共查询到10条相似文献，搜索用时 31 毫秒
1.
农作物遥感识别中的多源数据融合研究进展 总被引：10，自引：2，他引：8
农作物遥感识别是地理学和生态学研究的前沿和热点,多源数据在农作遥感识别中日益发挥重要作用。笔者从多源数据融合的角度,归纳了2000年后多源数据在农作物遥感识别中应用的总体概况,系统梳理并提炼了当前多源数据融合的主要融合技术和融合模式。围绕与多源数据融合和农作物遥感识别相关的关键词,在Google学术、ISI Web of Knowledge和中国知网中对2000-2014年间国内外发表的论文进行检索,并统计不同传感器的使用频率及结合方式。研究表明,以提高空间分辨率为目标的多源数据融合和以提高时间分辨率为目标的多源数据融合技术是当前的两种主要方式,可以在一定程度上实现时空尺度的扩展。前者的融合技术包括图像融合、正态模糊分布神经网络模型、成分替换、半经验数据模型融合及多分辨率小波分解等,可以提升遥感数据的空间分解力和清晰度,较好弱化混合像元产生的影响,但农作物光谱信息有一定程度的丢失或扭曲,农作物空间分布局部细节信息与纹理特征依然会缺失;后者的融合技术形式灵活多样,可分为同源数据联合扩展时序的时空优化技术和异源数据联合扩展时序的时空优化技术,其可以有效排除短时间段内农作物生育期交叉,但易受不同遥感数据源间光谱反射率或植被指数转换模型及光谱波段设置差异的影响。在融合模式方面,根据数据类型分为光学数据的融合、光学数据与微波数据的融合以及遥感与非遥感数据的融合,以实现卫星资源优势互补为宗旨,充分挖掘不同类型农作物在遥感数据上呈现的光谱、时间和空间特征差异信息。同样,农作物遥感识别研究中的多源遥感数据融合也存在诸多挑战,在未来一段时间内,完善不同传感器之间的合作、更深层次挖掘融合信息以及多尺度长时间序列的中高分辨率农作物空间分布数据集的需求是多源数据融合的农作物遥感识别研究的重点发展方向和亟待解决的问题。研究结果有助于更好地理解多源遥感数据融合的技术和模式,为摸清多源数据融合在农作物识别中总体进展提供支撑,同时也为其他多源数据融合研究提供借鉴。 相似文献
2.
在南方水稻遥感监测中,单一传感器影像数据已不能满足监测精度的要求,需要将高空间分辨率全色影像与中高空间分辨率多光谱影像进行融合,得到新的高空间分辨率多光谱影像,有利于改善影像识别与分类精度.该文利用江苏省金湖地区HJ-1A卫星30m分辨率多波段影像与ALOS卫星2.5m分辨率全色影像进行水稻监测,采用4种融合方法(Brovey变换、IHS变换、高通滤波和小波变换)对2种影像进行融合处理.随后对各种融合影像结果进行了目视定性和融合评价指标定量说明与评价,结果表明小波变换在空间与光谱信息上具有最佳的融合效果.进一步利用小波变换的融合影像进行水稻识别与面积提取,统计表明融合影像相比HJ-1A多光谱影像,水稻面积估测精度从79.26%提高到91.65%.因此,利用多源遥感数据融合的方法对南方水稻面积进行监测,可显著提高其监测精度. 相似文献
3.
4.
为了提高多云雾地区光学遥感影像利用率、探索不同云量的光学影像和SAR影像的最佳融合尺度,选取重庆市渝中地区为研究区,基于Sentinel-1A极化合成孔径雷达(SAR)影像与不同云量的Sen鄄tinel-2A(云量分别为0、10%、20%、30%)光学影像,进行小波变换融合、乘积变换融合、高通滤波融合,再利用图像评价方法评价影像融合以后的效果,最后利用面向对象的方法对融合前后的影像进行分类,利用混淆矩阵比较最终的分类精度。结果显示,无云情况下,小波变换融合效果最好,最大限度地保留了原多光谱影像的亮度、反差,有效防止了影像信息的丢失,对植被的解译能力有了明显改善,而融合后的影像保真度较差,其余两种融合效果相对次之,因此,在多云雾地区进行多源遥感数据融合时,尤其是异质数据融合时,优先推荐小波融合算法;当云量为10%以上时,3种融合算法虽然信息熵略有增加,但平均梯度、标准差减少了,造成解译困难,导致最终分类精度均略低于Sentinel-2A影像,远低于Sentinel-1A影像,基本不能满足使用要求,因此,在进行地表覆被解译时,推荐用SAR影像替代光学影像。 相似文献
5.
