王小龙
- 作品数：9 被引量：293H指数：7
- 供职机构：中国农业科学院农业资源与农业区划研究所更多>>
- 发文基金：国家高技术研究发展计划国家科技重大专项引进国际先进农业科技计划更多>>
- 相关领域：农业科学自动化与计算机技术天文地球更多>>
- 基于GF-1卫星遥感数据识别京津冀冬小麦面积被引量：15
- 2018年
- 省级尺度冬小麦面积的精准获取技术是农作物面积遥感监测研究的主要内容之一。为了获取省级尺度的冬小麦种植面积,该文以北京市(京)、天津市(津)和河北省(冀)3个省域范围为例,以国家标准地形图分幅为分类的图幅单元,利用国产GF-1/WFV数据,构建冬小麦面积指数,实现了省级尺度冬小麦面积的识别。本文以冬小麦全部9个月生育期的984景影像作为数据源,依次经过数据预处理、标准图幅单元的NDVI合成、样本点选择、冬小麦面积指数构建、冬小麦作物类型确认、省域范围制图及精度验证等步骤完成研究区域内冬小麦面积的提取。采用区域网平差和6S大气校正算法对数据源预处理,以中国1︰10万标准地形图分幅为分类图幅单元构建冬小麦面积指数,将冬小麦面积指数按照1%的比例等分,并将面积指数从0到100%分割为101个提取节点,将提取节点的NDVI值依次与类型确认样本比较,精度最高的则确认为冬小麦面积提取阈值,同时将该阈值应用于图幅单元内冬小麦面积指数影像,获取冬小麦种植分布。最后冬小麦面积识别的精度表明,以标准地图分幅作为计算单元,在GF-1影像基础上,利用冬小麦面积指数能够显著提高冬小麦与其他地物类型的波谱差异,且冬小麦的总体识别精度达到89.6%,用户精度达到89.8%,制图精度96.5%,Kappa系数0.72。在典型区域,本文算法与监督分类算法精度结果较为一致,除制图精度相差4.77%外,总体精度与用户精度差都在1.00%以内,说明本文算法具有精度高、运行效率高、分类单元识别结果一致性强的特点,能够满足省级尺度农情遥感业务监测的需要。
- 王利民刘佳杨福刚杨玲波姚保民王小龙
- 关键词：冬小麦遥感监测
- 高分卫星数据农作物面积遥感识别研究
- 结合农作物物候特征，利用2013年5月29日和7月5日高分一号卫星多光谱数据，采用面向对象的分类方法，以河北衡水地区为研究区，开展我国北方冬小麦和春玉米种植面积识别研究.依据地面样方调查和目视解译结果进行了精度验证.结果...
- 刘佳王利民欧阳斌滕飞周强王小龙
- Google Earth影像辅助的农作物面积地面样方调查被引量：23
- 2015年
- 地面样方调查是农作物种植面积遥感监测的重要环节,一般采用差分GPS(DGPS,differential GPS)实地测量的方式实现,是一项耗时、耗力的业务工作。该文利用经DGPS实测点校正后的Google Earth影像,以中国农业科学院(万庄)农业高新技术产业园及周边地区范围(3.1 km×2.0 km)为研究区域,探索了基于Google Earth影像辅助的农作物面积地面样方调查,比较了该方法与完全采用GPS实地测量在调查精度和效率方面的差异。针对不同的GE影像来源,文中定义基于GE客户端COM API编程下载后的影像为A级影像、经在线GE影像校正后的影像为B级影像、经DGPS实测点校正后的影像为C级影像。与实测的检查点相比,0.5 m以上空间分辨率的A级影像X、Y 2个方向中误差232.7 m,B级影像中误差5.4 m,C级影像中误差1.0 m。B级影像中误差符合《数字航空摄影测量空中三角测量规范》1:25000平地的平面位置中误差不大于8.75 m的要求,C级影像中误差符合1:10000平地的平面位置中误差不大于3.5 m的要求。在测区内选择结构组成简单、中等和较为复杂的3个样方类型,量算B和C级影像的面积量算精度,与DGPS实测面积比较,平均误差仅有0.108%和0.018%。从样方相对位置确定、地块和农田边界的修正3个方面用于地面样方的辅助测量,在业务工作中进行了初步应用,陕西省2015年冬小麦种植面积地面样方调查的实际效果表明,GE影像辅助调查比GPS实测方法在时间方面减少了64.2%,路程节约82.5%,调查效率提高了73.3%以上。
- 刘佳王利民滕飞李丹丹王小龙曹怀堂
- 关键词：作物遥感GOOGLEEARTH
- 基于NDVI加权指数的冬小麦种植面积遥感监测被引量：30
- 2016年
