首页期刊导航|遥感技术与应用
期刊信息/Journal information
遥感技术与应用
遥感技术与应用

吴季

双月刊

1004-0323

rsta@lzb.ac.cn

0931-8272180

730000

兰州市天水路8号

遥感技术与应用/Journal Remote Sensing Technology and ApplicationCSCD北大核心CSTPCD
查看更多>>本刊主要刊登国内外遥感理论，技术及应用研究领域的学术论文与综述，报道国内外遥感研究与应用的发展动向，新技术，新理论，新方法和新成果。
正式出版
收录年代

    极化SAR系统及其极化定标精度进展简述

    陶利曲圣杰
    269-279页
    查看更多>>摘要：对国内外典型的星载、机载极化合成孔径雷达(SAR)系统及其辐射、极化定标实现情况和精度指标进行调研简述.首先给出了极化SAR数据校正精度的一般需求,然后较为系统的给出了国内外代表性的极化SAR系统现状及其取得的系统校正及数据定标精度成果,包括极化SAR系统相对辐射定标精度、绝对辐射定标精度、极化通道串扰精度、极化通道幅度不平衡精度、极化通道相位不平衡精度等方面,最后对极化SAR 数据定标精度的影响因素进行分析.全面地阐述极化SAR 系统定标精度信息索引及其发展现状,为相关研究人员提供及时、系统的极化SAR系统研制及其定标性能研究进展信息.

    极化SAR系统极化定标精度辐射定标精度

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    PSO-DF:基于高光谱的水稻叶片氮含量估测方法

    车淼王海荣徐玺孙崇...
    280-289页
    查看更多>>摘要：水稻叶片氮含量的估测对实现田间施肥高效、水稻高产的目标具有重要意义.提出了一种基于粒子群深度森林的水稻叶片氮素估测方法(Particle Swarm Optimization-Deep Forest,PSO-DF),通过粒子群优化算法筛选深度森林模型(Deep Forest,DF)参数中最优的级联层估计器数量和估计器中的树数,从而提高深度森林模型在水稻氮素数据集上的回归精度.为验证PSO-DF的有效性,研究采用无人机搭载高光谱图像采集器获取宁夏粳稻高光谱图像,并对同期水稻叶片进行取样、测量、分析,并提取与水稻叶片氮含量相关系数最高的3个特征波段,将其作为光谱特征与水稻氮含量数据进行反演,对PSO-DF、原模型DF以及其他6种常见机器学习算法构建的水稻氮含量估测模型进行了对比.结果表明:PSO-DF算法构建的模型效果优于其他模型,其R2 和RMSE指标均明显优于其他模型.

    水稻氮素估测高光谱遥感粒子群优化的深度森林机器学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于Sentinel-2A影像光谱和纹理特征的冬小麦叶面积指数估算模型研究

    陈家华张立福黄长平郎萍...
    290-305页
    查看更多>>摘要：叶面积指数(Leaf Area Index,LAI)是反映作物生长状态的重要指标,常用植被指数来反演.传统的反演模型大都是基于多变量的多元回归模型,而基于双变量的多元回归模型在LAI反演中的潜力还未被充分发掘.通过提取卫星影像的光谱特征和纹理特征,基于皮尔逊相关系数分析各个遥感特征与冬小麦LAI之间的相关性,利用简单回归模型(Simple Regression,SR)、多元线性回归模型(Multiple Linear Regression,MLR)和随机森林回归模型(Random Forest Regression,RFR)开展遥感特征与冬小麦LAI之间的关系模型构建反演研究,并结合精度指标(决定系数R2,均方根误差RMSE,相对均方根误差rRMSE)判定各反演模型的反演精度,以提出最优的反演模型.研究表明:①所有植被指数和部分纹理指数在反演LAI中取得了较好的反演效果(R2>0.6).其中,通用归一化植被指数(Universal Normalized Vegetation Index,UNVI)在各植被指数中表现最好(R2=0.754,RMSE=0.606,rRMSE=12.99%).除了部分波段的均值特征反演精度与植被指数相当外,大多数纹理特征反演冬小麦LAI的精度欠佳;②通过两两变量组合,得到了冬小麦LAI反演精度最高的双变量多元线性回归模型(R2=0.780,RMSE=0.573,rRMSE=12.29%);③在有多个输入变量(至少3种特征变量)的情况下,RFR的反演效果优于MLR.相较于纹理特征,纹理指数的反演性能更佳.研究结果可为后续基于卫星影像的大规模农作物LAI的监测工作提供一种新的思路与方法.

