下载文档原格式
山东农业大学学报(自然科学版),2022,53(5):685-692VOL.53NO.52022 Journal of Shandong Agricultural University(Natural Science Edition)doi:10.3969/j.issn.1000-2324.2022.05.004基于GF-6WFV影像提取玉米水稻种植信息郭玉超1,李荣平2,任鸿瑞1*1.太原理工大学测绘科学与技术系,山西太原0300242.中国气象局沈阳大气环境研究所,辽宁沈阳110166摘要:玉米、水稻是我国重要的粮食作物，利用遥感技术高效获取其种植分布信息具有重要作用。
GF-6WFV遥感数据光谱波段较为丰富，空间分辨率较高，能够为作物遥感分类提供多种类型特征。
然而多特征参与分类容易产生数据冗余、降低处理效率。
如何优选GF-6WFV数据丰富的特征信息对于提高分类精度具有重要意义。
本文利用GF-6 WFV影像提取光谱特征、无红边指数、红边指数及纹理特征共26个特征变量，基于所有特征进行优选并采用不同分类方法及不同特征组合识别黑山县及北镇市玉米、水稻分布信息。
结果表明：采用平均不纯度减少与相关系数双重指标共优选出14个特征，其中红边信息占比最大。
基于优选特征采用随机森林法识别玉米、水稻精度最高，其总体精度为94.01%、Kappa系数为0.90，相比优选前分别提高1.14%、0.02。
多源特征相对于单一特征能够改善作物分类效果，提高分类精度。
该研究能够剔除非农田像元影响以高效高精度地提取玉米、水稻，具有可行性、有效性，能够为国产高分数据在作物遥感识别应用方面提供参考。
关键词:高分六号;农作物;影像提取中图法分类号:TP79/S127文献标识码:A文章编号:1000-2324(2022)05-0685-08 Extraction Planting Information of Corn and Rice Based on GF-6WFV ImageGUO Yu-chao1,LI Rong-ping2,REN Hong-rui1*1.Department of Geomatics/Taiyuan University of Technology,Taiyuan030024,China2.Institute of Atmospheric Environment/China Meteorological Administration,Shenyang110166,ChinaAbstract:Corn and rice are important grain crops in China,and it is important to use remote sensing technology to obtain planting distribution information efficiently.The spectral bands of GF-6WFV data are relatively abundant and have high spatial resolution,which can provide multiple types of features for crop remote sensing classification.However,multi-feature classification tends to produce data redundancy and reduce processing efficiency.How to optimize the feature information of GF-6WFV data is of great significance to improve the classification accuracy.In this study,GF-6WFV data were used to extract26features,including spectral features,non-red edge index,red edge index and texture features.Based on all features, different classification methods and feature combinations were used to identify the distribution