|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于多时相Sentinel-2A的县域农作物分类显示文摘利用遥感技术精准地获取区域农作物种植结构数据,对指导农业生产、制定农业政策具有重要意义。以景泰县为研究区,以多时相Sentinel2A遥感影像为数据源,计算时序归一化植被指数(Normalized difference vegetation index,NDVI)和红边归一化植被指数(Red edge normalized vegetation index,RENDVI)及其组合特征(NDVI+RENDVI、NDVI RENDVI和NDVI&RENDVI),分析作物特征曲线,并采用随机森林法分别以5种特征参数作为分类特征对研究区农作物进行精细分类。结果表明:根据形态特征,研究区农作物特征值曲线可划分为3种类型:高值型(玉米、水稻、胡麻和马铃薯)、低值型(洋葱、大棚作物和砂田瓜果)和开口型(春小麦、春小麦秋油葵)。高值型和低值型可在7、8月影像中区分,开口型和前两种类型在5月和9月影像上的特征值有明显差异。3种类型内的作物可以通过不同时相影像区分,高值型的4种作物在9月影像上通过成熟期差异可以区分;低值型的3种作物的特征值差异在全年影像上都可以明显体现;开口型的两种作物利用9月影像可以明显区分。利用NDVI、RENDVI、NDVI+RENDVI、NDVI RENDVI和NDVI&RENDVI 5种特征分类的总体精度分别为82.14%、78.16%、81.17%、75.64%和86.20%,Kappa系数分别为0.78、0.74、0.77、0.71和0.83,总体精度和Kappa系数由大到小依次为NDVI&RENDVI、NDVI、NDVI+RENDVI、RENDVI、NDVI RENDVI,说明RENDVI辅助NDVI可以有效提高分类精度(精度较仅用NDVI提高4.06个百分点)。选择合适的时期和分类特征,利用Sentinel2A特有的红边波段数据及其较高的空间分辨率在县域农作物精细分类上具有较好的精度。 | 吴静 吕玉娜 李纯斌 李全红 | 2019 | 农业机械学报2019，50，9： | 31 |
| 2 | 作物遥感精细识别与自动制图研究进展与展望显示文摘作物识别与制图产品数据是作物长势、风险胁迫、产量等生产参量监测预测,种植结构调整与供需决策分析,以及耕地资源安全与生态效应评估等工作的基础数据,遥感数据成为作物类型识别与制图的最主要数据源,新兴数字技术则为遥感作物识别与制图提供了新的方法手段。本文通过综述近年基于遥感的作物识别与制图相关研究成果,探究当前技术趋势、关键问题,以及需求差距。分别从小尺度作物精细识别、大尺度作物自动化制图,以及作物识别与制图模式变化3个视角总结归纳面临的主要问题和主要研究工作。作物识别与制图产品在小尺度上需要更加精细、近实时和更高的识别精度,主要使用超高空间分辨率(如米级、亚米级)的影像数据,在提高作物识别精度(95%以上)进而提取满足应用需求的高精度作物表型等信息方面依旧面临巨大挑战。而在大尺度上需要更加自动化、满足可靠识别精度(90%左右),主要使用高时空分辨率(2~5 d,10~30 m)的影像数据,面临着如何处理海量数据的存储管理、分析计算,发展大范围上具有鲁棒性的分类识别方法,寻找科学高效的地面样本获取途径的难题。同时,作物识别与制图的模式也将从确认监测向提前预判和特定作物探测转变。最后从加强科学研究与加快应用落地2个角度提出展望,为发展满足智慧农业与国土监管不同需求的遥感作物识别与制图产品提供参考与借鉴。 | 刘哲 刘帝佑 朱德海 张琳 昝糈莉 童亮 | 2018 | 农业机械学报2018，49，12： | 18 |
| 3 | 基于历史增强型植被指数时序的农作物类型早期识别显示文摘快速准确地获取农作物分布数据对作物估产、灾害预警具有重要意义。该文针对目前农情遥感监测业务中普遍存在的缺乏地面数据和分类时效性较低的问题,以美国堪萨斯州为研究区,提出了基于参考时间序列获得训练样本的方法。首先,基于2006到2013年的MODIS EVI时间序列数据和cropland data layer(CDL)数据,使用免疫系统网络方法建立苜蓿、玉米、高粱和冬小麦的参考EVI时间序列;根据2006年到2013年作物分布情况,将作物超过总记录年数一半的象元作为2014年'潜在'训练样本;通过计算参考EVI时间序列和'潜在'样本的MODIS EVI时间序列的欧氏距离确认2014年训练样本;最后使用这些样本和2014年Landsat NDVI月合成数据进行30 m作物识别,并且评价时间序列长度对作物识别结果的影响。试验结果表明,时间序列长度为4-8月时,获得2014年样本10 183个,样本正确率为96.32%,总体分类精度为94.02%,接近使用完整时间序列数据的结果(总体分类精度94.89%);提取的苜蓿、玉米、高粱和冬小麦的面积分别为549.5、1 999.5、2 851.5和6 415.3 km^2,与CDL数据相比误差低于20%,说明基于参考时间序列方法获得的训练样本具有较高的正确率,具备进行30 m作物早期制图的潜力。该研究可为提高农作物遥感制图工作效率提供参考。 | 郝鹏宇 唐华俊 陈仲新 牛铮 | 2018 | 农业工程学报2018，34，13： | 15 |
| 4 | 基于GF-1卫星影像的中国冬小麦制图研究显示文摘旨在实现冬小麦面积自动化提取,提出一种基于冬小麦NDVI加权指数(WNDVI)的分类算法。将影像分割成标准的小区域,从而构建冬小麦分类单元,基于WNDVI,采用自适应方法确定冬小麦种植区和非种植区WNDVI分割阈值。以2013年10月至2014年5月期间的GF-1卫星WFV影像为例,构建了全国14个省(市、区)的1180个分类单元的WNDVI,实现了2014年全国主产区冬小麦种植区的空间分布图;采用14233个样本对结果进行验证精度,总体精度达到了90.6%。本方法自动化程度高,结果稳定,适合大范围冬小麦面积监测业务化运行。 | 刘佳 王利民 杨福刚 姚保民 杨玲波 | 2019 | 中国农学通报2019，35，9： | 7 |
您所在的机构暂未开通此部分的功能，请联系管理员