首页 > 新闻频道 > 卫星应用 > 正文

用高分一号数据提取玉米面积及精度分析

2016-05-12 17:33:37来源:遥感信息 编辑:浏览:

遥感是一种高新技术,它可以准确及时地获取农业资源和农业生产信息,是传统农业向信息农业过渡的主要技术方法。自20世纪七八十年代始,遥感技术被大量用于作物长势监测、种植面积监测及产量预测等方面。但是长期以来,由于受到分辨率的限制,国内常用的数据源主要是国外的MODIS、Landsat、SPOT、GeoEye等,严重制约着我们的主动应用。

2013年4月26日12时13分04秒,“高分一号”(GF-1)卫星在酒泉卫星发射中心由长征二号运载火箭成功发射。该卫星是高分辨率对地观测系统的首发星,突破了高空间分辨率、多光谱与高时间分辨率结合的光学遥感技术。其所获取的遥感数据可在国土资源调查、环境监测、精准农业、助力减灾救灾等方面发挥重要作用,对进一步改进我国遥感卫星的数据精度和数据质量,促进国产资源卫星的应用,推进我国遥感技术的发展具有十分重要的战略意义。此卫星配置了两台组合宽幅大于60km的2m分辨率全色/8m分辨率多光谱相机和4台组合宽幅大于800km的16m分辨率多光谱相机,可实现在同一颗卫星上高分辨率和宽幅成像能力的结合。

本文应用GF-1WFV传感器所获取的16m分辨率宽幅多光谱数据,并结合Landsat-8和RapidEye数据对河南省许昌地区农作物(玉米)的种植情况进行了提取和分析。旨在探索和评价高分数据在作物识别和面积提取等方面的特点,为进一步利用高分数据进行河南省作物长势遥感监测以及生产服务提供基础。

1 材料与方法

1.1研究区域

试验区位于河南省中部许昌市鄢陵县,属黄河泛滥和双洎河冲积而成的冲积平原,114°02'E、114°19'E,33°46'N、34°14'N,面积为72km²。属亚温带季风性气候,四季分明,气候特点是春季干旱多风,夏季炎热雨量集中,秋季晴朗清爽,冬季寒冷干燥。研究区内秋季作物种类较为复杂,包含有玉米、大豆、花生、芝麻、棉花、蔬菜以及其他作物(药材)等,耕地地块形状多为狭长零碎的矩形、面积较小。

1.2数据采集与预处理

GF-1卫星上配置了2台分辨率为2m全色、8m多光谱的高分辨率相机(PMS)和4台分辨率为16m的多光谱分辨率宽幅相机(WFV),现己下传有效数据上万景。由于满足试验条件的GF-1数据较少,只收集了同时相的WEV1/3/4三个宽幅传感器的16m分辨率多光谱影像,其中WFV1影像的获取时间为2013年8月1号,WFV3为2013年7月25号,WFV4为2013年7月30号。作为对比,收集了2013年8月7日的Landsat-8 OLI 15m融合多光谱影像和2013年7月30日的RapidEye的5m多光谱影像,只使用蓝、绿、红、近红外4个波段的数据。试验所用影像的传感器参数对比见表1。同时,在试验区测量采集了地面各类型样本点269个以及4个500m×500m耕地样方,用于分类和地面验证。

所采集的图像数据先经过FLAASH大气校正,以消除图像中由大气散射引起的辐射误差。然后以RapidEye影像为参考进行配准,配准误差控制在0.5个像元以内。影像的坐标系统均采用Albers等面积割圆锥投影。

表1 GF-1传感器参数与其他同类型

常用遥感卫星的参数对比

1.3分类分法

(1)支持向量机

支持向量机(Support Vector Machines,SVM)是Vapnik在1995年提出的,其理论基础是内核统计学理论。它属于一般的线性分类器。其关键在于核函数,只要选用适当的核函数,就可以得到高维空间的分类函数。选择不同的核函数,可以生成不同的SVM,常用的核函数有线性核函数、多项式核函数、径向基函数、Sigmoid核函数4种。

本研究中,采用多项式核函数。

(2)光谱角填图

光谱角填图(Spectral Angle Mapping,SAM)是一种监督分类技术。该算法是将图像波谱直接同参考波谱匹配的一种交互式分类方法,是一种比较图像波谱与地物波谱或波谱库中地物波谱的自动分类方法。它的分类结果是生成一系列的光谱角度图像,在一定光谱角角度允许的范围内每个角度图像对应一个类型组分像元,即每个像元在光谱相似性上有可能对应于被指定的一个样本参考光谱角度值(光谱曲线值),如果被测像元光谱与所有参考光谱之间的角度超出允许范围,此像元被归为未分类,又叫无值类别。光谱角度越小,被估计像元的光谱曲线与参考光谱曲线就越相似,表现在两者之间的地物特性上也越相似,归类的概率和精度就越高。

