基于时序Sentinel-2影像的引黄灌区作物结构提取和供需水分析

在黄河流域用水指标严格控制的背景下,以山东省东营市垦利区引黄灌区为例,利用2022年时序Sentinel-2遥感影像构建作物生育期的NDVI时间序列,采用决策树分类方法提取灌区作物种植结构,基于垦利站气象资料和Penman-Monteith公式,分析了1973—2022年各作物的需水特性,利用遥感影像解译的各作物种植面积,计算了2022年灌区作物在不同降水保证率(5%、25%、50%、75%、95%)条件下的灌溉总需水量,结合2023年分配给灌区作物的灌溉水指标探究了灌溉水资源供需之间的平衡。结果表明:基于NDVI时间序列构建决策树分类方法可有效提取作物的种植结构,总体分类精度为85.07%,Kappa系数为0.819,能够满足作物灌溉需水量的研究。作物净灌溉需水量年际波动较大,水稻和冬小麦补充灌溉水量在所有作物中位列前两位,均值分别为913 mm和410 mm;处于雨季生长的夏玉米、夏大豆补充灌溉水量较小且灌溉需求均值较小。研究区2023年分配的灌溉水指标在降水保证率为50%时研究区灌溉水亏缺量为235.5万m^(3),在降水保证率为75%和95%时灌溉水亏缺量分别为1 754.5万m^(3)和2 261.5万m^(3)。

基于多时相Sentinel-2卫星影像的冬小麦面积提取

及时准确地提取冬小麦种植信息,对开展冬小麦农情遥感监测具有重要的意义.以杭州市余杭区冬小麦越冬期(2021-12-04)、扬花期(2022-04-08)和乳熟期(2022-05-03)Sentinel-2遥感影像为数据源,分别采用最大似然法、支持向量机、归一化差值植被指数(normalized difference vegetation index,NDVI)相加和相减合成运算提取冬小麦种植面积.结合冬小麦地面调查数据与实测种植面积,对不同方法的提取结果进行精度评价.结果显示,利用越冬期影像NDVI阈值将常绿植被区(茶园、林地)掩膜处理,对非常绿植被区(建筑、水体、冬小麦)扬花期与乳熟期影像NDVI值进行和值运算,是提取余杭区冬小麦种植面积的最佳方法,面积精度为91.96%,说明基于多时相遥感影像结合植被物候特征与典型地物类型,能够实现冬小麦种植面积的高精度提取.

基于Sentinel-2影像的果树提取方法及其空间分析研究——以甘肃省平凉市为例

利用遥感技术对果园进行快速监测,准确掌握苹果园地面积与空间种植分布状况,有助于促进当地经济的发展。目前针对丘陵区果园提取的研究较少,相关方法的有效性和可靠性仍然存在问题。以甘肃省平凉市为研究区域,采用NDVI,RVI,EVI,SIPI,LSWI,NDWI等指标对输入数据进行增强,通过基于数据增强的梯度提升树算法提取研究区苹果种植面积。为验证该方法的有效性,引入最小距离法、CART决策树法、支持向量机法和随机森林4种机器学习算法进行对比分析,结果表明,梯度提升树算法分类精度最高,总体分类精度(Overall Accuracy,OA)达到89.3%,Kappa系数为0.77,分类效果及一致性均最佳。此外,采用基于数据增强的梯度提升树法分别对2019—2023年的苹果园进行提取,获得平凉市苹果园种植变化情况,各区县苹果园种植面积除泾川县外整体呈现上升趋势,泾川县和静宁县种植面积最大,其次为庄浪县、灵台县和崆峒区,最小的为崇信县和华亭市。

基于Sentinel-1结合Sentinel-2和Landsat8影像的水体提取方法比较——以鲁班水库为例

基于sentinel-1数据结合sentinel-2数据和Landsat8数据,提取2017年—2021年鲁班水库五年间的水体年间变化,对所提取的水体面积进行分析,比较两种影像对鲁班水库水体提取的差异,经过水体指数的计算以及分析得到鲁班水库的水体面积。sentinel-2影像数据对水体提取的效果较好于Landsat8数据,sentinel-2影像总体分类精度达0.993,kappa系数为0.991,而Landsat8的总体精度为0.989,kappa系数为0.986。通过对鲁班水库这种大中型水体的水体提取选择使用sentinel-2数据较好。

