共查询到20条相似文献，搜索用时 31 毫秒
1.
在提取作物种植分类信息方面,多时相和多光谱特征信息综合应用十分重要。环境与灾害监测预报小卫星影像具有较高的时间、空间分辨率,采用时间序列分析的方法提取作物种植分类信息优势显著。本研究以宁夏平罗地区作物为研究对象,利用HJ-CCD数据提取主要农作物分类信息,采用非监督分类、最大似然分类、决策树分类3种算法挖掘数据。研究表明,通过构建的时间序列HJ卫星遥感影像,结合作物的光谱和典型植被指数时序变化特征,能够有效进行农作物分类。 相似文献
2.
【目的】农作物分类是农情遥感监测的重要环节。及时、准确地获取农作物类型、面
积及空间分布信息对加强农业生产管理、制定经济政策以及保障国家粮食安全具有重要意
义。【方法】文章从监测的农作物类型、使用的数据源、分类特征、算法及精度等方面系统
总结了近10 余年来农作物极化SAR 分类的研究进展,梳理归纳了农作物SAR 分类特征及
其提取方法,对比分析了各种极化SAR 分类方法的优缺点及适用条件,并总结了多源多时
相数据在极化SAR 农作物分类中的应用。【结果】利用极化SAR 数据进行作物分类的精度
逐步提高,但仍存在以下不足：早期极化SAR 监测的作物类型较为单一,以水稻为主,近
期虽涉及多种作物类型,但针对个别旱地作物的分类研究精度仍不高;针对农作物尤其是旱
地作物的散射机制研究明显不足,适合各种旱地作物的分类特征尚未明确与优选;农作物极
化SAR 分类算法以统计方法和机器学习算法为主,机理性和稳定性不强。【结论】农作物极
化SAR 分类未来的发展方向：（1）深入研究农作物散射机制,发展更具普适性的分类算法;
（2）选取用于分类的关键时相、关键特征;（3）多源数据融合,充分发挥各自优势,提高分
类精度。 相似文献
3.
针对高分辨率遥感图像标签稀缺和标签技术增长缓慢限制了多时相语义变化检测发展的问题，提出了采用有噪声、低分辨率的弱标签替代高分辨率标签进行多时相语义变化检测的方法。首先，采用低分辨率卫星数据平滑高分辨率遥感图像输入的质量差异。其次，通过将缩影（epitomes）模型和标签超分辨率算法作为统计推理算法相结合的方法预估高分辨率遥感图像分类图，并拟合一个小型FCN网络对生成的遥感图像分类图进行后处理来改善其分类的效果。最后，通过对比不同时相土地覆盖分类图像之间的差异得出变化检测结果。结果表明，本研究提出的方法与其他多时相语义变化检测方法 FCN/all相比，平均交并比（mIoU）提高了8.9个百分点，能够有效检测土地覆盖分类变化。 相似文献
4.
【目的】探究研究区农作物分类最佳时相;结合遥感指数探究一种有效的多时相分类方法,提取主要农作物种植分布情况。【方法】基于多时相Sentinel-2卫星数据,采用支持向量机的分类方法对不同时相进行分类,对比分类精度;融合时间序列的NDVI、MNDWI指数之后采用支持向量机的方法进行分类,之后分别利用MNDWI和CI指数结合决策树的分类方法提取水域和田埂。【结果】7月份的分类效果最好,总体精度达到91.05%,Kappa系数达到0.8518;通过时相数据不同组合的分类精度比较,采用3—10月NDVI数据叠加后分类的效果较好,总体精度达到92.25%,Kappa系数达到0.8736;对比3种不同分类方法,以支持向量机的分类结果精度最高,总体精度达到94.19%,Kappa系数达到0.9024。【结论】7月份是研究区农作物分类的最佳时相;多时相分类精度明显高于单景数据分类;结合多时相NDVI、MNDWI、CI 3种遥感指数进行分类可以有效提取研究区主要农作物的种植分布情况。 相似文献
5.
