欧美久久久久久,亚洲精品在线免费看,一区二区av

北京數慧遙感+: 耕地“非糧化”衛星遙感監測解決方案

數據來源：數慧云腦 2022-10-28 635

民以食為天，我國始終將糧食安全作為治國理政的頭等大事。過去十年間，我國糧食產能穩定提升，產量連續七年穩定在1.3萬億斤以上，十年再上一個千億斤新臺階，這其中耕地的貢獻功不可沒。

然而，耕地的資源約束也越來越明顯，糧食種植面積擴大的空間越來越小。對標糧食安全的硬要求，耕地保護和利用問題值得高度關注。

我們在上一期文章北京數慧遙感+：耕地“非農化”衛星遙感監測解決方案中，探索了遏制耕地“非農化”的工作方案。今天，我們接著來看看耕地“非糧化”衛星遙感監測解決方案。

北京數慧基于深厚的深度學習、圖像識別技術應用經驗和多年的自然資源行業業務積累，建立業務驅動的技術研發模式，充分利用多光譜、高光譜等多源、長序列衛星遙感影像及自然資源調查監測成果，在計算機智能識別與提取算法支撐下，開展“非糧化”用地遙感監測。

“非糧化”主要將三調耕地數據范圍內未發生用地類型變化區域與永久基本農田矢量數據進行套合，以序列高分辨率衛星影像為主要數據源，并根據實際情況以高光譜衛星影像、航空影像為輔助，開展種植作物智能提取與分類工作，并對比分析得到初步“非糧化”成果。再經過人機交互復核，外業核查驗證，得到最終“非糧化”成果，為管控耕地“非糧化”，嚴格保障耕地數量底線和糧食播種面積提供數據支撐。

（一）?影像預處理

主要涉及光學衛星影像數據處理、高光譜影像數據處理及無人機影像數據處理。根據監測區域及監測周期等需求，自動化統籌獲取無云覆蓋、影像清晰、反差適中的遙感影像數據，通過構建全工序、自動化、集群化的遙感數據生產框架，實現全流程、自動化的影像協同生產。通過將經驗知識化，知識工藝化，實現了正射校正、幾何校正、輻射定標、大氣校正、影像融合、鑲嵌、裁切等流程的一鍵處理，高效支撐“非糧化”遙感監測底圖數據生產。

（二）解譯樣本庫建立

1、解譯知識庫建立

通過收集分析監測區域的基礎地理信息數據、主要農作物物候數據和統計數據，充分了解區域內主要農作物各生育期的時間分布。在收集分析不同農作物光譜特征的基礎上，通過遙感影像記錄的地表信息，識別農作物的類型。

農作物的識別需要利用綠色植物獨特的光譜反射特征，將主糧作物與其它經濟作物區分開，為后續建立解譯知識庫提供基礎。解譯知識庫建立過程如下圖：

2、樣本庫建立

利用種植作物生長物候特征及已明確種植結構地塊，建立稻谷、小麥、玉米等主糧作物和其他農作物不同生長季光譜數據庫。結合衛星影像光譜特征、紋理特征，參考三調未變化耕地數據以及基本農田地塊邊界和權屬信息等屬性，并綜合外業采集的樣本，識別出目標地物，建立遙感影像與外業樣本點之間的對應關系，形成解譯樣本庫，為后續各類農作物地類快速、準確識別提供支撐。

（三）永久基本農田糧食作物遙感監測

主要對監測區域內種植的小麥、水稻、土豆、大豆、紅薯等糧食作物進行智能提取。

以冬小麥為例，冬小麥的生長周期一般在220-270天。小麥的生長規律一般可以劃分為12個生育時期，即播種期、出苗期、分蘗期、越冬期、返青期、起身期、拔節期、孕穗期、抽穗期、開花期、灌漿期、成熟期。