1.4 精度评价

作物识别的精度评价是指比较实测数据与分类结果,以确定分类过程的准确程度。分类结果精度评价是进行遥感监测中重要的一步,也是分类结果是否可信的一种度量。最常用的精度评价方法是误差矩阵或混淆矩阵(Error Matrix)方法,从误差矩阵可以计算出各种精度统计值,如总体精度、错分率、漏分率、Kappa系数等。本文采用总体精度与Kappa系数对作物识别结果进行评价。

本研究中,作物种植面积提取的精度评价方法是计算地面样方区域内的某类面积提取结果与样方内该类实际种植面积之差的绝对值与样方内该类实际种植面积之比,它表示该类作物的种植面积提取结果与实地情况之间的误差。

2 结果与分析

2.1 作物识别精度对比

经实地调查,将试验区的分类系统确定为7种主要地物类型:玉米、大豆、蔬菜、棉花、林地(大部分为较矮的苗木)、建筑(包括道路和工地)以及水面。各类型数据的假彩色合成影像如图1所示(近红外/红/绿组合的RGB假彩色显示,影像的显示比例尺均为1:5000)。

图1 多源遥感数据对比图

分别采用SVM和SAM分类器对WFV1、WFV3、WFV4、RapidEye和Landsat-8影像进行分类,分类结果见图2(显示比例尺为1:5000)。

图2 农作物识别及玉米种植面积提取结果图

表2 农作物识别精度统计

分类精度统计结果见表2。RapidEye影像由于空间分辨率较高(5m)对地物的识别精度最高,明显高于其他影像。两种方法相比较,SVM分类器的总体分类精度与Kappa系数都明显高于SAM分类器,而在SAM分类器上二者的指标相近,相比之下SVM方法更适合于农作物的识别分类。GF-1卫星WFV3影像的16M多光谱影像的分类效果较多光谱影像的分类效果较好,最接近于RapidEye影像的指标。采用SVM分类的总体精度达到了87.32%,Kappa系数达到了0.85,高于Landsat-8 OLI 15m融合多光谱影像。二者作为最新的中分辨率遥感卫星数据(GF-1号卫星于2013年4月26日发射,Landsat-8于2013年2月11号发射),GF-1卫星WFV3的16m多光谱影像在农作物分类识别方面的应用效果要优于Landsat-8 OLI 15m融合多光谱影像。几种WFV传感器影像 之间的应用效果差别较大,WFV1和WFV4影像的分类精度明显差于WFV3影像。针对这种现象,对研究范围内3个传感器的原始影像进行灰度直方图分析,结果见图3。

图3 高分3个传感器影像直方图对比分析

以B2波段为例,WFV3影像的DN值分布最宽,主要在280nm——480nm之间。而WFV1和WFV4影像B2波段的灰度峰值变化较窄且陡,其DN值分布要比WFV1影像分别窄40%和50%左右,其他波段的对比也可得出相似结论。这说明WFV1和WFV4影像的灰度值比较集中,其能用于分类的信息量要少于WFV3影像,因此WFV3影像中的地物特征更加清晰,分类效果要优于WFV1和WFV4影像。而且,从图1多光谱影像目视解译可以看出,高分3个传感器中图像辨识度较高的也是 WFV3。

2.2 玉米种植面积提取精度对比

根据实测的4个500m×500m耕地样方来评估玉米种植面积提取的误差,结果见表3。RapidEye影像的玉米面积提取误差最小,SVM方法的误差在2%以内,可以满足主要种植作物的面积提取精度要求。对于WFV和Landsat-8数据,SVM分类器的提取误差明显小于SAM,相比之下SVM更适合于玉米种植面积提取。WFV3影像在使用SVM时的玉米面积提取误差与RapidEye影像已十分接近,其应用精度要优于Landsat-815m融合影像。然而,WFV1和WFV4影像在玉米种植面积提取上的精度是最低的,在秋季种植作物种类复杂、地块较小的情况下,这两种影像不太适用于农作物的种植面积提取。这与农作物识别精度分析所得的结论相似。