高分一号GF1/WFV遥感影像具有较高的时间和空间分辨率,利用多时相影像开展农作物分类调查具有明显优势。以安徽省颍上县为研究区域,利用2017年5月至9月共6景多时相GF-1/WFV卫星遥感影像数据对主要农作物的分类识别提取。首先,通过分析研究区主要农作物的典型植被指数NDVI、EVI和WDRVI时序变化特征,明析了不同作物在各时相对不同VI的响应特征;其次,基于作物在不同时相的敏感VI变化响应,构建了决策树分层分类模型,成功提取了研究区玉米、水稻、大豆和甘薯四种主要作物种植空间分布情况。结果表明:总体精度达到90.9%,Kappa系数为0.895。同时,采用最大似然法、支持向量机对研究区作物进行分类,通过分类效果对比发现,最大似然法最差,支持向量机次之,决策树分类方法最佳。研究表明:利用多时相时间序列的遥感影像数据,结合作物植被指数特征,采用决策树分类方法可以有效提高作物分类的精度。 相似文献
6.
7.
《山东农业科学》2019,(7):143-151
作物种植结构监测和估产是精准农业遥感应用的重点领域,其研究对于指导作物种植结构和制定农业政策具有重要意义。本文以新疆阿克苏地区为研究区,以2016年多时相Landsat8 OLI和GF-1影像为数据源,基于物候信息、时相特征、积温和光谱特征确定农作物识别关键时期和特征参数,构建决策树分类模型,开展作物种植结构监测研究。结果表明:多源与多时相遥感数据可以反映不同农作物的季相特征,研究中所构建的决策树分类模型能够在大区域范围内高精度地实现作物分类,总体精度达83%,Kappa系数为0.77。与统计数据对比,棉花面积精度在85%以上,玉米为81%,小麦为80%以上,水稻达80%以上。因此,利用Landsat 8和GF-1影像在大区域提取农作种植结构是可行的,为今后遥感在农业上的应用提供一个广阔前景。 相似文献
8.
基于Kinect的农作物长势深度图像实时获取算法 总被引：2，自引：0，他引：2
快速、准确、实时获取农作物长势形态图像信息已经成为数字农业生产管理的趋势和必要手段,而深度图像信息包含彩色图像所没有的三维信息,可为农作物的生长模型三维重建以及实时长势形态监测提供有价值的数据。本研究采用微软公司开发的一款廉价体感游戏设备Kinect,尝试了对农作物长势形态深度图像进行实时监测研究,在介绍Kinect深度成像原理的基础上,提出了采用Kinect获取农作物长势深度图像的算法以及提取3D点云世界坐标的算法,并开展了初步试验。试验结果表明,该方法可以获取良好的三维图像数据信息,能够为后期农作物的生长模型三维重建、长势状态分析、病虫害实时监测等研究提供有价值的数据依据。 相似文献
9.
基于自注意力卷积网络的遥感图像分类 总被引：1，自引：0，他引：1
10.
农作物的识别是农情监测的基础,能为农业和政策制定提供重要的参考数据。在多云多雨地区使用合成孔径雷达（SAR）对农作物进行识别和监测有较大的优势。分别采用单时相和多时相的TerraSAR－X数据应用于贵州高原山区烟草的识别,选择贵州省清镇市流长乡烟草示范基地为研究区,在烟草生长期内,获取了TerraSAR－X数据,通过对图像进行预处理并分析典型地物的后向散射系数,建立地物训练场,采用最大似然法进行分类,同时利用GPS采集的样方数据对2种方法下的烟草识别进行精度验证。结果显示,多时相多极化TerraSAR－X的识别精度（82．23％）比单时相双极化的（80．52％）略高,表明多时相的TerraSAR－X数据在高原山区的烟草识别应用中更具优势。 相似文献
11.
12.
HJ-1号卫星数据与统计抽样相结合的冬小麦区域面积估算 总被引：18，自引：0，他引：18
【目的】探讨利用HJ-1号卫星遥感数据进行冬小麦种植面积测量的可行性,并进一步结合统计抽样的方法,估算区域冬小麦种植面积,解决单靠遥感进行冬小麦种植面积测量时多期影像信息误差积累和生长差异性影响的问题。【方法】以北京市为研究区,采用多时相HJ-1号卫星遥感数据与分层抽样相结合的方法进行冬小麦种植面积测量:利用多时相HJ-1号卫星遥感数据获取冬小麦遥感识别结果(56506.67hm2),结合耕地地块数据建立入样总体,以耕地地块内冬小麦遥感识别面积作为分层标志进行分层随机抽样,反推得到北京市冬小麦面积总量(59680hm2)。【结果】多时相冬小麦遥感识别结果MAE为0.17,bias为-0.05,抽样反推区域总量面积提高了约5%,在一定程度上纠正了HJ-1号卫星多期遥感影像提取冬小麦区域面积偏低的问题。【结论】本文方法能够准确测量出区域冬小麦总量面积,具有较强的应用性和普适性,为采用HJ-1号卫星遥感数据进行农作物种植面积遥感测量进行了先期的方法探讨,深化了该遥感数据源的应用。 相似文献
13.