《山东农业大学学报(自然科学版)》2021,(4)
为解决传统的遥感数据融合模型在高异质性地表区域的融合精度不高的问题,本研究在考虑地表温度的前提下构建了一种新的多源遥感数据时空融合模型。首先,为消除反演得到的可见光与红外信息出现不对等的影响,将地表测温空间尺度为综合多地表参数的数据尺度模型。然后利用低尺度低空间分辨率的转换残差模拟地表温度。由于地表温度特征复杂,构建BP神经网络,并根据实际情况调整网络结构与初始参数值。然后融合光学遥感数据与SAR数据,根据高、低空间的分辨率影像计算、反演遥感地表参数,最后将尺度转换模型应用于预测时间相位的参数融合过程中。仿真实验结果表明:上述设计的模型的融合精度要比传统模型略高,证明该模型实现了设计初衷。 相似文献
6.
基于北京东方泰坦科技股份有限公司研发具有完全自主知识产权的Titan Image7.0遥感图像处理软件平台,对QuickBird标准组合(全色0.61 m+多光谱2.44m)影像进行像素级融合,探讨Titan Image7.0遥感图像处理平台在影像融合及评价方面的应用.结果表明:该软件以友好的全中文界面,在同一平台上以简单的操作过程即可完成影像的融合过程与质量评价指标的求算,不仅有效的避免了跨平台、语言差异等因素带来的操作不便与信息损失,而且丰富的融合算法和质量评价指标,可以完成多种影像数据的融合和质量评价;从QuickBird影像融合与质量评价结果来看,参与融合的4种算法中以Pansharp融合算法最好,其次为小波变换算法,IHS算法、PCA算法融合效果最差,这与前人的研究结果基本一致.因此,可以认为Titan Image7.0软件是一种非常好的遥感影像融合平台. 相似文献
7.
数据同化系统融合了遥感数据和作物生长模型的优势,是实时监测农业生产状况的有力手段。本文在简要介绍作物产量遥感估测方法的基础上,重点对数据同化算法的发展情况、多源遥感数据在数据同化上的应用潜力、数据同化系统的不确定性以及数据同化系统的尺度效应4方面进行论述。并且针对农业应用现状,提出未来应充分挖掘多源遥感数据、多作物生长模型集合和数据算法的优势,最终实现以机理模型为纽带的作物估产模式,并为制定田间管理策略、规划粮食产业布局和制定进出口贸易政策提供有力的数据和技术支撑。 相似文献
8.
为探究卷积神经网络(CNN)算法和多源遥感优选特征数据融合对丘陵地区水稻种植区的识别效果和适用性,以江西省上高县为研究区,利用Sentinel-2与GF-1遥感影像数据,对研究区晚稻种植区域进行识别。选取影像波段特征、植被指数、纹理特征及地形特征等分类特征,用分离阈值法(SEaTH)筛选出对各类别分离度较大的特征变量。基于Sentinel-2优选特征数据、GF-1优选特征数据、Sentinel-2与GF-1优选特征融合数据,使用CNN分类算法进行晚稻识别,同时用支持向量机(SVM)、最大似然法(MLC)分类算法进行对比。结果表明,Sentinel-2与GF-1优选特征融合数据在CNN分类算法下对水稻的识别效果最好,总体精度、Kappa系数分别为96.19%、0.93,结合野外调查数据进行验证,实际验证精度达94.69%。由研究结果可知,Sentinel-2与GF-1优选特征融合数据在CNN分类算法下对丘陵地区水稻识别具有较好的效果和适用性,是丘陵地区水稻遥感识别的有效手段。 相似文献
9.