Use of Linear Spectral Mixture Model to Estimate Rice Planted Area Based on MODIS Data

MODIS （Moderate Resolution Imaging Spectroradiometer） is a key instrument aboard the Terra （EOS AM） and Aqua （EOS PM） satellites. Linear spectral mixture models are applied to MOIDS data for the sub-pixel classification of land covers. Shaoxing county of Zhejiang Province in China was chosen to be the study site and early rice was selected as the study crop. The derived proportions of land covers from MODIS pixel using linear spectral mixture models were compared with unsupervised classification derived from TM data acquired on the same day, which implies that MODIS data could be used as satellite data source for rice cultivation area estimation, possibly rice growth monitoring and yield forecasting on the regional scale.

中低分辨率卫星蓝藻水华监测面积校正研究:以GOCI-2为例

面对中低分辨率影像因监测尺度较低而导致其估算湖泊蓝藻水华面积精度较差这一问题,文章以GK 2B卫星上搭载的多光谱成像设备GOCI-2为例,选取太湖研究区,分析了GOCI-2与Sentinel-2卫星遥感影像水华面积提取结果的差异,研究了GOCI-2混合像元中NDVI值与水华面积占比的关系,并进行回归分析;以此为基础构建了面向GOCI-2的水华面积校正模型,并对该模型进行精度验证和比对分析。试验结果表明:混合像元中水华面积占比与NDVI值非线性正相关,直接用NDVI阈值法提取的蓝藻水华面积比实际值偏大;经模型校正后GOCI-2水华面积监测平均精度由67.8%提升到90.0%,且校正模型对NDVI阈值设定不敏感;与EVI、AFAI水华提取算法相比,NDVI能更好的反映出水华在混合像元中的占比。文章的研究成果可为GOCI-2影像在水华监测领域的应用提供一定参考。

2000~2020年锡林郭勒草原植被覆盖时空动态变化及影响因素分析

锡林郭勒盟生态地位十分重要,因此定量分析其植被覆盖度时空分布变化特征及驱动因素具有重要意义。本研究首先针对草原植被结构特征,基于优化的多角度像元二分模型构建了锡林郭勒草原2000~2020年植被覆盖度数据集,然后分析了覆盖度的时空变化特征,最后利用地理探测器研究了植被覆盖度变化的影响因素。结果表明:(1)2000~2020年锡林郭勒草原植被覆盖度呈“东高西低”的分布格局,不同生态功能区覆盖度差异较大,覆盖度主要集中在0.2~0.6;不同生态亚区植被覆盖度变化趋势基本一致,呈现波动增长趋势。(2)锡林郭勒草原不同生态功能区植被覆盖度变化差异明显,整体呈上升趋势,显著上升区为11.99%,主要分布在大兴安岭南部落森林草原生态亚区南部,锡林郭勒典型草原生态亚区北部和西部,阴山山地落叶灌丛-草原生态亚区的东部和内蒙古高原荒漠草原生态亚区中部和东南部;14.21%的像元覆盖度显著下降,集中分布在大兴安岭南部落森林草原生态亚区北部、锡林郭勒典型草原生态亚区中部条带状区域和南部以及坝上高原草原与农业生态亚区,需要重点关注。(3)湿润程度是锡林郭勒草原植被覆盖度变化的主要驱动因素,降水的影响力次之,两者与覆盖度均为正相关关系,且湿润指数对中等覆盖度区域影响力较大;气温对覆盖度的驱动力最小,两者为负相关关系。该研究期望为锡林郭勒草原生态保护与合理利用提供科学支撑。

基于数字图像处理技术的叶片结构模型构建

为了研究图像法代替传统标准四层振筛法建立烟叶叶片结构特征面积阈值模型,离线扫描了每片舒展的烟叶图像,经B分量指标阈值、腐蚀膨胀闭运算后剔除背景并提取了完整的烟叶图像,通过8-邻域提取法计算了每片烟叶像素面积并进行排序,每间隔1个点遍历像素面积区间所有点,与实际大片、中片、小片、碎片率进行对比,选择不同面积阈值下预测误差最小的像素面积值即为大片、中片、小片、碎片率组成的面积特征阈值模型,并对模型进行了外部验证和重复性检测。结果表明,叶片结构组成为[+∞,50880]、(50880,17230]、(17230,2380]、(2380,0]的面积特征区间模型,通过外部验证与标准四层振筛对比,大片、中片、小片、碎片率误差分别为1.09%、0.64%、0.47%、1.07%;图像法重复性检测的大片、中片、小片、碎片率标准偏差分别为0.88%、0.84%、0.19%、0.26%。由此可知,图像法建立的叶片结构模型稳定性较好并且能够很好地预测烟叶的大片、中片、小片、碎片率。