information of corn and rice in heishan County and Beizhen city.The results showed that:14features were optimized by using the double metrics of mean decrease impurity and correlation coefficient,among which the red edge information accounted for the largest proportion. Based on the optimized features,the random forest method had the highest accuracy in identifying corn and rice,the overall accuracy was94.01%and kappa coefficient was0.90,which were1.14%and0.02higher than before optimization, pared with single feature,multi-source features can improve the accuracy of crop classification.This study can eliminate the influence of non-farmland pixels to efficiently and accurately extract corn and rice,which is feasible and effective,and can provide a reference for Chinese satellite in the application of crop remote sensing recognition. Keywords:GF-6;crop;image extraction玉米、水稻以其重要的食用价值、饲用价值以及工业用途，在世界上广泛分布。
东北玉米水稻遥感监测系统可行性研究摘要：本文介绍了遥感技术在农业生产中所发挥的重要作用。
遥感监测玉米、水稻的生产经过几年的努力，取得了阶段性进展，利用甚高分辨率气象卫星数据估测玉米和水稻种植面积取得了试验性成功。
东北玉米、水稻遥感监测系统的成功建立及广泛应用必将为农业生产提供详实的数据和科学决策的依据。
关键词：遥感；监测；信息中图分类号：tp79 文献标识码：a1 监测系统的意义应用资源卫星数据，许多国家开展了农业资源调查、农作物长势监测、面积监测和产量预报等。
农情信息是指导农业生产、制定粮食政策与对外贸易政策的重要信息。
早在20世纪70年代西方多国就合作开展了大面积农作物长势监测、遥感估产计，充分利用了农业、气象、数学、计算机、gps地面调查及遥感技术。
近20a来，一些西方国家利用资源卫星进行小麦、大豆、水稻、玉米和马铃薯等农作物的估产，以增加或减少某种农作物的种植或确定粮食政策。
遥感技术在我国农业上的应用，从20世纪70年代末起步，经过20a的艰苦努力，目前已发展到实用化水平。
我国农作物遥感估产研究取得了很大发展，从冬小麦单一作物发展到小麦、水稻、玉米等多种作物，从小区域发展到大区域，从单一信息源发展到多种遥感信息源的综合应用，监测精度不断提高。
农作物遥感估产包括长势与趋势监测和产量早期预报等两个方面。
在充分利用多年来遥感估产成果的基础上，建成了noaa avhrr 数据实时预处理系统，并利用avhrr最大ndvi图像与上年同期数据对比实现农作物长势遥感监测；在高精度耕地数据库的支持下，解决和研发了作物长势遥感监测综合方法、区域作物生长过程遥感提取方法。
从实时作物长势监测、作物生长过程监测、农业气象分析、物候和土地利用等辅助信息的运用等角度，构建了综合分析作物长势的技术。
利用遥感技术对农作物进行监测具有效率高、费用低、灵活性强、简单易用和多用途的特点，精度基本可达95%以上。
东北地区是我国重要的粮食生产基地，进入21世纪后，建立现代化高标准的农业生产基地，对决策的科学化提出了更高的要求。
基于深度学习的遥感影像水稻种植面积提取研究基于深度学习的遥感影像水稻种植面积提取研究摘要：随着遥感技术的发展，利用遥感影像进行水稻种植面积提取成为农业生产管理和粮食安全保障的重要手段。
