科研产出
基于语义分割模型和遥感的柑橘园空间信息提取
《中国农机化学报 》 2023 北大核心
摘要：为应用高分辨率遥感影像和卷积神经网络模型快速提取柑橘园空间信息，选择四川省柑橘重点产区蒲江县为研究区，以高分辨率Google earth图像为数据源，构建3类不同树龄的柑橘园样本数据集，训练U-net和DeepLabv3+语义分割模型，提取柑橘园空间信息。通过验证，具有不同神经网络结构的U-net和DeepLabv3+模型提取柑橘园信息总体精度分别为88.30%和86.79%,Kappa系数为0.75和0.72,二者精度相当；通过分析小地块的果园遥感识别精度，测试区最小识别图斑面积约为120 m~2,大于该面积的果园遥感面积平均精度在85%以上。该研究可为经营者、农业部门使用高分辨率遥感影像和开源的深度学习分类工具快速获取果园空间信息提供参考。
全文链接
请求原文
AM-LSTM网络的北京平原东部地面沉降模拟
《遥感学报 》 2022 EI 北大核心 CSCD
摘要：基于传统数值方法构建的地面沉降模拟预测模型需要大量的水文地质数据和实测数据,对于地质条件复杂地区的形变模拟预测难度大.本文基于PS-InSAR技术获取的北京平原东部地区的地面沉降信息,综合考虑不同层位地下水水位对沉降的影响,采用基于注意力机制的长短时记忆网络(AM-LSTM)对不同沉降发育地区典型位置处的地面沉降进行模拟.结果表明:(1)研究区地面沉降空间差异性明显,2010年11月—2016年8月最大沉降速率约153 mm/a,累计沉降量达到1063 mm,位于朝阳区三间房乡附近;(2)基于AM-LSTM模型的模拟精度优于传统LSTM模型,本次模拟精度最高提升了 22%;(3)AM-LSTM模型注意力权重表明,第二承压含水层水位对地面沉降贡献最大.本次研究能够为地面沉降防控提供可靠的技术支撑.
关键词： 遥感 地面沉降 AM-LSTM 模拟预测 不同层位地下水水位 注意力权重
全文链接
请求原文
基于Deeplabv3+模型的成都平原水产养殖水体信息提取
《中国农机化学报 》 2021 北大核心
摘要：为应用深度学习和遥感影像实现养殖水体信息的快速提取,以成都平原为研究区,以Sentinel 2A和高分6号多光谱影像为数据源,基于国产开源深度学习平台PaddlePaddle训练Deeplabv3+语义分割模型,构建遥感影像的水体语义分割模型,用于提取成都平原养殖水体信息。Deeplabv3+方法的总体精度和Kappa系数分别达到94.14%和0.88,均高于归一化差分水体指数法和最大似然监督分类法;模型对阴影和建筑物等误分为水体的抑制效果较好,而对小面积和细小线状水体信息的提取则受影像分辨率影响,效果无明显改进;成都平原2018年和2020年养殖水体面积分别为22.3 khm2和28.6 khm2,其验证区青白江区、新津县和广汉市养殖水体面积的泛化提取结果验证误差均≤±10%。该研究结果可为应用深度学习平台建立遥感影像的水体语义分割模型及提取水产养殖水体信息提供参考。
全文链接
请求原文
基于多时相遥感植被指数的柑橘果园识别
《农业工程学报 》 2021 EI 北大核心 CSCD
摘要：柑橘普遍种植于中国南方地区,受天气多云多雨、种植类型复杂等因素影响,利用光谱信息直接识别柑橘果园信息存在一定困难。该研究根据柑橘特有的物候特征,提出了"柑橘在其果实生长膨大过程中柑橘果园的植被信息可能减弱"的假设。根据此特征提出柑橘果园信息识别方法,确定关键时间窗口的阈值,并以广西壮族自治区南宁市武鸣区为研究区,开展柑橘果园信息遥感识别实证研究。