基于火焰图像识别的材料单体燃烧性能测定

本研究提出了一种基于火焰图像识别技术的材料单体燃烧性能评定新方法。针对现有燃烧测试方法的局限性,如过程参量测定不足和测试规模影响,利用图像识别技术测量单体燃烧试验中火焰的变化规律,建立了建材燃烧发热功率与火焰发光像素面积之间的映射关系。试验中,使用基于树莓派和IMX477R摄像头模块的智能摄像系统,通过OpenCV和Python算法对火焰图像进行处理,实现了火焰像素数量的量化。通过FDS模拟不同燃烧功率的火焰,并与试验数据对比,验证了所提方法的可行性。结果显示,在相同观察角度下,火焰燃烧功率与白色像素数量之间存在接近线性的关系。此外,基于视觉分析的燃烧性能等级判定,以60 kW燃烧能量作为安全阈值,能够快速区分难燃和可燃材料。

电线电缆绝缘横截面积测算方法研究

为了分析评估标准中规定的检测线缆绝缘橫截面积的方法的准确性,提出了一种采用像素面积插值法测量绝缘横截面积的方法。通过对标准中的方法和像素面积法得到的数据进行比对分析,分别给出了实心导体、软导体2种不同类型的导体挤出后形成的横截面积的测量差异,并分析了差异形成的原因。像素面积法能够更加方便、快捷、高效地检测线缆厚度、截面积,切实提高线缆的绝缘尺寸、橫截面积测量的准确性和测量过程的自动化率,具有一定的实用价值。

基于边界辅助的弱监督语义分割网络

由于弱监督语义分割任务中种子区域的随机生长机制,导致弱监督语义分割网络经常出现错分割和漏分割的问题,为此,提出一种基于边界辅助的弱监督语义分割网络。该网络利用边界信息和语义信息,为种子区域的生长提供参考,使种子区域可以自然生长至目标边界,并在目标被遮挡或重叠时正确区分目标类别,生成可以覆盖更完整目标的伪像素掩码。以此伪像素掩码作为监督信息训练分割网络,可以改善弱监督语义分割网络由于伪像素掩码无法准确覆盖目标区域导致的错分割和漏分割问题,提升弱监督语义分割网络精度。在通用数据集PASCAL VOC 2012验证集和测试集上对该网络进行评估,mIoU分别达到71.7%和73.2%。实验结果表明,其网络性能优于当前大多数图像级弱监督语义分割方法。

基于时序影像的火烧迹地植被恢复监测

为了监测2019年棋盘山火灾过火区域的植被变化情况,研究北方地区林地火烧迹地的植被恢复规律,使用2019年4月17日前后影像的归一化植被指数差值,提取火灾的过火区域。并通过2018-2022年的时序影像,基于像元二分模型分析过火区域的植被覆盖度变化。结果显示,火灾发生后,大面积的高植被区被破坏,局部地区甚至出现了裸露地表。经过3年的人工和自然恢复,过火区域的植被覆盖得到不同程度的恢复,但并未恢复到火灾以前的状态,存在一定差距。

基于多时相遥感影像的东北三省作物分布信息提取

该文选用覆盖东北三省2007年主要作物发育期内14个时相MODIS NDVI 250m16d影像、2005年Landsat ETM+30m影像和大量地面调查数据,借助ISODATA非监督分类算法、作物植被系数变化曲线光谱耦合技术和GoogleEarth工具,提取了主要作物分布的空间信息。基于Landsat ETM+30m影像采用亚像素估算方法对耕地面积系数进行了计算,分别估算了东北三省的耕地、水稻、玉米和大豆的面积,并用各个县级地图做掩模提取了耕地、水稻、玉米和大豆的面积,与同期的统计数据组成4组配对样本进行对比验证。结果表明,4组数据经配对样本的T检验都呈显著性差异,耕地相关系数最高为0.92,依次为玉米、水稻和大豆,都在0.68以上,与统计数据吻合较好,而分析结果位置精度为85.7%,提取结果能较好的反映东北三省主要农作物的空间分布状况,可为其他区域尺度主要作物空间分布信息的提取提供借鉴。

扫描像素法测定植物叶面积的研究

对叶片图像扫描、像素统计过程中的影响因素进行了系统研究,建立了利用平台扫描仪和Photo-shop软件测定植物叶面积的方法,并对利用数字图像处理技术进行植物叶面积测定提出了进一步研究的方向。