基于Sentinel-2影像的甘蔗种植区遥感提取方法——以广西崇左市为例

为了解决在多云雨天气与复杂地形条件下难以快速精准大面积绘制喀斯特山区甘蔗种植区的问题,亟须探究适用于喀斯特山区甘蔗种植区提取的方法。以广西壮族自治区崇左市为研究区域,利用Sentinel-2数据计算多种植被指数,根据Sentinel-2原始波段、光谱指数和纹理信息特征分析,选取地物训练样本,并引入DEM、土地利用等辅助识别特征变量,采用神经网络、随机森林、支持向量机3种机器学习方法,实现2018-2021年甘蔗种植区遥感提取,再利用Google Earth影像和统计数据进行精度评价。结果表明,基于Sentinel-2的甘蔗种植区遥感提取效果较好,崇左市甘蔗种植区总体分类精度均高于91%,κ系数均大于0.88;3种分类方法提取面积误差均值为-4.84%。2018-2021年,崇左市甘蔗种植面积趋于较平稳状态;主要甘蔗种植区以扶绥县、江州区、龙州县及大新县南部和宁明县北部为主。Sentinel-2数据在识别地类复杂多样、农田极其碎片和多云天气频繁等特点的作物信息方面具有较好潜力。

Sentinel-2遥感影像在盘锦水稻米质监测中的应用研究

本研究基于水稻孕穗期、抽穗期、灌浆期和成熟期4个生育期的Sentinel-2遥感数据,分析各生育期内卫星遥感光谱参数与稻米品质指标的关系,建立基于各生育期卫星光谱信息的水稻品质指标预测模型。将5种稻米品质指标分别与4个生育期内的光谱参数进行皮尔逊相关性分析,结果表明,5项品质指标在4个生育期内均与光谱参数有不同程度相关性。然后筛选出相关性效果显著的光谱参数,用于建立各品质指标的预测方程,建模结果表明,基于卫星遥感光谱信息解释率由大到小的稻米品质指标依次是精米率>长宽比>蛋白质含量>直链淀粉含量>糙米率;卫星遥感光谱反演稻米各品质指标所在的最佳生育期不同,糙米率和精米率的最佳生育期为抽穗期,其建模决定系数(Coefficient of Determination,R^(2))分别为0.461和0.893;长宽比的最佳生育期为成熟期,R^(2)为0.878;直链淀粉含量和蛋白质含量的最佳生育期为灌浆期,R^(2)分别为0.646和0.647;基于卫星遥感光谱信息的稻米品质模型验证效果较好,解释率为51%~74%。可见,利用卫星遥感技术能够实现大范围水稻品质指标定量监测与评估。

基于Sentinel-2影像的巴尔托洛冰川冰面湖研究

冰面湖是冰川的重要组成部分,是冰川消融的指示器,不仅对全球气候变化响应迅速,而且对了解和掌握区域水资源信息意义重大。本文基于Sentinel-2遥感数据,利用随机森林算法,对巴尔托洛冰川冰面湖进行识别提取,并基于提取结果分析研究区冰面湖的空间分布特征,以及冰面湖面积、数量与冰川高程的关系。本文冰面湖提取的准确率达96.07%,完整率达92.18%,错误率为11.59%;识别出巴尔托洛冰川冰面湖567个,面积为249.46~37134 m^(2);冰面湖多分布在距冰川末端3~26 km处,其中海拔3800~4300 m之间冰面湖数量最多,面积普遍较大,平均面积为1922 m^(2);随着高程的升高,冰面湖的数量和面积逐渐减少,在高程5300 m以上冰面湖数量仅为15个,平均面积为356 m^(2);高程升高导致冰面温度降低,是冰面湖数量和面积骤减的主要原因。

基于Sentinel-2超分辨率影像的干旱区水体提取方法

针对干旱区复杂环境下水体光谱特性空间差异大、水体提取方法适用性差的问题,本研究基于Sentinel-2卫星多光谱数据,通过超分辨率算法重建10 m空间分辨率多光谱影像,将短波红外(Short-wave infrared,SWIR)重建波段、近红外(Near-infrared,NIR)重建波段作为水体识别特征波段,在此基础上采用超像素分割算法识别水体像元,基于24种光谱指数、支持向量机(Support vector machine,SVM)、神经网络(Neural network,NN)、K-means共构建60种水体提取方法,采用总体精度(Overall accuracy,OA)、准确率(Precision)、F1值、马修斯相关系数(Matthews correlation coefficient,MCC)等水体提取精度指标进行综合评价,以黑河流域为典型研究区,确定干旱区最佳水体提取方法。结果表明,基于Sentinel-2绿色波段(中心波长为560 nm)与超分辨率重建短波红外波段(中心波长为1610 nm)构建的改进的归一化水体指数方法,显著增强水体提取时对干旱区细小水体、阴影、云层像元识别能力,水体提取总体精度为99.81%,准确率为92.04%,F1值为88.02%,G-mean、马修斯相关系数均大于0.88,水体提取精度优于其他方法。研究结果可快速精准地提取干旱区水体,为干旱区水体应用领域提供理论支持。