传统的水稻种植面积提取方法往往依赖于人工解译和专业知识，工作效率低下且易受主观因素影响。
而深度学习技术的崛起为水稻种植面积的自动提取提供了新的解决方案。
本文就基于深度学习的遥感影像水稻种植面积提取进行研究并进行了实验验证。
1.引言随着农业现代化的推进，水稻种植区域的准确识别和面积提取对于粮食安全保障和农业生产管理至关重要。
传统的水稻种植面积提取方法主要基于人工解译和专业知识，但这种方法存在工作效率低下、耗时耗力且易受主观因素影响的问题。
因此，利用深度学习技术对遥感影像进行水稻种植面积的自动提取成为一种新的解决方案。
2.深度学习技术在遥感影像中的应用深度学习技术是一种基于神经网络的机器学习方法，通过构造多层次的神经网络结构以自动学习特征并进行分类和识别。
在遥感影像分析中，深度学习技术可以替代传统的特征提取方法，实现对影像中的目标物体的自动提取和分类。
针对水稻种植面积提取问题，可以通过深度学习技术自动提取遥感影像中的水稻种植区域，并计算出相应的面积。
3.基于深度学习的水稻种植面积提取方法在本研究中，我们采用了基于卷积神经网络（CNN）的方法对遥感影像中的水稻种植面积进行提取。
首先，我们通过收集一定数量的标注数据集，对水稻种植区域进行人工标注。
然后，我们将数据集划分为训练集和测试集，并将其输入到CNN网络中进行训练。
训练完成后，我们利用测试集对网络进行验证，并评估其识别水稻种植面积的准确性和鲁棒性。
4.实验结果与分析我们选取了某地区的高分辨率遥感影像作为实验数据，通过对该影像进行卷积神经网络的训练与测试，成功提取出水稻种植面积的分布情况。
与传统的人工解译方法相比，基于深度学习的方法具有更高的准确性和提取效率。
实验结果表明，基于深度学习的水稻种植面积提取方法可以有效地提高识别和测算水稻种植面积的准确性和效率。
《基于多源遥感的三江平原水稻种植信息监测及其与气候因子关系分析》篇一一、引言三江平原作为中国重要的农业生产基地，其中水稻种植尤为显著。
近年来，随着遥感技术的不断发展，利用多源遥感数据对三江平原的水稻种植信息进行监测及分析其与气候因子之间的关系，成为了农业生产与农业科学研究领域的重要课题。
本文旨在通过多源遥感技术，对三江平原的水稻种植信息进行实时监测，并对其与气候因子之间的关系进行深入分析。
二、研究区域与数据源本文以三江平原为研究对象，选取了多种遥感数据源，包括卫星遥感数据、无人机遥感数据等。
卫星遥感数据包括MODIS、Landsat等系列数据，能够提供大范围、长时间序列的遥感信息；无人机遥感数据则能够提供高精度的空间信息，为水稻种植信息的提取提供有力支持。
同时，本文还收集了相关的气候数据，包括气温、降水、风速等，用于分析水稻生长与气候因子之间的关系。
三、多源遥感在三江平原水稻种植信息监测中的应用利用多源遥感技术，可以对三江平原的水稻种植信息进行实时监测。
首先，通过卫星遥感数据获取大范围的水稻种植分布信息，确定水稻的种植面积、种植密度等基本信息。
其次，利用无人机遥感数据进行精细化的空间信息提取，如水稻的生长状况、病虫害情况等。
此外，结合光谱分析和纹理分析等图像处理方法，可以对水稻的种植信息进行分析和分类，提高信息的准确性和可靠性。
四、三江平原水稻种植与气候因子关系分析通过对三江平原的气候数据进行统计分析，发现水稻的生长与气温、降水、风速等气候因子密切相关。
其中，气温和降水是影响水稻生长的主要气候因子。
在生长季节内，适宜的气温和充足的降水有利于水稻的生长和发育；而风速则对水稻的生长产生一定的影响，过大的风速可能导致水稻倒伏等问题。
因此，在分析水稻种植信息时，需要考虑气候因子的影响。
五、结论本文利用多源遥感技术对三江平原的水稻种植信息进行了实时监测，并对其与气候因子之间的关系进行了深入分析。
通过研究发现在卫星遥感数据和无人机遥感数据的支持下，可以有效地提取和提取和分析水稻的种植信息；同时，气温和降水是影响水稻生长的主要气候因子，风速也会对水稻的生长产生一定的影响。
《基于国产卫星的水稻种植分布遥感提取研究》一、引言随着科技的不断进步，遥感技术在水稻种植分布的监测与提取中发挥着越来越重要的作用。
利用国产卫星数据，进行水稻种植分布的遥感提取研究，不仅可以提高农业生产的管理效率，还可以为政策制定提供科学依据。
本文旨在探讨基于国产卫星的水稻种植分布遥感提取方法及其应用。
二、研究背景及意义水稻作为我国重要的粮食作物之一，其种植分布的准确掌握对于农业生产、粮食安全以及政策制定具有重要意义。