植物叶面积的快速精确测定方法

介绍了用扫描仪结合计算机图像处理技术来测定植物叶片面积的方法。并在此基础上 ,探讨了相应的算法问题 ,给出了用该方法计算植物叶片面积以及识别图像边缘的算法。

混药器混合均匀性分析方法与在线混合变工况试验

直接注入式变量喷雾系统中药水混合均匀性是衡量系统性能的重要指标。为了评价混药器在线混合农药的能力,提出了混药器混合均匀性分析方法,并进行了旋动射流混合装置混合脂溶性农药的变工况(不同载流流量Q以及不同药水混合比P)在线混合试验。以基于像素的变异系数α和均匀性指数γ作为均匀性评价指标,对混药器的药水混合图像进行处理,定量分析混合均匀性。采用人工预混的方法,通过和无混药器混合图像及静置图像进行对比,验证了评价指标的准确性。变工况试验结果表明:旋动射流混药器混合脂溶性农药时,在混合比P一定的条件下,载流流量Q越大,则混合均匀性越高;不同P条件下,均在Q=2 400 mL/min(试验条件下最大载流流量)时混合均匀性达最高,Q过小,会造成混合均匀性明显下降;Q一定时,P越大,则混合均匀性越高,P较低时,需要有较高的Q才能取得良好的混合均匀性。综合分析知:2 000 mL/min≤Q≤2 400 mL/min时,可以完成不同混合比P下的药水均匀混合;800 mL/min<Q<2 000 mL/min时,可完成较高混合比P下的在线均匀混合;Q≤800 mL/min时,基本无法完成各种混合比P下的在线均匀混合。

基于物候特征和混合光谱信息的春玉米种植面积提取

快速、准确地获取玉米种植面积信息对国家粮食安全和现代信息农业发展有重要的现实意义。遥感技术在作物种植面积提取中具有一定优势,尤其是作物物候信息和光谱数据相结合的方法更是目前发展的趋势之一。选取辽宁省3县市为研究区,利用Savitzky-Golay滤波重构后的2014-2015年MODIS-NDVI时间序列数据,提取作物物候特征和其他主要地物的NDVI曲线变化规律,结合水稻移栽期的NDVI、LSWI数据与大豆鼓粒期的近红外波段反射率数据,训练地物分类阈值、构建决策树提取2015年春玉米种植面积。考虑到耕地的破碎化和土地覆盖类型的多样性,利用MOD09A1反射率影像提取春玉米及混合地物的端元波谱,基于线性光谱混合模型进行混合像元分解获取春玉米丰度,根据决策树分类结果与春玉米丰度信息精确提取春玉米种植面积。利用Landsat8 OLI监督分类影像对种植面积解译结果进行精度评价,结果显示研究区春玉米种植面积提取精度在81%以上,利用统计数据验证得到仅利用物候信息经决策树分类方法提取的春玉米种植面积精度为88.416%,结合混合光谱信息后的提取精度提高到92.382%。春玉米种植面积提取结果较好地反应了其地理分布,表明重构后的生长季NDVI曲线可以准确地反应作物生长变化规律,运用中分辨率MODIS-NDVI时间序列数据获取物候信息,快速、准确提取春玉米种植面积具有可行性。物候特征耦合混合光谱信息的方法突破了传统研究中的像元限制,将作物种植面积识别水平提高到亚像元尺度,效果好于传统的像元尺度MODIS时间序列信息分类方法,能够有效提高作物种植面积估算精度,对于加快数字农业进程、提升农业信息化水平具有重要作用。

基于MODIS时序植被指数和线性光谱混合模型的水稻面积提取

水稻是中国的主要粮食作物,及时获取水稻种植面积和空间分布信息对指导水稻生产、调整区域供需平衡等具有重要的意义。以江苏省为例,利用2009—2011年连续三年的MODIS 8 d合成地表反射率数据(MODIS09A1),计算了归一化差值植被指数(normalized difference vegetation index,NDVI)、增强型植被指数(enhanced vegetation index,EVI)和陆表水指数(land surface water index,LSWI)。结合水稻在不同生长发育期EVI的时间序列变化特征,确定了水稻面积提取的关键生育期。根据水稻移栽期稻田土壤含水量高的特征,利用NDVI、EVI和LSWI三种指数构建判别条件,确定可能种植水稻的区域。利用线性光谱混合像元分解模型对包含水稻的混合像元进行分解,得到江苏省三年水稻种植空间分布。最后,选取研究区内的水稻典型样区,利用与MODIS同时期的较高分辨率的环境小卫星HJ-1 CCD(30 m)数据提取水稻种植面积和空间分布,以此作为参考数据进行精度验证,同时利用统计部门的江苏省水稻种植面积统计数据对江苏省水稻面积进行验证,两种方法验证后表明误差均在10%以内。研究表明,采用MODIS09A1数据结合线性光谱混合模型可以更高精度地提取大范围的水稻种植面积。