基于GEE与Sentinel-2影像的落叶针叶林提取

【目的】针对森林资源精细监测评价的需求,探索多时相、多特征的Sentinel-2影像在落叶针叶林识别中的应用潜力,根据落叶针叶林的物候特征构建分类模型,为大范围落叶针叶林识别提供方法参考。【方法】基于GEE平台,以黑龙江省孟家岗林场为研究区,分析不同季节落叶针叶林与其他森林之间的差异。研究使用2020年春季(5月7日和5月27日)、夏季(8月9日)和秋季(10月19日)的4景Sentinel-2影像,提取光谱特征、纹理特征和地形特征构建多特征数据集,根据特征重要性得分进行特征优选,最后使用随机森林分类器得到落叶针叶林识别的最佳模型,实现孟家岗林场落叶针叶林的精确提取。【结果】试验结果表明落叶针叶林具有明显的植被光谱特征和季相特性,多时相影像数据包含落叶针叶林更多物候期,春季和秋季的影像更有利于区分落叶针叶林与其他森林。此外,近红外、短波红外波段的光谱信息对识别落叶针叶林有较大帮助。利用GEE平台和多时相Sentinel-2影像可以高效快速地提取植被信息,落叶针叶林提取总体精度与Kappa系数分别达到91.20%,0.82。【结论】基于GEE平台和Sentinel-2影像构建的分类模型对落叶针叶林信息的快速提取有一定的可行性和适用性,研究结果对大面积落叶针叶林的空间位置分布提取具有一定的参考价值。

Sentinel-1与Sentinel-2影像联合的黄河三角洲湿地信息提取

针对目前湿地信息提取中存在的“同物异谱”、“同谱异物”问题,以黄河三角洲自然保护区为实验区,采用在信息提取方面具有优势的典型相关森林算法,将Sentinel-1A雷达影像和Sentinel-2A多光谱影像作为基础数据,考察分别应用多光谱影像、合成孔径雷达(SyntheticAperture Radar,SAR)和多光谱二者综合、SAR纹理特征以及植被指数对湿地信息提取的效果和适用性。研究结果表明:(1)基于Sentinel-2A多光谱影像,在分类方法上,典型相关森林(canonical correlation forest,CCF)的总体精度最高,达到94.32%,与支持向量机和随机森林分类算法相比分别提高了6.55%和5.47%;(2)基于Sentinel-2A多光谱影像和Sentinel-1A后向散射系数的CCF总体精度达到了94.89%,与只利用多光谱影像相比,3种算法的总体精度和Kappa系数均得到了提升;(3)在SAR和光学联合的基础上加入SAR纹理特征后总体精度和Kappa系数均略有下降,分别为94.72%和0.9353;(4)在SAR和光学联合的基础上加入归一化差分植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)、归一化差分红外指数(NDII)和差分红外指数(DII)5种植被指数后,总体精度达到了最高为95.35%,7种地物的生产者精度有所提高,有效提高了对黄河三角洲湿地信息的提取能力。实验结果可为黄河三角洲湿地的合理开发和有效保护提供科学支持。

基于Sentinel-2卫星影像的海南西岛珊瑚礁识别和变化分析

珊瑚礁是海洋中最重要的生态系统之一,近年来在全球气候变化和人为干扰加剧的影响下,我国南海珊瑚礁总体处于快速退化状态。以海南西岛珊瑚礁为例,基于Sentinel-2系列卫星10 m空间分辨率影像,利用面向对象分类法(object-based image analysis,OBIA)对2017年12月~2018年3月和2021年12月两个时期的海南西岛珊瑚礁底质进行了识别分类,并进行珊瑚礁面积变化分析。将2021年12月的分类结果与现场调查数据进行对比验证,总分类精度和Kappa系数分别为83.3%和0.71。对比两个时期珊瑚礁底质分类结果表明,西岛西侧珊瑚礁覆盖面积未出现明显变化,东侧珊瑚礁显示恢复趋势。本文研究表明,10 m地面分辨率卫星系列影像和面向对象的阈值分类方法可以对海南西岛珊瑚礁进行较为准确的识别和变化分析,监测结果可为海南岛沿岸西岛等小型岛礁珊瑚保护及修复提供参考。