- 该文针对农业信息服务中冬小麦种植面积调查业务的现状与需求,提出了一种基于NDVI(normal difference vegetation index)时间序列的冬小麦NDVI加权指数(WNDVI,weighted NDVI index)影像算法,可在训练样本、验证样本选择的基础上实现冬小麦面积的自动提取,并以河北省安平县及周边地区2013-2014年度冬小麦面积提取为例,采用GF-1/WFV(wide field view)数据进行了算法实现。算法的主要思路是在时序影像基础上,通过冬小麦NDVI加权指数影像的构建,扩大冬小麦地类与其他地类的差异,结合自适应的阈值获取方法,区分冬小麦地类,获取冬小麦作物面积。算法包括冬小麦时间序列影像的获取、基于网格的样本点设置、构建冬小麦NDVI加权指数影像、迭代确定冬小麦NDVI加权指数提取阈值、精度验证这5个部分。影像的获取根据冬小麦的生长时间确定,保证每月1景GF-1/WFV无云影像,并进行预处理及NDVI计算;同时将研究区划分为一定数量的网格,每个网格再等分为2×2个子网格,根据目视解译、专家知识、实地调查等方法,确定左上网格中心点及右下网格中心点的地物类型。统计该期所有左上网格点冬小麦及其他地物的NDVI均值,冬小麦NDVI大于其他地物的将该期影像的权值设置为1,否则设置为-1,将所有时相NDVI影像进行加权平均,即可获取冬小麦NDVI加权指数影像。获取冬小麦NDVI加权指数影像后,还需设置合适的阈值提取冬小麦。该文选用右下网格点目视解译分类结果作为阈值提取依据,具体方法是将冬小麦指数从小到大按照一定间隔划分,作为冬小麦NDVI加权指数提取阈值,将各阈值二值法运用,与右下网格点的冬小麦提取的目视解译结果对比,精度最高的就是最优冬小麦NDVI加权指数分割阈值。在所有网格中,以初始识别获取的冬小麦面积为准,等概率选择10个样方作为精度验证样方进行验证。精�
- 王利民刘佳杨玲波杨福刚滕飞王小龙
- 关键词：种植面积冬小麦NDVI多时相
- 基于多时相OLI数据的宁夏大尺度水稻面积遥感估算被引量：20
- 2017年
- 为客观获取宁夏水稻面积空间分布信息,也为区域农作物遥感监测奠定技术基础,该文以宁夏回族自治区为研究区域,选择美国LandSat-8携带的陆地成像仪(operational land imager,OLI)数据,采用2016年3月11日-7月01日间的15景影像,基于水稻田耕地与水体特征反射率随着季节变化规律的分析,采用归一化植被指数(normalized difference vegetation index,NDVI)、近红外波段反射率(infrared reflectance,IR)、短波指数(short waved index,SWI)3个指数,以及多时相NDVI最大值、IR最小值、SWI最小值3个衍生指数,共6个指数为基础进行决策分类树构建,对全区水稻进行识别与提取,采用该区水稻面积本底遥感调查结果进行精度验证,水稻种植面积提取误差仅.4.22%,Kappa系数为0.83,水稻空间分布的用户分类精度分别为85.11%,制图精度为81.67%;同时与监督分类方法提取的水稻面积进行对比,该文方法提取水稻的用户精度提高了8.13个百分点,制图精度更是提高了20.01个百分点。研究结果表明,利用中高分辨率的OLI遥感时间序列卫星影像,在大宗农作物时间序列的变化规律分析基础上,构建分类决策树,可以准确地提取大宗农作物种植面积,是区域农作物面积遥感监测业务运行中具有潜力的方法。
- 刘佳王利民姚保民杨福刚杨玲波王小龙曹怀堂
- 关键词：遥感作物多时相
- 基于无人机影像的农情遥感监测应用被引量：153
- 2013年
- 该文以中国农业科学院(万庄)农业高新技术产业园及周边地区4.2×3.1 km的范围为研究区域,利用无人机搭载RICOH GXRA12型相机进行了航拍试验,主要测试了定位定向系统(positioning and orientation system,POS)数据辅助下光束法区域网平差方法平面定位及面积测量精度,以及无人机影像的作物面积识别精度。结果表明,在无控制点约束条件下,直接采用POS数据进行光束法区域网平差后,以中误差表示的平面定位精度为X轴方向(东西方向)中误差为2.29 m,Y轴方向(南北方向)中误差为2.78 m,整体平面中误差3.61 m;采用3阶一般多项式模型进行几何精校正,X轴方向中误差为1.59 m,Y轴方向中误差为1.8965 m,整体平面中误差为2.32 m,符合《数字航空摄影测量空中三角测量规范》中对1∶10 000平地的平面精度要求,能够满足农作物面积遥感监测中作物面积调查定位精度的要求;采用监督分类和面向对象分类2种方法,对面积评价区域种植的春玉米、夏玉米、苜蓿和裸土4种地物类型进行分类,以差分GPS调查结果为评价标准,4种作物总体识别精度分别达到了88.2%(监督分类)和92.0%(面向对象分类),单独分类精度分别为88.9%、86.7%、93.0%、86.6%和90.35%、92.61%、94.93%、93.30%。研究结果说明了无人机遥感影像获取小范围、样方式分布的作物影像方面具有广泛的应用前景,推广后能够满足全国农作物地面样方对高空间分辨率影像的需求,可以部分替代现有人工GPS测量的作业方式。