卷积神经网络是一种特殊的人工神经网络,通过卷积核遍历图获取更多的目标特征信息。近年来,遥感技术发展迅速并被广泛应用于土地利用分析、作物分类识别、作物生长监测和病虫害检测,卷积神经网络为提取农业遥感图像的有效信息提供了新方法。卷积神经语义分割网络可根据语义信息对遥感图像像素点进行标注分割,在计算机计算能力逐步提高的前提下,分割网络结构优化,深度加深,分割准确率提高,性能提升。针对实际需要网络侧重于模块化设计改进,在土地利用分析和农作物分类识别应用中,改进的网络分割边缘细化、清晰,且像素准确率较高。在作物生长监测和病虫害识别方面,模块化改进使网络可高效实现分割任务、满足实际需要,卷积神经网络对农业遥感图像信息的语义分割为农业现代化和精细化管理提供了信息支撑。 相似文献
14.
农作物种植结构遥感提取研究进展 总被引：37，自引：2，他引：35
农作物种植结构信息对农业生产管理、农业可持续发展及国家粮食安全等具有重要意义。本文中概括了农作物种植结构遥感提取的理论基础,归类了近10年间不同农作物种植结构遥感提取技术方法,重点评述了不同技术方法的特点及应用情况,讨论和展望了未来农作物种植结构遥感提取研究的发展方向。当前,光谱特征、时相特征和空间特征是农作物种植结构遥感提取的三大理论基础。基于单一影像源的种植结构提取方法操作简单,但往往难以获取种植结构“最佳识别期”的遥感影像;基于多时序影像源的种植结构提取方法可以充分利用农作物季相节律特征,成为当前农作物种植结构遥感提取的主流方法。在基于多时序影像源的种植结构提取方法中,多特征参量法较单一特征参量法更适用于农作物种植结构复杂区域,基于多特征参量的统计模型法一定程度上解决了混合像元问题,但模型的鲁棒性有待提高。此外,遥感与统计数据融合的农作物种植结构提取法在国家及全球大尺度的农作物种植结构提取中具有优势,但较低的制图分辨率使得数据产品的区域适宜性较差。未来农作物种植结构遥感提取将以区域“作物一张图”为目标,充分发挥多源数据组合利用的优势,围绕多类型作物同步提取和大范围作物种植结构提取开展深入研究,重点加强遥感数据预处理、特征参量提取和分类器高效选择等关键技术研究,从而提升农作物种植结构遥感提取的时空尺度,满足多方位的农业应用需求。 相似文献
15.
防止耕地“非粮化”、稳定粮食生产是中国粮食安全的基石。为实现地块破碎化地区作物类型及种植结构精细化识别和分类,本研究以江苏省泰兴市为研究区,基于高分辨率遥感影像和多尺度融合特征显著的Segformer语义分割模型,实现地块尺度的耕地信息精细化提取;同时结合多源遥感数据构建主要植被类型归一化植被指数(NDVI)时序曲线及植被生长关键时间节点的光谱反射特征,开展地块尺度的作物种植结构分类。结果表明：基于Segformer模型的分割方法可有效识别耕地,F1系数达92.4%;基于主要植被类型多时相NDVI时序特征及植被生长关键时间节点光谱反射特征的作物种植结构分类方法能够实现地块尺度的种植结构分类,总体分类精度达82.38%。因此,本研究建立的方法可有效实现地块尺度耕地信息的精细化提取及种植结构识别和分类,为耕地保护提供技术支持。 相似文献
16.