传统的水稻种植分布调查方法主要依靠人工实地调查，费时费力且成本较高。
而遥感技术因其覆盖范围广、时效性强、数据更新迅速等优点，成为了水稻种植分布提取的重要手段。
国产卫星的发展为我国农业生产提供了大量高质量的遥感数据，为水稻种植分布的遥感提取研究提供了有力支持。
三、研究方法与数据来源本研究采用国产卫星数据，通过遥感图像处理技术，提取水稻种植分布信息。
具体方法包括卫星数据获取、图像预处理、水稻种植信息提取等步骤。
其中，图像预处理包括辐射定标、大气校正、图像增强等操作，以提高图像质量，便于后续的信息提取。
水稻种植信息提取则采用面向对象的分类方法，结合水稻生长特征，提取出水稻种植区域。
四、水稻种植分布遥感提取技术研究1. 卫星数据的选择与处理：本研究选取了国产卫星的高分辨率数据，通过对数据进行辐射定标和大气校正等预处理操作，提高了数据的精度和可靠性。
2. 面向对象的分类方法：采用面向对象的分类方法，结合水稻生长特征，如叶绿素含量、植被指数等，进行水稻种植区域的提取。
该方法能够更好地适应复杂的地形和植被类型，提高信息提取的准确性。
3. 空间分析技术的应用：通过空间分析技术，对提取出的水稻种植区域进行空间分布分析，包括空间聚类、空间自相关分析等，以揭示水稻种植分布的规律和特点。
五、实验结果与分析1. 实验结果：通过上述方法，成功提取了水稻种植分布信息，并得到了准确的空间分布图。
结果表明，国产卫星数据在水稻种植分布遥感提取中具有较高的应用价值。
《基于国产卫星的水稻种植分布遥感提取研究》篇一一、引言随着科技的不断进步，遥感技术在水稻种植分布的监测与提取中发挥着越来越重要的作用。
国产卫星的快速发展为水稻种植分布的遥感提取提供了新的数据源和技术手段。
本文旨在通过基于国产卫星的遥感技术，对水稻种植分布进行提取研究，以期为农业生产管理和决策提供科学依据。
二、研究背景及意义水稻作为我国重要的粮食作物之一，其种植分布的监测对于农业生产管理和决策具有重要意义。
传统的水稻种植分布提取方法主要依靠人工调查和实地测量，这种方法费时费力且成本较高。
而遥感技术可以通过卫星或航空设备获取地表的影像信息，具有快速、高效、准确的优点，为水稻种植分布的提取提供了新的解决方案。
三、研究方法本研究采用基于国产卫星的遥感技术，对水稻种植分布进行提取。
具体步骤如下：1. 数据获取：选用国产卫星的高分辨率影像数据，包括多光谱和全色影像。
2. 预处理：对获取的影像数据进行辐射定标、大气校正等预处理操作，以提高数据的准确性和可靠性。
3. 图像解译：通过图像解译技术，将预处理后的影像数据转化为水稻种植分布信息。
具体包括：图像分割、特征提取、分类与识别等步骤。
4. 精度评估：通过对比实地测量数据和遥感提取结果，对提取结果的精度进行评估。
四、实验结果与分析1. 实验结果通过基于国产卫星的遥感技术，我们成功提取了水稻种植分布信息。
在影像上，水稻田地呈现出明显的绿色调，与周围的地物特征有明显的区别。
通过对图像进行分割和特征提取，我们可以得到水稻种植的精确位置和面积信息。
2. 结果分析我们将遥感提取结果与实地测量数据进行对比，发现两者之间具有较高的吻合度。
这表明基于国产卫星的遥感技术可以有效地提取水稻种植分布信息。
同时，我们还对提取结果的精度进行了评估，发现其精度达到了90%。
中低分辨率遥感数据水稻种植面积提取研究的开题报告一、选题背景水稻是我国主要的粮食作物之一，种植面积广泛。
传统的田野调查方式耗费大量时间、人力和物力，且结果精度有限。
随着遥感技术的不断发展，以遥感数据为基础的水稻种植面积提取方法受到越来越多的关注与研究。
二、研究目的本研究旨在通过分析和比较不同的遥感影像处理方法，提高中低分辨率遥感数据水稻种植面积提取的精度和效率。
三、研究内容1.中低分辨率遥感数据的获取和预处理。
2.研究水稻种植面积提取方法，如基于光谱特征、纹理、形态学等。
3.比较不同方法的提取能力和精度。
4.建立水稻种植面积提取模型，并验证其精度和实用性。
四、研究方法本研究采用以下方法：1.获取中低分辨率遥感数据，比如MODIS、Landsat、卫星视频等。
2.预处理遥感数据，去除云、阴影、水体和非农作物等噪声。
3.分析和比较不同方法的提取能力和精度，如最大似然法、支持向量机、细粒度分割等。
4.建立水稻种植面积提取模型，并利用实地调查数据进行验证。
五、预期成果1. 中低分辨率遥感数据水稻种植面积提取方法的比较和分析。
