[目的]及时、准确地获取旱地作物类型、种植面积及空间分布信息,可为农业生产管理,国家粮食政策提供重要依据。文章主要是对河北省冀州市棉花、玉米、水体和建筑进行分类,比较不同时相及分类方法下RADARSAT-2数据对4种地物的分类精度。[方法](1)计算得到每个时相(2018年7月14日、8月7日、9月24日)全极化RADARSAT-2数据的39个特征;(2)结合随机森林分类器比较不同分解方法(Freeman分解、Yamaguchi分解、MCSM模型和Cloud分解)得到的特征对旱地作物的分类精度影响;(3)分析参与分类的特征数量和时相对分类精度的影响;(4)将多时相多特征相结合,确定研究区内旱地作物的最佳识别方案。[结果]不同分解方法得到的特征越多、分类精度越高;就仅使用单景影像而言,在9月24日(玉米成熟期早期、棉花吐穗期中期)总体分类精度最高;不同分解方法得到的极化特征之间有一定的相关性,同一时相下,增加参与分类的极化特征数量不能有效提高分类精度;使用3个时相上117个极化特征,结合随机森林分类器,可以得到最佳分类精度(总体分类精度达92.89%,Kappa系数为0.885 9)。[结论]结合多时相与多特征相RADARSAT-2数据,能够有效提高复杂种植结构下旱地作物的识别精度,该研究可为旱地作物种植面积的快速提取提供参考。

森林在全球碳循环及大自然空气调节中发挥着重要作用,对森林分布的监测与制图意义重大。以黑龙江省逊克县两景星载ALOS PALSAR多时相数据覆盖区为研究区,利用不同时相极化SAR、干涉SAR对植被结构变化特征的敏感性,结合后向散射系数与干涉相干性的时变特征进行林地类型分类研究,发展基于多时相、多极化、干涉SAR的SVM林地类型分类识别方法。结果表明:多时相的平均干涉相干性对有林地、疏林地及灌木林地的识别十分有效;综合运用所选取的多时相干涉、极化比等有效维度信息能很好地突出地物的边缘与结构,更细致地区分不同林地类型。

[目的]作物遥感分类是作物面积监测的核心问题，也是进一步开展农作物长势、产量等专题监测的前提。特征选择是作物遥感分类的关键步骤之一，能够有效提高作物遥感分类精度和效率。文章使用后向消除的特征选择方法明确最优特征集的大小和内容，比较不同优选特征集的分类效果分析4种特征排序方法的优劣。[方法]（1）提取河北省深州市旱地作物关键生长期（6月3日、6月27日、7月21日）RADARSAT-2数据的3类特征变量共114个。（2）比较基于不同度量方式的4种特征重要性排序方法，根据特征排序结果采用后向消除方法逐步简化特征变量，确定最优特征个数，得到优选特征集。（3）比较不同优选特征集在随机森林方法下的分类效果。[结果]特征排序方法中极限树的效果最好。使用极限树算法优选的特征集参与随机森林分类，能用最少的特征（11个），达到最高的精度（92.63%）。并且与全部特征（114个）的分类结果相比，总体精度只下降了1.78%。[结论]后向消除特征选择优选出的特征集能够明确最优特征个数，能够在保障分类精度的同时有效提升分类效率，优选出的特征集可为同种种植结构下的旱地作物分类提供参考。

[目的]农作物播种面积信息不仅可为农情监测和作物估产提供重要的数据保障,还是国家制定粮食政策和经济计划的重要依据。快速、准确地获取农作物播种面积信息能为农业生产管理提供决策支持。极化SAR不受云雨天气的影响,在农作物遥感监测方面具有巨大的应用潜力,有效利用极化SAR数据进行农作物识别研究对促进雷达技术在国家农业遥感监测和农业供给侧结构性改革中发挥更大作用具有重要意义。[方法]以星载极化SAR技术的发展过程为论述主线,从单、双极化SAR数据,单、双极化SAR数据结合光学影像,全极化SAR数据三个发展阶段,对极化SAR数据在农作物分类识别中的研究与应用进行总结,并对比分析不同的识别特征、融合算法以及分类算法的优缺点。[结果]以往研究存在以下不足:当前研究多以识别水稻为主,对于难以识别的旱地作物研究较少;目前对旱地作物识别精度不高,平均识别精度不足85%;缺乏对不同作物散射机制及其随时相变化的研究,导致分类算法机理性不足,普适性较差。[结论]在今后的研究中,旱地作物散射机制的定量确定,如何利用散射机制及其变化来提高旱地作物遥感识别精度和普适性;目前分类算法大都是基于光学影像设计,如何利用SAR特殊的成像方式优化设计适用于极化SAR数据的分类算法,得到更高的分类精度;如何更好的跟光学遥感等多源数据(光学数据、GIS数据等)结合来提高精度,将成为未来极化SAR农作物识别中三个亟需重点解决的问题。