基于Sentinel-2影像的东寨港国家级自然保护区景观格局变化及其驱动力研究

文章以东寨港国家级自然保护区及1 km外围地带为研究区域,选取2017—2021年的Sentinel-2遥感影像数据,采用人机交互方式解译景观类型,计算景观格局指数,进而对比分析5年期间保护区内外的景观格局变化情况及其主要驱动力。结果表明:(1)在保护区内,红树林湿地面积呈现上升趋势,林地面积有所减少,养殖水面面积显著减少;保护区景观连通性较好、碎度较低,其中红树林为优势景观。(2)在外围地带,红树林湿地面积有所增加,林地面积有所减少,养殖水面和建筑面积均减少,但耕地面积有所增加;与保护区相比,景观破碎化程度较高、连接度与整体性较差。(3)红树林生态保护修复活动是保护区景观格局发生显著变化的主要驱动力,而养殖、建筑等人类活动是改变外围地带景观格局的主要因素。研究结果对于优化保护区的保护管理和加强外围地带的人类活动管控具有参考价值。

基于Sentinel-2影像的新疆冰湖制图及空间分布特征

在全球气候变暖的背景下,新疆的冰川迅速融化,形成了大量规模较小的冰湖。部分冰湖在短时间内迅速扩大,并可能引发溃决洪水,提高对这些小型冰湖的制图精度对深入了解冰川冰湖灾害机理至关重要。本文基于Sentinel-2影像和DUNet语义分割模型生成2022年新疆冰湖数据集,并结合历史冰湖数据分析了冰湖的空间分布特征。结果表明,大(>10 hm^(2))、中(>1~10 hm^(2))、小(≤1 hm^(2))型冰湖的制图平均误差分别为2.29%、10.02%、27.71%,平均误差均小于已有的三种冰湖产品,其中面积>0.81 hm^(2)的冰湖相对误差为18.36%。2022年新疆>0.06 hm^(2)的冰湖数量为6854个,总面积为200.36 km^(2)。其中,≤1 hm^(2)的冰湖占总数量的70.32%,>1 hm^(2)的冰湖占总面积的92.49%。阿尔泰山区、天山西部、天山南部是新疆冰湖分布最集中的区域,也是近30年来冰湖数量增加最多的区域;在各区域中,面积≤10 hm^(2)的冰湖数量增加最为显著。本研究可为新疆冰湖灾害预警、冰湖灾害评价提供数据支持和有效依据。

基于Sentinel-2数据提取江汉平原虾稻田分布方法

以江汉平原为研究区,基于AI Earth阿里云平台提供的Sentinel-2 MSI L2数据,在实地采样样本和目视解译样本的基础上,通过分析遥感影像中虾稻田的时序变化规律,总结出区分虾稻田与其他地物类型的关键时间以及指数阈值,从而构建虾稻田提取的决策树模型,最终提取出江汉平原2022—2023年虾稻田的空间分布。最后,基于样本数据评估了该方法的精度,总体精度达93.25%,Kappa系数为0.8429,结果表明该方法具有较好的提取结果。

基于GEE和Sentinel-2影像的杭州城市湿地精细化分类研究

基于Google Earth Engine(GEE)云平台,使用Sentinel-2卫星影像数据,采用随机森林算法面向杭州城市湿地类型进行遥感分类研究.研究结果表明:在进行湿地类型精细化分类时,相比于使用单一特征信息分类,多特征信息的组合可以显著提高分类精度,最优特征组合包括传统光谱特征、红边光谱特征、变换特征、纹理特征和地形特征,其总体精度为81.2%,Kappa系数为0.75;不同特征信息对于不同湿地类型的提取具有重要作用,传统光谱特征对于滩地和养殖池的识别非常有利,而红边光谱特征和变换特征分别对草本沼泽和湖泊的识别更为有效.此外,红边光谱特征和纹理特征的组合有利于运河/水渠的识别.通过特征对比实验可为湿地精细化分类的案例研究提供参考,湿地分类结果可为杭州城市湿地信息的遥感识别提供数据支撑.

