多源时序数据特征优选的南方丘陵山区农作物分类研究

以广东省揭阳市揭西县为例,基于Sentinel-2多光谱影像、Sentinel-1时序雷达数据、时序植被指数和地形数据,通过计算J-M距离和特征分析对18个特征波段进行特征组合优选,并对比分析了支持向量机(SVM)、随机森林(RF)、最大似然比(MLC) 3种分类器对南方丘陵山区农作物的分类效果。结果表明,时序植被指数特征中NDVI效果最优,时序雷达特征中VH极化方式最优,地形特征中DEM最优;从不同农作物类型来看,时序植被指数特征和时序雷达特征均能提升晚稻、秋玉米的分类精度;对于晚稻而言,时序雷达特征和地形特征对其分类精度均有提升作用。不同分类器对比结果表明,SVM的总体精度比RF和MLC分别高4.67%和7.84%;Kappa系数分别高5.88%和10.48%,可为南方丘陵山区农作物分类提供有效思路和方法参考。

基于合成孔径雷达数据的农作物长势监测研究进展

[目的/意义]农作物长势监测能及时提供农作物的生长状态信息,对于加强中国作物生产管理、确保国家粮食安全具有重要的意义。卫星遥感技术的发展为大面积的作物长势监测提供了契机。然而,在雨热同期的作物生长旺季,光学遥感数据的获取经常受到天气的限制。因此,近年微波雷达遥感技术受到了广泛重视。[进展]梳理了利用合成孔径雷达(Synthetic Aperture Radar,SAR)数据进行农作物长势监测的国内外研究现状,从农作物长势SAR遥感监测指标、农作物长势SAR遥感监测数据和农作物长势SAR遥感监测方法3个方面对基于SAR数据农作物长势监测研究进展与标志性成果进行总结。在分析常用于农作物长势监测的方法及其适用性的基础上,对它们在长势监测中应用情况进行分析。[结论/展望]提出了4个国内外SAR监测农作物长势所存在的问题:1)基于SAR数据的农作物长势监测方法研究整体较少;2)微波散射特征挖掘不够,特别是对极化分解参数的长势监测应用研究还有待深入;3)针对农作物长势监测中的雷达植被指数相对较少,其应用尚未得到充分发挥;4)基于SAR散射强度的农作物长势监测主要采用经验模型,难以推广到不同地区和类型的农作物上。最后,展望未来的研究应聚焦于挖掘微波散射特征、利用SAR极化分解参数、发展和优化雷达植被指数以及深化散射模型来监测农作物长势。

利用Sentinel-1A SLC影像光谱特征估算草地绿色生物量

草地绿色生物量是监测草地生态系统的重要指标。高效高精度估算草地绿色生物量对草地生态系统具有重要意义。遥感技术因方便快捷、成本较低等优势,已被广泛应用于生物量估算,而传统光学遥感技术易受云层、气候条件等因素影响,不适用于高密度植被区。因此,受外界环境影响较小且具有一定穿透性的合成孔径雷达技术在生物量估算中得到了推广;但当前SAR技术多用于估算森林生物量与作物生物量,鲜有估算草地绿色生物量的研究。故选取内蒙古草原为研究区,基于Sentinel-1A SLC影像提取后向散射系数、纹理特征、极化分解量共11种雷达指数,并根据已有雷达植被指数(σ0和σ′0)引入2种雷达植被指数(σ1和σ′1),结合草地绿色生物量实测数据分别对15种雷达指数进行建模分析。结果表明纹理特征中的均值、后向散射系数σVH为估算草地绿色生物量最佳雷达指数,其估算模型R^(2)分别为0.54和0.60,RMSE分别为47.3和44.3 g·m^(-2),此外,雷达植被指数σ0和σ1估算草地绿色生物量也可获得较高精度,其估算模型R^(2)分别为0.53和0.42,RMSE分别为47.6和53.0 g·m^(-2)。研究证明SAR技术在高效高精度草地绿色生物量估算中具有较强应用潜力,但在误差消除方面仍需改进。