- 王利民刘佳杨玲波陈仲新王小龙欧阳斌
- 关键词：遥感影像处理农业无人机
- 冬小麦面积遥感识别精度与空间分辨率的关系被引量：22
- 2016年
- 不同空间分辨率农作物面积识别精度是农情遥感监测数据源选择的依据。该文采用WFV(wide field view)、MODIS(moderate-resolution imaging spectroradiometer)、OLI(operational land imager)、Google Earth影像,在天津市武清区选择了12 km×14 km的冬小麦种植区作为研究区域,采用目视识别的方法,分析了2、5、10、15、30、100、250 m共7个空间分辨率尺度下冬小麦面积识别精度与遥感数据分辨率、农田景观破碎度之间的关系。结果表明,随着空间分辨率由2 m变化到250 m,冬小麦面积识别的总体精度逐步由98.6%降低到70.1%,精度降低28.5%;面积数量比例由5.5%扩大到110.6%,误差增加105.1个百分点;面积精度呈明显下降趋势,数量误差呈明显增加趋势,数量误差的增加速度高于精度下降的趋势。高、中、低3个景观破碎度条件下,随着分辨率由2 m降低到250 m,作物识别精度分别降低了72.8、63.2和47.0个百分点,破碎度的增加导致面积识别精度下降速度更快;同等分辨率下,破碎度越高的地区面积识别精度越低。像元内冬小麦占比与可识别能力密切相关,像元占比达到45.0%以上时才能够被正确识别为冬小麦类型,像元尺度降低导致细小斑块丢失是造成面积识别与数量精度降低的主要原因。像元空间分辨率越高,冬小麦像元的光谱一致性越强,越有利于冬小麦分类精度的提高。针对农情遥感监测业务运行的需要,上述研究结果可以作为区域范围不同用户精度要求前提下遥感数据源选择的依据。
- 王利民刘佳高建孟杨玲波杨福刚王小龙
- 关键词：遥感作物卫星冬小麦
- 基于HJ时间序列数据的农作物种植面积估算被引量：59
- 2015年
- 通过对长时间序列遥感影像的波谱变化特征分析,可以有效地进行农作物种类识别与信息提取,提高农作物种植面积的遥感监测精度。中空间分辨率多光谱遥感影像适合于中国大范围大宗农作物面积监测,也是能够提供稳定时间序列遥感数据源之一。该研究以河北省衡水市为研究区域,采用2011年10月3日-2012年10月24日期间,16景30 m空间分辨率的HJ-1A/B卫星CCD(电荷耦合元件,charge-coupled device)影像月度NDVI(归一化植被指数,normalized difference vegetation index)时间序列数据,针对冬小麦、夏玉米、春玉米、棉花、花生和大豆等主要作物类型,在全生育期波谱特征曲线分析基础上,提取主要作物类型的曲线特征,采用基于NDVI阈值的决策分类技术,进行了农作物种植面积遥感识别,以15个规则的2 km×2 km的地面实测GPS(全球定位系统,global positioning system)样方进行了精度验证。考虑到大豆和花生2种作物的NDVI时间序列特征相似性较高,将这2种作物合并为一类进行分类,并命名为小宗作物。结果表明,冬小麦、夏玉米、春玉米、棉花和小宗作物等5类目标可以有效识别,分类总体精度达到90.9%,制图精度分别为94.7%、94.7%、82.4%、86.9%和81.2%,其他未分类类别精度为85.9%。利用中高分辨率遥感时间序列卫星影像,在大宗农作物时间序列的变化规律分析基础上,可以准确地提取大宗农作物种植面积,在农作物面积资源调查中具有较大的应用潜力。
- 刘佳王利民杨福刚杨玲波王小龙
- 关键词：遥感农作物决策树环境卫星时间序列
- GF-1卫星影像全国冬小麦种植区制图
- 我国高分一号(GF-1)卫星宽幅相机(WFV)多光谱影像具备16m空间分辨率,相对其他中分辨率卫星影像,展示了地表覆盖更加丰富的纹理细节和空间结构信息.4天的重访周期,可以在冬小麦生育期内多次获得覆盖全国的影像,满足大范...
- 刘佳王利民杨玲波姚保民王小龙葛琼魏殿中
- 关键词：遥感制图