2. 建立水稻种植面积提取模型，并验证其稳定性和精度。
3. 探索中低分辨率遥感数据的水稻种植面积检测新方法，具有一定的理论和实践意义。
六、研究意义1. 对于遥感影像技术和农业生产的融合具有一定的实际应用意义。
2. 可以快速、便捷地获取大范围内的水稻种植面积信息。
3. 可以提高农业精准化管理水平和粮食生产效益，对于国家粮食安全和农业可持续发展具有重要的现实意义。
遥感技术在农田水稻种植监测中的应用研究随着科技的发展和技术的进步，遥感技术在农业领域中的应用越来越广泛。
其中，遥感技术在农田水稻种植监测中的应用，为农业生产管理和粮食安全提供了重要的支持。
本文将从遥感技术在农田水稻种植监测中的原理与方法、应用案例以及未来发展趋势等方面进行探讨。
一、遥感技术在农田水稻种植监测中的原理与方法1.原理：遥感技术通过获取地球表面的电磁波能量，并对其进行分析与解释，实现对所研究区域的动态监测与分析。
在农田水稻种植监测中，遥感技术主要利用可见光、红外线、微波等波段的反射、辐射和散射现象，获取农田地表的相关信息，如植被指数、地表温度等。
2.方法：遥感技术在农田水稻种植监测中主要有两种常用方法，分别是光学遥感和微波遥感。
光学遥感技术利用可见光和近红外波段的能量进行信息提取，包括植被指数如归一化植被指数（NDVI）、叶面积指数（LAI）等的计算；微波遥感技术则通过接收和解译地面返回的微波辐射信号，实现地表土壤湿度的获取和监测。
二、遥感技术在农田水稻种植监测中的应用案例1.晴天归一化植被指数（NDVI）检测：NDVI是一种重要的遥感指标，通过测量植物叶绿素吸收和反射光谱来评估植被覆盖情况。
利用遥感技术对不同生育期的水稻田进行NDVI监测，可以及时了解水稻生长状况、预测产量、监测病虫害等。
2.农田土壤湿度监测：水稻对水分的需求很高，土壤湿度对水稻生长具有重要影响。
利用微波遥感技术获取土壤湿度信息，可以实现农田水稻种植过程中的实时监测和管理，并提供科学依据，进行精确的灌溉控制，提高水稻产量和降低用水量。
三、遥感技术在农田水稻种植监测中的未来发展趋势1.多源数据融合与分析：随着遥感技术的不断发展，多源遥感数据的获取和分析将成为未来的发展趋势。
将光学遥感和微波遥感数据进行融合，同时结合气象、土壤等其他地理信息数据，将有助于提高农田水稻种植监测的精度和全面性。
2.人工智能和大数据分析：随着人工智能技术的发展和大数据分析能力的提升，遥感图像处理和解译的效率和准确性将会大大提高。
水稻生长状态的遥感监测技术研究随着科技的不断发展，遥感监测技术已经成为了农业生产管理和农作物生长状况评估的重要工具之一、而在农田中，作为全球重要的粮食作物之一，水稻的生长状态的准确监测对于农业的可持续发展具有重要意义。
本文将就水稻生长状态的遥感监测技术进行研究，分析其原理、方法和应用。
一、水稻生长状态的遥感监测技术原理遥感监测技术通过获取地球表面的光谱和空间信息，利用传感器对光谱、辐射能、热辐射等数据进行记录和测量，进而获取水稻生长状态的相关信息。
水稻作为绿色植物，通过光合作用吸收太阳辐射能以进行生长，光谱信息是水稻生长状态的重要指标之一、研究表明，不同生育期的水稻对不同波段的光谱具有不同的反射特征，通过对这些光谱数据的采集和分析，可以得到水稻在不同生育期的生长状态信息。
二、水稻生长状态的遥感监测技术方法在水稻生长状态的遥感监测中，常用的方法包括植被指数法、光谱特征分析法和多光谱遥感法。
1.植被指数法：主要是通过对获取的遥感影像数据进行计算和分析，得到一系列反映植被生长状态的指数值，如归一化植被指数（NDVI）和植被指数（VI），然后根据这些指数值对水稻生长状态进行分类和评估。
2.光谱特征分析法：通过对水稻在不同生育期的光谱数据进行分析，提取出与水稻生长状态相关的光谱特征，如特征波长、峰值、曲线形状等，然后利用这些特征进行水稻生长状态的判断和评估。
3.多光谱遥感法：利用多光谱遥感数据获取水稻生长状态的信息。
多光谱遥感数据可以提供多个波段的光谱信息，从而更全面地反映水稻的生长状态。
通过将多光谱遥感数据与水稻生长状态进行关联分析和建模，可以实现对水稻生长状态的准确监测和评估。
三、水稻生长状态的遥感监测技术应用1.水稻的生长状态监测：通过遥感监测技术可以实现对水稻的萌芽期、抽穗期和成熟期等不同生育期的生长状态进行监测和评估，从而及时发现问题并采取相应的措施，提高水稻的产量和质量。
2.水稻的病虫害监测：水稻的病虫害对其生长状况有重要影响。