基于极化分解的极化特征参数提取与应用

基于极化分解原理,获取了描述地物散射机制的特征参数,并组合成一些特征指数,如雷达植被指数等。这些特征指数具有反映体散射信息的能力,从而可间接获取植被长势、疏密程度及分布区域等信息。实验选择了鄱阳湖区Radarsat-2全极化数据,结合野外采集的样本数据,在分析该区植被特征的基础上,对不同特征参数进行了对比分析,对雷达植被指数与实地测量样本的生物量参数进行了相关分析。实验结果表明:文中给出的4种特征参数对植被引起的随机散射的描述总体趋势是一致的,但随着植被覆盖密度的增大,不同特征指数具有一定的差异,其中雷达植被指数最为准确,适用动态范围最大,并且与湿地植被生物量具有较高的线性相关性,可以定量地反映研究区的植被疏密及生物量差异信息。

煤矿InSAR沉陷区NDVI变化的对比研究

以神东矿区为例,采用2012年1-2月高分辨率雷达数据（RADARSAT-2精细波束模式,5 m）干涉测量获得开采沉陷区,采用2013年5月高分辨多光谱数据（SPOT 6,6 m）计算NDVI,通过多点采样,对比分析沉陷区内外植被指数的变化趋势。结果表明：开采沉陷1 a后,NDVI平均下降率为11.07%,地表植被仍受采动损害影响。

基于Sentinel1A双极化时序数据的甘蔗株高反演方法

甘蔗株高为甘蔗品种与土壤、气象、水文等因素的综合反映,是甘蔗长势监测与估产的重要指标。研究以华南地区气候与天气条件为基础,通过对覆盖甘蔗全生长期的23景时间序列Sentinel1A数据进行预处理、矩阵转换与CloudePottier分解,求得双极化雷达植被指数(Dual-pol radar vegetation index,DPRVI)。分析了该指数与甘蔗长势参数(株高)随甘蔗不同生长期的动态变化规律。采用4种经典的经验回归模型(线性、二次多项式、指数、对数),以分段函数形式对不同生长期的甘蔗株高进行反演,建立最佳反演模型。实验结果表明,拟合模型在分蘖期前相关性最高,二次多项式模型拟合效果最优,决定系数R^(2)与均方根误差分别达到了0.882与0.118 cm,对反演效果最好的分蘖期之前的二次函数模型进行验证,结果表明决定系数R^(2)达0.839,平均绝对偏差为7.4%,说明DPRVI反演甘蔗株高是有效的。将DPRVI与其他3种经典的反演参数进行对比,结果表明,DPRVI的性能优于其他3种参数。通过分析可得,DPRVI可以较好地反演甘蔗生长前期的株高变化,反演的株高参数可供农业管理部门参考。

基于雷达植被指数的水土流失区植被覆盖度估测

植被覆盖度是描述水土流失程度的重要指标。像元二分模型假设一个像元代表的信息来自土壤和植被2部分,植被信息占整个像元面积的百分比为植被覆盖度。对Radarsat-2数据进行极化分解,得到反映植被疏密程度的雷达植被指数,结合像元二分模型估测植被覆盖度。将基于雷达植被指数的像元二分模型应用于水土流失重点治理区域——福建省长汀县河田镇,并以高分辨率光学影像World View-2计算的植被覆盖度作为参考,结合无人机高分影像和实地考察资料对结果进行精度验证。结果表明,估测结果与验证数据具有较好的相关性(R2>0.8),表明该模型可以用于植被覆盖度的估测;完全基于雷达数据估测植被覆盖度的算法,克服了南方多云雨地区数据不易获取的困难,有助于对水土流失的连续监测。

基于Sentinel-1/2遥感数据的冬小麦覆盖地表土壤水分协同反演

冬小麦是我国重要粮食作物之一,对冬小麦覆盖地表土壤水分进行监测有助于解决因土壤供水导致的冬小麦歉收和农业用水浪费等问题。为了降低冬小麦覆盖地表土壤水分微波遥感反演过程中冬小麦对雷达后向散射系数的影响,该文基于Sentinel-1携带的合成孔径雷达(SAR)数据和Sentinel-2携带的多光谱成像仪(MSI)数据,结合水云模型,开展冬小麦覆盖地表土壤水分协同反演研究。首先,基于MSI数据,该文定义了一种新的植被指数,即融合植被指数(FVI),用于冬小麦含水量反演;然后,该文发展了一种基于主被动遥感数据的冬小麦覆盖地表土壤水分反演半经验模型,校正冬小麦在土壤水分反演过程中对雷达后向散射系数的影响;最后,以河南省某地冬小麦农田为研究区域,开展归一化水体指数(NDWI)和FVI两种指数与VV,VH,VV/VH 3种极化组合而成的6种反演方式下的土壤水分反演对比实验。结果表明:以FVI为植被指数,能够更好地去除冬小麦在土壤水分反演过程中对雷达后向散射系数的影响;6种反演方式中,FVI与VV/VH组合下的反演效果最优,其决定系数为0.7642,均方根误差为0.0209 cm^(3)/cm^(3),平均绝对误差为0.0174 cm^(3)/cm^(3),展示了该文所提土壤水分反演模型的研究价值和应用潜力。