准确提取耕地信息对农业资源调查、遥感估产以及灾害监测等具有重要意义,从遥感图像中提取耕地的信息属于图像识别和分类的问题,目前深度学习是非常适合的方法。以语义图像分割(Deeplab)模型为基础,选择耕地为提取目标,建立了一种从高分2号遥感影像上提取耕地信息的方法耕地提取语义图像分割(ECLDeeplab)。首先分析了耕地在高分2号遥感影像上的表现特点;其次依据耕地的具体特点对Deeplab的结构进行调整,形成了能够提取耕地的网络结构;最后用训练成功的网络进行提取耕地,得到精度较高的分割结果。应用方法对山东省肥城市的2016年12月至2017年3月的10幅影像进行了试验,试验结果表明,该方法获取的耕地精度为88.3%,提取耕地信息得到了较好的结果。 相似文献
17.
虽然深度学习在图像检测领域取得了长足进步,但是由于变电站设备巡检图像背景复杂,导致了缺陷诊断面临一定的困难。本文提出了一种基于深度学习和超分辨技术的缺陷检测算法,一方面是锁定目标区域,聚焦检测设备,去除不相关的图像信息,大幅降低了图像有效信息的损失;另一方面是对检测设备进行超分辨率重建,提升分辨率,保证用于渗漏油缺陷检测的图像质量、像素信息的完整性。通过实验数据证明,该算法识别结果较其他算法有很大的提升,从而验证了该算法的优越性。 相似文献
18.
基于多时相棉花长势遥感的棉田质量诊断 总被引：4，自引：0，他引：4
【目的】研究多时相遥感信息对棉田质量进行诊断的技术和方法,为棉花生产提供具有针对性的管理方案,促进棉田均衡增产、增效。【方法】研究分析多时相遥感数据对地物信息的动态分析与评判能力,以及棉花长势指标动态变化与棉田质量的关系,对棉花生长盛期多时相的LANDSAT-5多时相遥感数据进行融合,将棉田质量状况划分为健康棉田、有障碍棉田和疑似有障碍棉田三类。【结果】数据分析结果表明,棉花生长盛期（花铃期）单时相的LANDSAT-5反射率数据可以作为棉田生长状况的判断指标,划分健康生长与生长障碍的阈值为0.820;利用多时相遥感数据的棉田质量划分方法,可以将棉田质量分为健康、有障碍和疑似有障碍三类。依据此方法对新疆建设兵团148团约1 1705.3 ha的417块棉田进行分类,得出健康、有障碍和疑似有障碍三类棉田所占比例分别为36.4%、34.1%和29.5%;经过8块条田（426.5 ha）的地面同步调查证实了这种方法的准确性,造成该区棉田质量障碍的主要因素为耕地盐渍化、不平整、土壤质地不匀。【结论】研究表明棉田多时相遥感数据进行棉田质量诊断是可行的。利用这种方法,结合不同质量棉田形成机理,能够得到棉田质量状况及影响因素精细分布的信息,为进一步进行的棉田土壤改良与生产管理采取针对性的措施提供数据支撑。 相似文献
19.
基于C5.0算法的森林资源变化检测方法研究——以山东省徂徕山林区为例 总被引：2，自引：0，他引：2
以山东省徂徕山林场为试验区,利用两时相的TM与ETM+遥感数据对该地区的针叶林、阔叶林等森林资源的变化进行研究。将基于C5.0算法的决策树分类方法应用于森林变化检测,并对3种检测方案进行试验比较:(1)以单一时相图像作为数据源并各自分类,分类后作比较提取变化信息;(2)以两时相图像的原始波段数据作为数据源训练规则,并生成变化检测图;(3)以两时相图像加上邻近相关分析图像作为数据源训练规则,生成变化检测图。试验结果表明,基于C5.0算法的决策树分类可以有效的进行森林变化检测,并且加入邻近相关分析图像后的变化检测精度达到最高。 相似文献
20.
《浙江农业科学》2017,(3)
在遥感图像分割中,某些像素分类具有不确定性和随机性,模糊C-均值(FCM)聚类算法对处理这种不确定性和随机性具有很大的优势,但传统的FCM算法具有很大的缺点。对此,该研究提出一种改进的FCM遥感图像分割算法。首先,该算法在选取聚类中心和聚类数时使用直方图进行选取,克服了传统FCM算法选取时的随机性和人为性;然后,使用叉熵距离测度代替欧氏距离测度,克服了传统FCM算法依赖于球状分布的缺点;最后,利用传统FCM算法和改进后的FCM算法对某水电站大坝遥感图像进行分割实验,比较2种方法的分割效果,结果显示,改进的FCM算法大大提高了遥感图像聚类的效率和分类的精度。 相似文献