    简单回归模型多元线性回归模型随机森林回归模型冬小麦LAISentinel-2A

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于Sentinel-1时序数据的稻虾田遥感识别

    董秀春蒋怡李宗南陈洋...
    306-314页
    查看更多>>摘要：稻渔种养在保障粮食安全、减少环境污染、提高土壤肥力、降低CH4 排放方面具有显著的社会、经济和生态效益.准确获取稻鱼田、稻虾田等信息,对服务现代农业数字化管理及提升资源利用效率具有重要意义.以成都平原的典型稻虾田为研究对象,使用2019～2021年Sentinel-1后向散射系数构建时序数据集;分析稻虾田与常规稻田、莲藕田、传统水产养殖等地物后向散射系数的时序特征;通过随机森林分类器提取稻虾田、常规稻田、藕田等信息,结果显示:①稻虾田年内后向散射系数具有典型的时序变化特征,其系数变化范围、曲线波峰明显区别于常规稻田、藕田.②随机森林分类的总体精度、Kappa系数分别为:94.32%和0.91,表明Sentinel-1时序数据可准确识别稻虾种养,能将稻田和藕田等地物进行区分,是多云雾地区稻渔遥感监测的理想数据源.该研究结果可为多云雾地区稻渔种养的遥感识别提供参考.

    稻渔综合种养稻虾田遥感合成孔径雷达Sentinel-1时序数据分类

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于面向对象CNN和RF的不同空间分辨率遥感影像农业大棚提取研究

    林欣怡汪小钦汤紫霞李蒙蒙...
    315-327页
    查看更多>>摘要：遥感技术已成为快速有效获取农业大棚覆盖信息的重要途径,但遥感影像空间分辨率大小对提取精度的影响具有双重性,选择适宜分辨率影像具有重要意义.以南方农业塑料大棚为研究对象,利用GF-1、GF-2和Sentinel-2形成1～16 m间6个不同空间分辨率影像数据集,基于面向对象影像分析方法(Object-Based Image Analysis,OBIA),分别利用面向对象卷积神经网络(Convolutional Neural Network,CNN)方法和随机森林(Random forest,RF)方法开展大棚提取,分析提取精度和不同方法下的差异性.结果表明:①CNN和RF方法下,农业大棚的提取精度随着影像分辨率降低总体呈下降趋势,在1～16 m的影像上均能检测到农业大棚;②相对于RF方法,CNN方法对影像空间分辨率要求更高,在1～2 m分辨率下,CNN方法有更少的漏提和误提,但在4m及更低分辨率下,RF方法的适用性更高;③2 m分辨率影像是大棚信息提取的最佳空间分辨率,可经济有效地实现大棚监测.

    农业大棚提取面向对象CNN方法随机森林空间分辨率高分辨率遥感数据

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于遥感作物参考曲线的黄土高原苹果产区始花期监测

    王梓霖王钊孙亮孙政...
    328-336页
    查看更多>>摘要：苹果种植业为陕西省提升农业、富裕农民的支柱型产业.黄土高原苹果产区每年都有花期防冻害和产量评估的需求,花期监测尤为重要,而常规的花期监测方法存在监测成本大和精度低的问题.采用一种基于遥感作物参考曲线重建的方法,介绍比较了该方法与其他方法应用于常见作物的精度,并使用地理国情普查地表覆盖分类数据识别的MODIS纯像元中提取一组NDVI 时间序列,将其用于拟合类似Sentinel-2的观测值,将这种方法应用于黄土高原地区苹果作物上,根据苹果样点的归一化植被指数(NDVI)序列(作物参考曲线)与重建后的苹果NDVI序列在空间上的物候差异,绘制历史10 m高分辨率的始花期监测结果,实现了花期监测由点到面的转化.研究结果表明:2019～2021三年验证区域苹果始花期的探测结果平均值与地面数据绝对误差均在1～3 d之内,平均绝对误差为0.926 d,均方根误差为1.503 d.该方法可用于苹果花期高精度监测,预测结果可为实际生产中苹果花期防冻害和产量评估工作的开展提供参考,同时这种方法也可以用于研究其他作物的物候特征,如小麦、玉米等,有望为农业生产提供更准确的决策支持.

    作物参考曲线物候苹果始花期探测遥感黄土高原

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    2022年江西省极端干旱对柑橘种植经济损失的遥感评估

    吴叔阳郑博福汪江刘忠...
    337-349页
    查看更多>>摘要：2022年江西省发生极端干旱灾害,对柑橘生长及产量造成了十分严重的影响.利用遥感技术快速、准确地评估干旱受灾程度对柑橘种植减损及后续稳产具有重要意义.采用 2022 年Landsat遥感影像数据、江西省土地利用类型数据和Google Earth柑橘监督分类样本点数据识别并提取了江西省柑橘种植区;在此基础上,利用2021年及2022年MODIS数据产品分别计算江西省柑橘关键生育期(6～10月)的归一化差值植被指数(NDVI)和地表温度(LST),用以联合反演温度-植被干旱指数(TVDI);再结合江西省统计年鉴中的柑橘种植面积数据及实地调研数据,定量评估了4种情形下2022年江西省极端干旱对柑橘种植造成的经济损失.研究结果表明:①2021年和2022年6月～10月江西省柑橘种植区TVDI平均值分别为0.83和0.62,2022年干旱胁迫明显加重;②2022年6月～10月江西省柑橘种植区重度干旱占66.1%,中度干旱占33.7%,且干旱空间分布具有赣北大于赣南的空间格局;③2022年7月初～11月初,江西省柑橘种植区TVDI长时间维持在0.8以上,表现为重度干旱,此时段与柑橘关键生育期重合,对柑橘果实生长影响巨大;④2022年江西省柑橘产量平均减产率达到58.2%,柑橘种植的经济损失呈现由北向南增加的趋势,赣南、赣中以及赣北的直接经济损失依次为49.64亿元、45.17亿元、19.84亿元.研究结果有助于政府部门快速摸清江西省果农受灾情况,并为后续柑橘种植的抗旱救灾、减损保产提供一定的决策依据.