在我国北方旱地秋收作物生长关键期，云雨天气影响较大，无法及时、有效地获取光学遥感数据，因此利用雷达遥感进行旱地作物识别研究非常必要。文章以河北省衡水市为研究区，选择６期ＲＡＤＡＲＡＳＴ－２全极化影像作为数据源，分类方法为随机森林法。首先通过对比不同时相间的组合结果，优选出了研究区典型秋收作物（玉米、棉花）的最佳识别时相及组合方式。其次，提取最优识别时相的后向散射信息、纹理信息、极化分解等３部分信息，依据信息间相互组合的结果及随机森林算法对变量的重要性评价，文中对上述３部分信息进行了重要性评估。结果表明：利用ＳＡＲ识别旱地秋收作物时应着重关注作物生长前期的时相，其中玉米在６月２７日单一时相下就可．．．

地表覆被分类对国土资源调查评估及全球变化具有基础性和关键性意义,但山区由于地形和云雾等的影响,可利用光学遥感影像和其他资源十分稀缺。因此,论文以渝东南山区为研究区,基于Sentinel-1A极化合成孔径雷达(SAR)数据,通过系列预处理,得到后向散射系数值,同时对各类地物的VV/VH极化后向散射系数、纹理、高程和坡度等特征值统计分析,综合这些特征值运用面向对象分类方法对单时相与多时相SAR数据进行地表覆被分类,最后将这两种分类方法与Landsat 8 OLI数据分类作对比。研究表明:1)在同时运用面向对象

为了充分发挥不同遥感数据源的优点,采用中高分辨率的TM影像覆盖区为典型试验区,由试验区的水稻特征建立基于专家知识的分类规则,结合C4.5算法构建分类决策树,然后综合运用eMODIS时间序列NDVI、MOD12Q1、DEM及其派生的坡度数据进行决策树分类,以辽宁省为例对2009年的水稻种植面积进行了提取。结果表明:该方法方便适用,精度高于传统的监督分类、极大似然分类法;与统计数据相比,结果相对误差为5.04%,各地级市的遥感结果与同期的统计数据吻合较好,相关系数达到0.96,能较好地反映辽宁省水稻种植的空间分布状况。

多熟种植是中国重要的种植制度,在农业生产中具有重要的地位。复种指数反映了耕地实际利用强度,及时获取其空间分布信息是国家农业决策的基础。论文在重新理解和定义复种指数的基础上,提出了一种基于NDVI曲线迭代修正的复种指数遥感提取方法,并以SPOT/VGT多时相NDVI数据为基础,提取了1999~2004年中国北方17省市区农用地的复种指数。结果表明:提取的复种指数空间分布符合我国耕作制度区划,基于目视解译的样点检验总体精度为95.24%,Kappa系数为0.905 7,与根据统计数据得出的复种指数结果的线性回归斜率为0.928 8(R2=0.915 9,P<0.001),表明该方法能够准确快捷地提...

采用多时相直接分类法对贵州省 (原 )安顺市从1987～1995年间的土地利用变化状况进行了遥感动态监测。与以往方法相比 ,该方法不仅可以直接获得变化类型及其数量 ,而且可以避免分类后比较法所容易出现的逻辑性变化探测错误。对不同分类波段组合的试验表明 ,经过差值、比值处理的前3种波段组合 ,具有较差的分类效果 (总体精度只有30 %～40 % ) ,而那些能较好地保留原始信息的波段组合 ,则具有相对较好的分类效果 (总体精度超过70 % )。另外 ,分类效果还明显地受到所采用的辐射校正方法的影响 ,经过暗组亮组辐射校正的影像要明显比只经过简单辐射校正(直方图法 )的影像具有更好的分类效果 ,总...

该文以江苏省为例,探讨MODIS时间序列数据在水稻种植信息获取中的应用,并进行精度评价。首先利用MODIS数据构建了归一化差值植被指数(NDVI)、增强型植被指数(EVI)和陆表水指数(LSWI)。根据植被指数的时间序列变化特征,结合水稻的生长发育规律,确定江苏省水稻种植面积。对比统计数据,该方法提取水稻种植面积的误差为16%。同时,对环境卫星遥感影像进行监督分类,提取水稻种植区域。对比二者提取结果,面积相对误差为5%,空间一致性达到60%以上。研究表明,在平原区域利用MODIS数据监测大尺度水稻种植面积是可行的。

【目的】基于多时相遥感影像研究落叶松Larix gmelini人工林季相特性,采用多种分类方法提取落叶松人工林空间分布,以期得到适用落叶松人工林提取的手段和方法。【方法】利用多时相Landsat 8影像,在分析落叶松人工林季相和物候特性的基础上,综合森林资源二类调查成果和样地数据,分别采用最大似然法、支持向量机法、光谱角法和k最近邻法提取研究区的落叶松人工林信息,并进行精度验证。【结果】落叶松人工林具有明显的植被光谱特征和季相特性,在近红外波段各树种类别光谱差异最明显,秋季影像对落叶松人工林信息提取效果较好。利用多时相数据对落叶松人工林信息提取精度明显优于单时相数据的提取精度,多时相Landsat 8影像能使落叶松人工林分类精度达86%以上,其中光谱角法最好,精度为88.346 3%。【结论】利用多时相特征遥感影像进行落叶松人工林信息提取研究,有着一定的可行性和适用性,研究结果对大面积获取落叶松人工林的空间位置分布提取具有一定的参考价值。图2表4参21

