基于分区分层随机抽样的棉花种植面积遥感监测方法研究

以新疆建设兵团为研究区域,依据当地作物种植结构,结合遥感技术,在借鉴前人对大区域作物面积遥感估算研究方法的基础上,采取分区分层随机抽样的方法对新疆建设兵团的棉花种植面积进行估算,并引入均值和变异系数等精度评价指标对该抽样方法行评估,最后根据外推估算方法,以遥感影像中的棉花种植面积统计结果为真值与抽样反推结果进行对比分析。结果表明,各组格网的棉花种植面积均值的估计量变异系数在试验中的变化幅度很小,抽样体系稳定,符合统计抽样原理对精度的高要求。反推后的各组棉花种植总面积精度均达到95%以上,反推质量效果较好。综合来看,上述空间抽样方法是可行的,尤其是对总体分区分层的划分,对后面的抽样及反推工作起到了很好的效果,可为政府对新疆建设兵团棉花种植面积的统计提供方法参考。

基于总体抽样下子总体追加抽样设计的棉花种植面积遥感估算方法研究

针对遥感与抽样相结合的农作物种植面积估算方法中,子总体的作物种植面积估算需要新的抽样体系设计和样本野外调查等繁重工作,缺少基于总体下对子总体的作物种植面积估算的方法,以沙湾县、玛纳斯县和呼图壁县为总研究区,提出了基于遥感和PPS抽样相结合的总体抽样下子总体追加抽样设计的子总体研究区呼图壁县棉花种植面积估算方法,并以新疆建设兵团统计局公布数据为真值对其估算结果进行对比分析。结果显示,基于总体抽样下子总体追加抽样设计后,子总体研究区估计量的变异系数为0.023 3,远低于0.05,而追加抽样设计前变异系数为0.122 3,说明样本在该方法下的代表性得到极大提高。以新疆建设兵团统计局公布数据为真值进行对比发现,子总体研究区棉花种植面积提取精度达到94.2%,能够有效提取子总体中的棉花种植面积,同时避免了重新建立子总体研究区抽样体系所需要的人力、物力、财力等资源的消耗。

基于新遥感数据源的县域冬小麦种植面积提取

Landsat-8卫星的成功发射为农业遥感提供了新的重要数据源。以虞城县为研究区域,探讨基于Landsat-8影像估算县域冬小麦种植面积的可靠性,讨论不同分辨率影像的提取精度。选取冬小麦起身生拔节长期的影像以最大程度的扩大冬小麦与背景地物的波谱差异,根据波谱特征构建提取冬小麦种植面积的决策树模型。结果表明:与统计数据对比,使用30 m空间分辨率影像提取的精度为96.30%,使用15 m空间分辨率影像提的取精度达到99.17%,该方法可为县域冬小麦面积提取提供技术支撑。

不同湿度指数在湿地分类中的对比研究

为探讨不同湿度指数用于湿地信息提取的能力,选取7个常用的湿度指数(包括NDWI、MNDWI、RNDWI、EWI和缨帽变换的湿度分量等)作为指标,以达赉湖国家级自然保护区为研究区,利用2013年9月6日MODIS(MOD09Q1和MOD09A1)数据,采用支持向量机分类的方法,对研究区进行湿地与非湿地区分研究,并进行湿地亚类(沼泽、水体)的分类试验。分类结果的精度评价表明:1)湿地与非湿地区分能力最好的指数为基于缨帽变换的湿度分量TC-Wetness,制图精度达97%以上,用户精度达96%;2)对湿地亚类的分类结果表明,提取水体最好的指数为第一类湿度指数,以NDWIB4,B2为最优,提取沼泽最优的指数为缨帽变换的湿度分量(TC-Wetness),可以有效排除草地对沼泽提取的干扰。研究区分类结果总体精度最高为88.7%,但沼泽的提取精度仅为48%,说明利用遥感湿度指数一种指标难以满足湿地分类的需要,多指数结合以及地形和其他相关辅助数据的加入对提高湿地分类精度具有重要帮助。

基于通用光谱模式分解(UPDM)算法的光谱指数一致性研究

由于传感器之间的光谱尺度差异和空间分辨率、成像几何、大气校正精度等因素的共同影响,不同传感器下光谱指数的一致性会受到不同程度的影响。研究选取了HJ和MODIS卫星遥感数据,通过通用光谱模式分解(universal pattern decomposition method,简称UPDM)算法将卫星HJ1A-CCD2(简称HJ)数据进行光谱重构,从而模拟生成对应的MODIS数据,然后分析光谱指数在原始HJ、原始MODIS和模拟MODIS数据之间的差异大小,探讨UPDM算法在不同程度上减小了光谱尺度引起的光谱指数的不确定性,即提高了其一致性。研究结果表明:针对模拟MODIS和原始MODIS数据,光谱指数的确定系数平均值为0. 460 3,差值平均值为0. 811 6,与原始HJ和原始MODIS相比较,一致性有所提高并且差异性变小,减小的差异性即看作是光谱尺度对光谱指数的影响,因此可判断UPDM算法削弱了光谱指数的光谱尺度不确定性,即提高了不同传感器间光谱指数的一致性。研究可为植被理化参量高光谱定量反演模型的构建及精度的提高提供一定的理论基础。