一种基于Photoshop的叶片相对病斑面积快速测定方法

[目的]提出一种利用Photoshop软件快速测量作物叶片相对病斑面积(RLA)的新方法。[方法]利用相机或扫描仪等获取病叶图像后,直接利用Photoshop软件显示病斑及整个叶片的像素,利用像素数计算出图像中的叶片相对病斑面积。[结果]分别通过1组检验试验和重复测量试验来验证该方法,发现该方法准确,重复性好,误差小。[结论]与利用其他软件求RLA方法相比,该方法简单,快速,准确且便于操作,具有广阔的应用前景。

基于Landsat数据的条件植被温度指数升尺度转换方法

以陕西省关中平原为研究区域,应用点扩散函数、混合像素面积权重法和中值像素变异权重法将基于Landsat卫星遥感数据反演的分辨率为30 m的条件植被温度指数(VTCI)干旱监测结果上推至930 m的干旱监测结果,并与Aqua MODIS数据反演的分辨率为930 m的VTCI干旱监测结果进行对比分析,以期为两种空间尺度的干旱监测结果的综合应用提供技术支持。以MODIS数据反演的VTCI为参考,应用相关系数、均方根误差、半变异函数的估计值和图像纹理特征等对尺度上推的VTCI进行评价。结果表明,点扩散函数和混合像素面积权重法的尺度上推效果均较好,而中值像素变异权重法的尺度上推效果较差,说明点扩散函数和混合像素面积权重法均适用于研究区域VTCI干旱监测结果的尺度转换,且点扩散函数的数据处理过程更为简单。典型样点VTCI的尺度上推结果表明,空间异质性越小,尺度上推的结果越好。

基于混合像元分解的水体面积提取算法

为减小水体边界混合像元对水体面积提取精度的影响,提出基于混合像元分解的水体面积提取改进算法。以ALOS数据为例,利用混合像元线性分解模型获得各像元水体丰度,结合阈值法和数学形态学算法分别提取纯净水体像元和水体边界像元;通过分析水体边界像元的水体丰度构成,提出水体边界像元面积修正算法,实现水体面积修正。研究结果表明,与混合像元分解直接提取的水体面积相比,修正算法提取的水体面积精度最大提高6.7%,有效减小滩地水分对水体边界像元水体丰度计算的影响。

MODIS混合像元中居民地对玉米LAI和FPAR遥感估算影响

MODIS成为越来越重要的科研和生产的数据源,但其低空间分辨率使得其产品精度易受多种因素的影响,其中混合像元是主要的影响因素。均匀散布的农村居民地是中国东北农作物种植区的显著特征,目前尚未见到有关居民点对MODIS混合像元产品精度的影响研究报导。本研究基于TM遥感影像分析了典型玉米种植区的居民地对MODIS LAI、FPAR产品精度的影响。结果表明,96%以上MODIS像元的农村居民地面积比例小于40%,居民地对LAI、FPAR遥感估算精度影响较为明显,MODIS像元中居民地面积比例与红波段反射率及LAI、FPAR遥感估算的误差呈较好的线性关系,拟合确定性系数R2达到0.90以上,与近红外波段反射也呈线性关系,拟合确定性系数R2仅达0.3423,MODIS像元在近红外波段反射率受居民地影响较显著。

异质性地表的叶面积指数反演的不确定性分析

叶面积指数(Leaf Area Index)可用来反映作物的生长状况,常作为主要指标应用于农作物估产。本文研究遥感中常见的混合像元问题对LAI反演所带来的不确定性问题。研究的混合像元由两种情况构成,一种是由不同长势的作物所构成的混合像元,另一种情况是由不同端元形成的混合像元。结果表明,不同长势形成的混合像元对LAI的准确反演影响不大;不同组分形成的混合像元对LAI反演影响很大。从验证的角度讲,地面实测点的LAI数据不能代表一定分辨率区域的LAI的值,对于像元LAI的验证要注意正确获得像元的LAI。

工业CT图像的亚像素级面积测量

为了提高工业CT图像测量的精度,研究了一种基于Facet模型的亚像素级面积测量方法,并将其应用于实际的工业CT图像测量中。首先采用基于Facet模型的边缘检测算法提取亚像素边缘,然后通过最小距离搜索法分离出待测目标的边缘点并排序,最后利用离散化的格林公式计算面积。其中,基于Facet模型的边缘检测算法精度高、抗噪声能力强,能为后续基于边缘的测量提供高精度的数据;最小距离搜索法在浮点型边缘点上实现了待测目标边缘与整幅图像边缘的分离,并生成排序链码,克服了边缘点是浮点型且不连续的困难,给面积的计算提供了有效的数据。测量方法是在亚像素边缘上进行的,突破了图像分辨率对测量精度的限制,使在低分辨率的图像上实现高精度的测量成为可能。分别针对仿真图像和实际的工业CT图像进行了实验,实验结果表明该方法的测量精度高于普遍采用的像素累加法。