    极端干旱柑橘遥感评估经济损失江西省

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    21世纪初期东北地区农田物候动态及其对气候的响应

    张骞月张继真郝欣瑶张月...
    350-361页
    查看更多>>摘要：利用遥感技术的物候提取方法在理解农田物候对气候变化的敏感性问题中具有较大潜力.基于MODIS的归一化植被指数(Normalized Difference Vegetation Index,NDVI)遥感产品,提取东北农田地区 2005～2020年植被物候参数并用地面实测数据加以验证,然后获取农田物候与气温、降水量和日照时数间的相关关系.结果表明东北地区2005～2020年农田物候空间分布格局较为一致,只在部分区域因作物品种布局原因存在差异;农田物候的时间变化显著,多数地区生长季开始日期以1 d/a的速率在提前,生长季长度以1 d/a的速率在延长.农田物候受气温与降水量的影响较为明显,受日照时数影响不大,同时也在一定程度上受到种植结构变化的影响.而且,农田物候在很大程度上受人为因素干扰,因此有些区域气候因素对其影响表现出相反趋势.

    农田物候遥感NDVI气候变化中国东北

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于光学与雷达遥感影像协作的多云雾区域农作物信息提取研究

    周兴霞王颖洁杨攀
    362-372页
    查看更多>>摘要：及时掌握农作物分布信息,对农业结构调整和国家粮食安全保障具有重要的战略意义.然而,多云雾区域受气候条件制约,难以获取全时序的光学影像,无法构建涵盖农作物完整生长季的物候特征数据集,农作物信息提取受到限制.因此,本研究以西南多云雾区域重要的产粮地之一——四川省广汉市为例,基于SAR影像(Sentinel-1)和光学影像(Sentinel-2)数据协作,构建了研究区冬季农作物典型时相光谱特征和夏季农作物SAR时序特征,采用面向对象决策树分类方法,提取了研究区农作物时空分布信息并进行精度分析.结果表明:①广汉市农作物以粮油作物为主,主要包括小麦—水稻、油菜—水稻、土豆—大豆、土豆—玉米 4种一年两熟的轮作种植模式.②水稻、大豆、玉米3种夏季农作物SAR时序特征差异明显,光学—雷达遥感数据协作提取冬季—夏季农作物类型及空间分布为多云雾区域农作物信息提取提供了新的思路.③面向对象的决策树分类方法分类总体精度和Kappa系数分别为85.49%和0.81,分类结果保持了大面积作物的完整性,避免了分类结果的"椒盐现象".

    光学遥感雷达遥感多云雾区域面向对象农作物信息

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    2020年澳大利亚潮间带滩涂空间分布制图

    陈繁贾明明王婧瑜程丽娜...
    373-380页
    查看更多>>摘要：滩涂作为潮间带生态系统的重要组成部分,具有维持海岸线稳定,加速物质交换和促进碳循环等独特的环境调节服务功能和生态效益.对潮间带湿地现状进行准确、及时的评估对实现可持续管理目标至关重要.研究借助Google Earth Engine(GEE)云计算平台,选用2020年Sentinel-2密集时间序列遥感影像,集成最大光谱指数合成算法(Maximum Spectral Index Composite,MSIC)和大津算法(Otsu)构建多层决策树分类模型,实现澳大利亚潮间带滩涂的快速自动化提取.经过矢量化处理得到2020年澳大利亚高分辨率潮间带滩涂空间分布图,提取的滩涂面积为10 708.22 km2,总体精度为95.32%,Kappa系数为0.94.该数据集存储格式为.shp,时间分辨率为年,空间分辨率为10 m,数据量为154 M.该数据能促进并管理沿海生态系统,如红树林造林和控制互花米草等外来物种入侵,同时还可以作为科学研究的基础数据,如生物多样性、碳储量估算和海平面上升造成的海水侵蚀.

    Sentinel-2影像滩涂湿地GoogleEarthEngine(GEE)最大光谱指数合成算法(MSIC)大津算法(Otsu)

      原文链接:
    • NETL
    • NSTL
    • 万方数据