基于Sentinel-1/2数据一种改进的决策树方法提取荔枝果园研究

荔枝种植在热带、亚热带地区,受限于多云多雨天气和遥感技术,获取多时相并且能够表征荔枝物候特征的有效高光谱与高空间分辨率数据是比较困难的,这阻碍了荔枝果园的提取。采用Sentinel-1时间序列微波数据构建了荔枝关键生育期特征,并结合Sentinel-2数据提出了一种改进的荔枝果园识别模型,并将该模型应用于茂名市荔枝果园的识别。结果表明:成熟期荔枝与其他植被或作物的VH极化特征差异显著;该方法在荔枝果园空间分布制图的总体精度为90.34%,Kappa系数为0.84。该方法能够有效刻画荔枝的关键生育期特征,且准确识别光谱与空间特征相似的荔枝果园。为热带和亚热带其他果园的识别提供了参考,对果园的生长监测、精确管理和产量估算具有重要意义。

联合多时相Sentinel-2和DeepLabV3+的县域柑橘信息提取

针对传统分类方法识别柑橘种植空间信息准确率不高的问题,文章提出一种联合多时相Sentinel-2与DeepLabV3+的县域柑橘种植空间信息提取方法。首先采用优化后的轻量化网络MobileNetV2作为DeepLabV3+的骨干网络,并嵌入CBAM(Convolutional Block Attention Module)注意力机制模块构建改进DeepLabV3+模型;然后利用多时相Sentinel-2影像整合原始波段与光谱指数构建特征数据集,并通过实验对比分析确定模型分类的最佳特征组合与时相;最后将研究区影像分割为具有重叠度的待预测影像集,结合最优分类模型进行预测后拼接得到柑橘园地提取结果。结果表明:1)改进DeepLabV3+提取精度均高于DeepLabV3+、随机森林模型,在B2~B8A波段添加红边指数RESI的特征组合中总体精度值可达91.1%,最佳提取时相为11月;2)改进DeepLabV3+结合重叠预测方法提取效果优于直接预测方法,且全实验数据集区的提取面积与统计数据的相对误差均保持在±0.04%以内。文中所提出的方法可为南方地区县域范围的柑橘园地自动化监测与种植规划提供参考。

基于多时相Sentinel-1影像的江南地区水稻信息提取

为准确提取多云雨江南地区水稻种植信息,以江苏省丹阳市访仙镇为研究区,以多时相Sentinel-1数据为主、Sentinel-2数据为辅开展研究。通过计算水稻关键生育期内不同地物与水稻间的J-M距离,引入水稻移栽期内的归一化水体指数(NDWI)和收割完成后的归一化裸土指数(NDBI),获取水稻种植范围的最优特征组合;再以K近邻、随机森林和支持向量机(SVM)为基础建立分类模型,并对比验证了最优特征组合下不同模型的分类精度。结果表明,引入NDWI和NDBI的分蘖拔节期、孕穗抽穗期的VV极化后向散射系数以及孕穗抽穗期、乳熟成熟期VH极化后向散射系数为水稻提取的最优组合,采用SVM算法建立的分类模型的水稻识别精度最高,总体精度为0.916,Kappa系数达到0.828。

大气校正对滨海湿地Sentinel-2影像NDVI的影响

为消除卫星影像成像过程中受到的大气干扰,还原真实的地物反射率,大气校正已成为定量遥感分析研究中的关键环节。本文基于2018—2022年间5期黄河三角洲的Sentinel-2影像,通过对比分析大气校正前后的NDVI值,探究大气校正对NDVI计算的必要性。结果发现:(1)大气校正能够对滨海湿地Sentinel-2影像的整体NDVI和不同地类NDVI均产生显著影响,但对不同年份黄河NDVI的影响存在不确定性;(2)大气校正前后NDVI在不同地类间波谱特征变化无较大差异,但大气校正有效增强NDVI极差范围,提高了不同地类NDVI区分度。该研究为大气校正对NDVI存在影响的相关研究提供了参考依据。

联合无人机数据与Sentinel-2影像的流域制图研究

沱江流域是长江上游重点生态屏障建设区,是四川省境内生态资源最丰富的区域,其在地理位置、水文特征、区域气候等方面具有重要生态意义。由于流域范围大、地理情况复杂,使得利用卫星遥感进行流域制图过程中,采集训练样本费时费力,而训练样本的采集在遥感制图监督分类过程中至关重要。基于此,研究一种联合无人机数据与Sentinel-2影像的流域制图方法,将无人机数据作为卫星影像流域制图的训练样本区和验证样本区数据源,以解决实地调查采集样本费时费力的问题。首先将无人机采集的样本区数据,通过影像镶嵌、面向对象的分类、坐标转换和降采样处理流程,得到用于卫星影像制图的训练样本和验证样本;其次将无人机样本的降采样结果作为Sentinel-2卫星影像的训练样本;最后采用面向对象分类得到流域制图结果,研究发现将无人机获得的小区域训练样本用于卫星影像分类,总体精度达92.68%,Kappa系数为0.8668,能够满足大范围流域制图精度要求。