基于雷达植被指数的冬小麦生物量反演研究

雷达遥感可以在极端天气条件下进行对地探测,其主动探测方式对作物长势全天候监测具有重要意义。本文利用2013-2014年陕西杨凌区地面同步测量的43组冬小麦生物量、8组裸土土壤含水量和Radarsat-2全极化雷达数据,对冬小麦生物量进行了估算。利用冬小麦返青期、拔节期、抽穗期和灌浆期生物量和雷达植被指数数据进行回归,并分析了不同作物冠层覆盖条件和土壤含水量对雷达植被指数与作物生物量相关性的影响。结果表明:低冠层覆盖条件下雷达植被指数和冬小麦生物量相关关系较差,其受土壤含水量的影响严重;高冠层覆盖条件下其具有较好的相关关系,回归建模的决定系数(R^2)为0.51,均方根误差为267.61g/m^2。

基于Freeman 分解和雷达植被指数的极化SAR图像分类

研究首先基于影像的相干矩阵提取特征参数,即雷达植被指数(RVI),再对影像的协方差矩阵进行Freeman分解,得到三种散射机制参数,分别为体散射、面散射和二面角散射。然后组合这些特征参数应用于支持向量机(SVM)中,对极化SAR图像进行分类,并与Wishart监督分类比较。结果表明,雷达植被指数有助于提高植被的分类精度,且该方法的分类精度明显高于Wishart监督分类。

基于无人机多源数据的梭梭(Holoxylon ammodendron)地上生物量估算

梭梭(Holoxylon ammodendron)是荒漠生态系统的重要组成,其地上生物量(aboveground biomass,AGB)在一定程度上反映了群落及生态系统的健康程度,对荒漠生态系统碳储量的估算具有重要意义。以乌兰布和沙漠梭梭为研究对象,基于无人机激光雷达提取的株高(H)、冠幅(C)参数和可见光数据构建的植被指数(VI)以及二者结合的3类特征指标,采用多元逐步回归、主成分回归和偏最小二乘回归,对梭梭地上生物量进行估算研究,利用决定系数R^(2)和均方根误差RMSE进行评价。结果表明:(1)无人机LiDAR点云数据提取的株高(R^(2)=0.85,RMSE=0.32 m)和冠幅(R^(2)=0.80,RMSE=0.73 m)精度较高。(2)多元逐步回归、主成分回归和偏最小二乘回归模型对梭梭地上生物量拟合效果均较好,R^(2)均大于0.8,而偏最小二乘回归(PLSR)模型的均方根误差最小(2.86 kg·株^(-1)),可以作为梭梭AGB估算的最优模型。利用无人机激光雷达数据可以有效地提取梭梭单株参数因子(H、C),并开展荒漠低矮植被地上生物量的估算研究。

雷达植被指数与香农熵在GF-3影像分类中的应用

针对当前雷达影像分类过程中极化特征组合可提高分类精度这一问题,该文探讨了极化特征组合在高分三号(GF-3)数据地物分类中的应用,以北京市昌平地区GF-3全极化合成孔径雷达(SAR)数据为例,首先对数据进行最优极化分解选择,选取Cloude分解数据为最优数据;然后基于相干矩阵的特征值,提取特征参数雷达植被指数(RVI)与香农熵(SE);最后组合这些极化特征对影像进行决策树分类,并与传统支持向量机(SVM)分类方法的精度进行比较。结果表明:本文采用的RVI与SE极化特征组合的决策树分类方法,较传统SVM分类方法的精度,有一定的提高,尤其是对旱地与有林地、城镇建筑用地与工业用地的区分,效果更佳。