首先,获取2018年研究区多时相Sentinel-2遥感影像,构建归一化植被指数（Normalized Difference Vegetation Index,NDVI）、绿色归一化植被指数（Green Normalized Difference Vegetation Index,GNDVI）、差值植被指数（Difference Vegetation Index,DVI）和红边波段指数（Sentinel-derived Red-edge Spectral Indices,RESI）等多个植被光谱指数;其次,根据地面样本点信息,对比不同植被类型在不同时期的遥感植被信息差异,进而确定柑橘果园识别的最优特征。研究结果表明,柑橘果园与研究区其他主要作物类型（如甘蔗、香蕉、玉米、水稻等）没有明显的光谱特征差异,但研究区多时相遥感植被指数显示10月的柑橘果园NDVI相比11月出现明显低值0.47,且明显低于其他作物类型;10月的柑橘果园GNDVI也出现了低值0.43,但与其他月份相比差异不明显;而柑橘果园DVI的离散程度低,分离性不强。根据作物物候历,9—10月为柑橘果实迅速膨大期,这验证了该研究提出的科学假设,即该时期柑橘果园的植被信息会减弱。柑橘果实膨大期不同植被指数的离散程度差异明显,NDVI离散程度最高,差异性最强。根据10月柑橘果园NDVI的物候特征,进一步构建归一化指数,通过阈值法识别研究区柑橘果园空间分布,该识别方法的总体精度达到82.75%,优于其他植被指数的识别结果,研究结果可为柑橘果园信息遥感识别研究提供较好的理论与实践支撑。
关键词： 遥感 分类 物候 柑橘 植被指数 Sentinel-2 Google Earth Engine
全文链接
请求原文
基于土壤异质背景的玉米秸秆覆盖度遥感反演
《应用生态学报 》 2020 北大核心 CSCD
摘要：玉米秸秆覆盖还田是东北平原当前大力推广的一种保护性耕作方式。区域作物秸秆覆盖度(CRC)的遥感估算可大范围快速获取耕地秸秆覆盖还田信息,对于政府监测和推广秸秆覆盖还田工作有重要作用。本研究以吉林省梨树县为研究区,基于Sentinel-2A卫星影像,选取归一化耕作指数(NDTI)、归一化秸秆指数(NDRI)、简单耕作指数(STI)和归一化差值指数(NDI7)4种光谱指数,建立光谱指数与玉米秸秆覆盖度的线性回归模型,进行秸秆覆盖度反演。结果表明:研究区土壤背景空间异质性较强,对光谱指数回归模型影响显著,采用土壤质地分类(分区)分别建立回归模型的方法可提高反演精度。土壤背景空间异质性会增大模型估算误差;4种光谱指数与玉米秸秆覆盖度均有较强相关性,其中,NDTI和STI模型表现更好;基于NDTI和STI的分区线性回归模型验证R~2为0.84、RMSE为13.3%,优于不分区的模型(R~2为0.75,RMSE为16.5%),有效提升了反演精度。
关键词： 作物秸秆覆盖度 遥感 土壤 归一化耕作指数(NDTI) 玉米 东北平原
全文链接
请求原文
成都郊区农业乡镇的土地利用变化特征分析
《中国农业信息 》 2020
摘要：[目的]定量分析成都郊区农业乡镇土地利用变化特征,对产业结构调整优化意义重大.[方法]文章选择以农业为主导的乡镇,建立浅丘、平坝不同地形的土地利用现状调查样区各2个,通过2013年和2018年分辨率优于1 m的高分辨率遥感影像获取土地利用类型信息,计算土地利用类型转移矩阵,分析该区土地利用时空变化特征.[结果](1)2013-2018年该地区农业用地结构发生明显变化,园地、设施大棚和坑塘水面等占比上升,耕地和林地占比下降.(2)主要土地利用类型转移为耕地转出与园地转入,其中耕地主要转为园地、设施大棚和建设用地,分别占转出面积的64.1%、15.3%和12.5%;园地主要来源于耕地和林地,分别占转入面积的83.2%和11.5%.(3)浅丘、平坝不同地形农区发展的主导产业不同,显著影响农业土地利用类型转化,浅丘区以耕地和林地转为园地为主,平坝区以耕地转为设施大棚和果园为主.[结论]成都郊区农业乡镇的农业产业类型、规模化趋势改变了该地区农业土地利用格局、提高了土地集约化水平,研究结果可为农业产业结构优化调整、乡村振兴提供参考.