基于优选特征及月合成Landsat数据湿地提取研究

针对Landsat卫星完整时间序列数据难以获取导致的湿地提取准确性较低和湿地提取最优特征不明确的问题,该文提出一种基于优选特征和月合成时间序列Landsat数据提取湿地的方法。通过月合成方法,利用Landsat7ETM+和Landsat8OLI数据构建Landsat 30m地表反射率、NDVI、NDWI和缨帽变换湿度分量的时间序列;利用随机森林算法和扩展的Jeffries-Matusita距离(JBh)优选对湿地提取贡献较大的特征,并基于优选特征提取湿地。结果显示:1)月合成方法有效地改善了条带和云覆盖造成的Landsat单景影像数据缺失问题;2)5月NDVI和6、8月NDWI以及5月TC-Wetness是区分永久性草本沼泽、水稻田、草地和旱地的最优特征;3)基于优选特征的湿地分类结果总体精度达到0.91,Kappa系数为0.89。特征优选减少了数据冗余,提高了运算效率,为提高湿地分类精度提供了理论基础。

基于Sentinel-2A时序数据和面向对象决策树方法的植被识别

Sentinel-2A数据具有较高的空间分辨率和时间分辨率,克服了以往时序数据难以获取或空间分辨率低的问题。该文以山西省吕梁市陈家湾流域为研究区,基于Sentinel-2A时序数据,根据归一化植被指数(NDVI)时序曲线特征和光谱特征,构建基于面向对象决策树方法的分层分类模型,成功提取了陈家湾流域的植被信息,分类总体精度达到89.7%,Kappa系数为0.87。基于面向对象决策树方法的多时相分类结果与单时相分类结果相比,可以有效改善波谱特征相近和受地形影响较大地物的区分,减少混分现象;基于Sentinel-2A时序数据和面向对象决策树分类方法能够有效提高植被分类的精度。

地铁站便捷指数构建及其在地铁网络分析中的应用

针对地铁交通的特点,构建了用于评价某一地铁站点在整个地铁网络中相对便捷程度的地铁站便捷指数。该便捷指数综合考虑了目标站点到其他站点的时间距离与换乘成本,从地铁站点层面定量且客观地评价了目标在整个地铁网络中的相对便捷程度。将地铁站便捷指数由点扩展到线,进而分析各地铁线路在整个地铁网络中的区位条件,再将其由点扩展到面,进一步生成地铁便捷指数热力图,获得指定区域的地铁便捷程度。在此基础上,以北京地铁网络为例进行实证分析,总结了北京地铁网络便捷程度特征并提出规划建设布局建议:目前北京四环内地铁站点已形成了网格化,达到了较高的覆盖程度;二环至三环之间的相对便捷程度较低,建议适当增加该区域(尤其是西南二环至西南三环之间)的地铁站点密度;换乘车站和环线线路拥有较高的便捷程度,在地铁建设以及城市空间选址中应着重考虑。

电离层时空变化效应对星载及月基SAR成像影响:现状与展望

合成孔径雷达(SAR)作为一种主动传感器,具备全天时、全天候的观测能力,已广泛应用于对地观测中.然而,无线电信号在空间传播过程中会不可避免地受到电离层效应的影响,导致信号的相位、幅度发生变化,使得工作在电离层之上的SAR系统的成像性能受到干扰.本文分别从法拉第旋转、背景电离层和电离层不规则体三个方面介绍了电离层效应对不同轨道SAR系统成像性能的影响,并总结了电离层效应的补偿修正方案.最后,给出了电离层效应对星载和月基SAR成像影响的一些亟待解决的问题,以促进星载和月基SAR成像的发展及应用.

最佳波段组合的城市土地利用类型提取

针对Landsat 8陆地成像仪(OLI)遥感影像光谱特征利用率不高等问题,为排除波段间冗余信息的干扰,提高土地利用特征提取的精度,该文以2014年唐山市中心城区Landsat 8OLI遥感影像为主要数据源,开展了基于Landsat 8OLI影像的城市土地利用特征提取的最佳波段选择研究。根据最佳波段选取原则统计波段光谱信息,基于最佳指数因子以及不同土地利用类型的光谱特征曲线,确定波段1、5、7为最适合该遥感影像进行土地利用特征提取的最佳波段组合。