景影像进行了预处理;随后基于12种果树与3种农作物样地的ROI(感兴趣区)数据对8类探试性方法(即红边参数法、光谱距离法、图像增强处理与分析法、影像差值与比值法、反射光谱及其波段差分法、光谱指数及其变化分析、辨识方法优化组合)的辨识效能进行了逐一测试,并优选出较佳方法及其对应时相;最后采用全域影像对较佳方法及其最佳组合的辨识精度以及坚实性进行了验证。【结果】(1)梨树的最佳辨识时相为盛花期;(2)RGB分量阈值法对盛花期梨树具有较强的辨识效能,并且其辨识效能具有一定的坚实性;(3)R_(710)阈值法对盛花期梨树也具有较强的辨识效能,其辨识的总体精度高于常见的植被指数[如R_(710)-R_(425)、MSR_(red-edge)=(R_(750)-R_(425))(/R_(710)+R_(425))、IRECI=(R_(830)-R_(660))/(R_(710)/R_(750))、NDVI=(R_(830)-R_(660))(/R_(830)+R_(660))、SR_(red-edge)=R_(830)/R_(710)、CL_(red-edge)=R_(830)/R_(710)-1、mNDVI_(red-edge)=(R_(750)-R_(710))(/R_(750)+R_(710)-2×R_(425))、NDVI_(red-edge)=(R_(750)-R_(710))(/R_(750)+R_(710))等];(4)仅采用梨树盛花期影像无法将梨树与李树精确区分,而采用梨树盛花期与李树盛花期两期影像中的红边1波段的差值(即R_(710-apr)-R_(710-mar))的阈值可将梨树与李树予以精确区分;(5)RGB分量、R_(710)与R_(710-apr)-R_(710-mar)三种阈值法之间具有一定的互补性,由其组合构建的决策树对梨树的辨识效果最佳,梨树类正确率可达92.91%,非梨类正确率可达97.53%,总体精度可达97.19%。【结论】采用梨树盛花期与李树盛花期两期影像,并基于RGB分量、R_(710)与R_(710-apr)-R_(710-mar)3种阈值法组建的决策树可将研究区内的梨树予以高精度辨识。

面向三江保护区植被类型识别的最佳波段组合研究

[目的]针对高分六号影像数据面向植被类型、特别是湿地植被信息识别的最佳波段组合进行研究,为高分六号数据在湿地资源监测中的进一步应用提供参考。[方法]以三江国家级自然保护区为对象,基于高分六号影像数据,结合当地植被特点,开展保护区植被类型识别中的最佳波段组合研究。从影像信息特征、最佳指数因子以及光谱特征曲线和地物可分性角度进行综合分析,获取基于GF6/WFV数据的三江保护区植被类型识别的最佳波段组合。同时,通过对比实验,利用支持向量机分类方法,对样区的植被类型进行信息提取,证实了结果的可靠性。[结果]波段组合4(R)-5(G)-1(B)识别植被类型精度最高。总体精度为89.15%,Kappa系数为0.8463。[结论]波段组合4(R)-5(G)-1(B)为三江保护区植被类型识别的最佳波段组合。本研究可为东北地区湿地保护区的退耕还湿工程监测提供参考。