全文链接
请求原文
基于浅层学习方法的石漠化休耕试点区作物分类
《中国农业信息 》 2019
摘要：[目的]应用浅层结构的机器学习分类器和高空间分辨率影像实现休耕区绿肥、粮食及经济作物快速准确分类.[方法]利用分辨率为5 m的RapidEye影像,以云南省石林县部分休耕试点区为研究区,使用Softmax浅层机器学习分类器对研究区内绿肥作物、水稻、玉米及烟草等4种典型作物进行遥感识别与空间信息提取,并以极大似然分类法为参照,通过地面样方数据验证该方法的精度.[结果]基于Softmax方法的4种典型作物分类的总体精度和Kappa系数分别为85.98% 和0.8157,比极大似然分类高4.59% 和0.0617;绿肥、水稻、烟草的生产者精度和用户精度均达到84% 以上,玉米则低于75%,原因是绿肥、水稻、烟草3种作物种植较为集中,而玉米种植地块面积小且极为分散;绿肥与烟草错分问题较明显,影响因素为"同物异谱、异物同谱".[结论]基于Softmax的浅层机器学习分类器提高了分类精度,文章研究结果可为使用浅层机器学习方法快速准确掌握休耕情况提供参考.
关键词： 遥感 Softmax分类器 休耕 作物分类
全文链接
请求原文
基于Landsat-8和Sentinel-2A多光谱影像的陆良县日光温室面积估算
《西南农业学报 》 2019 北大核心 CSCD
摘要：【目的】选取云南省陆良县,开展基于Landsat-8 OLI和Sentinel-2A MSI影像的设施种植区域监测研究,及时为农业生产管理提供准确的设施农业空间信息。【方法】首先分析日光温室及其他典型地物的遥感特征,然后使用目视解译以及最小距离法、马氏距离法、最大似然法、支持向量机等4种监督分类方法提取设施种植空间信息,再使用亚米级Google earth历史影像为底图建立验证样区。通过目视解译提取样区设施种植区域信息,以此验证Landsat-8和Sentinel-2A影像的监测精度,选择最优监测方法。【结果】使用Landsat-8影像,基于目视解译及4种监督分类方法的精度依次为97. 54%、77. 31%、91. 35%、91. 89%和83. 15%;使用Sentinel-2A影像,基于目视解译及4种监督分类方法的精度依次98. 82%、80. 80%、87. 01%、93. 89%和85. 41%。【结论】①2种影像的日光温室监测均适于使用最大似然法,其估算精度与目视解译精度误差分别为5. 65%和4. 93%;②遥感监测显示,2016年陆良县日光温室主要集中于该县湖积平原区。基于Landsat-8影像监测的面积为5381. 62 hm2,基于Sentinel-2A影像监测的面积为5347. 84 hm2。
全文链接
请求原文
成都龙泉山区居民点空间变化研究
《安徽农业科学 》 2019
摘要：[目的]研究近10年龙泉山区居民点空间变化特征。[方法]在成都龙泉山区建立乡镇、乡村居民点用地调查样区12个,使用Google Earth开源的2007年和2017年高分辨率影像进行人工目视解译,基于GIS技术分析居民点空间变化特征。[结果]基于乡镇、乡村区域分析居民点的空间变化结果显示,2017年样区内居民点用地面积总体较2007年增长了12.71%;乡镇、乡村不同区域变化趋势不同,乡镇区域居民点增加23.40%,乡村地区减少9.35%。基于交通道路沿线的居民点空间变化分析结果显示,乡镇区域道路沿线的居民点用地面积增加了129.96%,乡镇以外道路沿线居民点用地整体减少,30、60和100 m缓冲区范围内居民用地分别减少了4.42%、8.10%和12.84%。居民点在近10年主要向城镇区域或乡村主要县道、乡道沿线聚集,居民迁移至交通便利、地势平坦的城镇附近定居。[结论]该研究为龙泉山城市森林公园土地利用优化提供参考。
全文链接
请求原文
基于U-Net的甘蔗提取方法
《中国农业信息 》 2019
摘要：【目的】基于深度学习的分类方法是使用高分辨率遥感影像快速提取作物种植空间信息的新方法。【方法】以云南省陇川县甘蔗种植园为研究区,收集空间分辨率为0.5 m的Google Earth开放影像进行数据预处理,建立样本数据集,构建U-Net神经网络模型,训练模型参数;使用U-Net模型提取甘蔗种植空间信息,通过地面样方数据验证甘蔗提取精度。【结果】(1)基于深度学习方法的甘蔗分类总体精度和Kappa系数分别为92.76%和0.848 0,面积总精度为94.41%;平坝区、丘陵区分类精度存在差异,总精度和Kappa系数分别为97.10%、0.922 1和88.42%、0.767 3;(2)受部分地物RGB影像特征与甘蔗相似的影响,分类结果存在错分现象。【结论】基于U-Net神经网络模型的方法可用于高分辨率影像的甘蔗提取,更准确的分类精度还有待进一步研究和验证。
全文链接
请求原文