【目的】探索无人机遥感在氮效率分类识别中的潜力，构建小麦品种氮效率分类方法，为氮高效品种筛选提供理论依据和技术支持。【方法】通过6个成熟期与氮效率密切相关的农学指标（产量、植株氮积累、氮素生理利用效率、植株干生物量、籽粒总吸氮量、N收获指数）构建主成分综合值，并对其进行K-Means聚类分析，将121个小麦品种划分为氮高效型、氮中效型和氮低效型3种类型。利用无人机遥感平台搭载多光谱相机，在小麦拔节期、孕穗期和开花期获取无人机遥感影像，并提取34种植被指数，分析植被指数与氮效率综合值的相关性；对比支持向量机（SVM）、随机森林（RF）和K最近邻（KNN）分类方法的氮效率分类模型精度，使用总体分类精度（OA）和Kappa系数比较不同生育时期下小麦品种氮效率分类识别的能力；并使用3种不同的特征集筛选方法（ReliefF算法、Boruta算法和RF-RFE算法）对优化的特征子集进行综合评价，确立适宜的小麦品种氮效率分类识别方法。【结果】随着小麦生育时期的不断推进，植被指数与氮效率综合值的相关性逐渐提高，开花期最高（r=0.502）；利用植被指数全特征集对小麦品种氮效率进行分类，对于单生育时期数据而言，以开花期的SVM模型分类效果最好（OA=77.1%,Kappa=0.591），拔节期最差（OA=65.6%,Kappa=0.406）；总体而言，多生育时期数据融合的品种氮效率分类精度高于单生育时期，其中以拔节期+孕穗期+开花期3个生育时期数据融合的SVM模型的分类效果最优（OA=80.6%,Kappa=0.669）。为减少多生育时期数据融合的特征集变量数量，比较分析RF-RFE、Boruta和ReliefF 3种算法的特征优化效果，基于RF-RFE算法得到的优化特征子集分类精度最高，其OA和Kappa系数比全特征集分类模型分别提高了4.0%和10.1%，其中，以3个生育时期数据融合的分类效果最好（OA=85.4%,Kappa=0.749）。【结论】确立6个氮效率指标—主成分分析—K-Means氮效率评价方法；RF-RFE算法有效优化多生育时期组合的特征子集数量，且获得较高的分类精度，确立基于多生育时期组合—RF-RFE—SVM技术融合的小麦品种氮效率分类模型，为小麦氮高效品种的快速准确分类鉴定提供理论依据和技术支撑。

【目的】森林生物量是评价森林生态系统结构、功能和生产力的重要指标之一,区域尺度上的森林生物量的准确估测对了解森林现状和科学经营森林具有重要指导意义。本文旨在利用SAR影像结合Landsat5 TM影像对区域尺度上的森林生物量进行定量估测。【方法】首先利用极化分解的方法对极化合成孔径雷达(SAR)数据进行处理获得45个极化分解参数,然后将45个极化分解参数与6个Landsat5 TM波段参数共51个参数作为自变量,森林生物量W作为因变量构建统计回归模型,最后利用最优模型反演研究区的森林生物量。【结果】使用两

[目的]基于多时相Sentinel-2A/B影像，探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区，以多时相Sentinel-2A/B影像、数字高程模型（DEM）为数据源，通过各森林类别的JM距离，确定最佳单一时相。同时，构建多时相植被指数及红边指数特征（DVI、mNDVI、CIred-edge、NDre1）。采用支持向量机和优化的U-Net模型分别对单一时相+DEM和单一时相+DEM+多时相植被指数两种方案进行分类实验。[结果]（1）在单一时相+DEM基础上，加入多时相植被指数后，U-Net模型精度为77.87%，比单一时相+DEM精度高6.67%;(2)U-Net模型的总体精度明显优于支持向量机，并且分类效果更好。同时，深度学习U-Net模型能够避免“椒盐”现象，分类结果更细腻。[结论]基于多时相Sentinel-2A/B影像，构建植被指数及红边指数时序特征，同时采用U-Net模型在一定程度上能够提高林分类型分类精度。

[目的]及时准确获取农作物种植结构信息,对农作物种植结构调整具有重要意义。[方法]文章以多期GF-1卫星PMS影像为主要数据源,通过分层分类方法成功提取了朱仙镇一个种植年内秋播蔬菜、冬小麦、春花生、早熟西瓜、夏玉米、夏花生等农作物,并通过叠加分析得到朱仙镇的农作物种植模式。[结果]朱仙镇有10种种植模式,以一年两熟的冬小麦-夏玉米为主要倒茬模式,占比49.7%,其他9种种植模式所占比例之和接近50%;从整体景观的角度对朱仙镇的主要作物种植模式进行衡量,斑块丰富度PR达到9.0,香农多样性指数SHDI达到1