表3 玉米种植面积提取误差统计

2.3 WFV3影像玉米识别的误差分析

以玉米识别为研究对象,对采用SVM方法WFV3得到的分类结果进行进一步的误差分析,统计其他地物在玉米错分与漏分像元中所占的比例,结果见表4。无论是错分还是漏分,玉米与蔬菜、林地(苗木)、大豆最易混淆,尤其是玉米与蔬菜、 玉米与苗木。

表4 玉米错误类型统计

玉米、苗木、蔬菜和大豆在WFV3上的光谱曲线见图4。由图可以看出,玉米和苗木的光谱曲线非常相似。故可以推测,造成玉米识别误差的主要原因应该是地物光谱特征本身的相似性或者WFV3图像本身的质量问题。为了进一步判断造成这种误差的具体原因,使用基于Jeffries-Matusita距离和转换分离度的方法来计算这几种类别间的统计距离,结果见表5。同时我们也对经过大气辐射校正的RapidEye图像的地物类别光谱可分性进行了统计(表5)。距离可分性范围为0到2.0,大于1.9说明这两种类别在该种图像上可以较好的区分开,小于1.8说明这两种类别在图像上不容易区分开,小于1.0则证明这两种类别在图像上几乎无法区分。通过对比两个统计表里的数据可以看出,无论是在WFV3影像上还是在RapidEye影像上,蔬菜、林地(苗木)和玉米的光谱距离可分性都是最小的, 说明蔬菜和玉米、林地(苗木)和玉米在7月底8月初的光谱上确实容易混淆。在本研究中造成玉米识别误差的主要是由于在这一时期,玉米和林地(苗木)、蔬菜这几种地物光谱固有的相似性(同谱异物),而不是GF-1卫星WFV3图像本身的质量问题。

图4 易混淆地物类型光谱曲线

表5 WFV3和RapidEye图像地物类别光谱可分性统计

3 结束语

GF-1卫星的成功发射和数据的成功下传,对推进我国遥感技术的发展具有十分重要的战略意义。通过对高分数据的前期处理研究,发现支持向量机与光谱角分类法比较适于农作物识别与种植面积提取。在本研究中,使用GF-1WFV宽幅16m分辨率数据的同时,结合Landsat-8和RapidEye数据,对许昌鄢陵地区的农作物进行了分类试验,并对玉米分类的误差进行了分析,确定WFV3影像中玉米分类的误差主要源于同谱异物现象。研究结果表明,SVM分类器的总体分类精度与Kappa系数都明显高于SAM分类器,相比之下SVM更适合于农作物识别与种植面积提取。本研究中,所用的3种WFV影像的应用效果差别较大,WFV3影像的农作物分类精度指标与玉米种植面积提取误差都最接近于RapidEye影像, 其应用效果优于Landsat-8 15m融合影像。而WFV1和WFV4影像的分类效果则较差,在秋季作物种类复杂的情况下,这两种影像总体上讲不太适用于鄢陵地区农作物的识别与种植面积提取。

随着遥感技术的突飞猛进,继续提高遥感卫星数据的质量,加强高分卫星数据的民用事业, 利用高分卫星数据与其他技术相结合,将会对河南地区乃至全国的土地利用以及农业、林业资源调查等方面有更进一步的推动作用。

声明:本站发布此文章意在传递信息,并不表明同意其观点或证实其描述,仅供大家学习交流与分享。

高分一号

卫星类型: 对地观测

所属国家: 中国

分辨率: 2米

  绿   近红外 

热门资讯

解决Google Earth 无法连接服务器方法
解决Google Earth 无法连接服务器方法

谷歌地球变谷歌黑洞啦~!从昨日中午起就有论坛007

不一样的世界地图
不一样的世界地图

世界地图的基本构架形成于16—18世纪,后来就无大

南沙群岛现状地图
南沙群岛现状地图

虽然历史和法理依据均证明,南沙群岛的主权毫无疑

谷歌地球看海南文昌卫星发射中心规划图
谷歌地球看海南文昌卫星发射中心规划图

文昌航天发射中心位于中国海南省文昌市附近约北纬

广州增城市新塘镇事件地图
广州增城市新塘镇事件地图

我叔叔有个工厂,所以养了十几条狗看家护院。有外

卫星图片看被菲律宾强占的我南海9大岛礁
卫星图片看被菲律宾强占的我南海9大岛礁

南沙群岛自古以来就是中国领土的一部分,而,随着

利比亚地图 分析最新局势
利比亚地图 分析最新局势

3月8日,一年一度的国际妇女节,特别的是,今年的

Google地图Android版正式支持离线包下载
Google地图Android版正式支持离线包下载

心心念念“无网亦可用”的离线地图终于正式上线了

让油价不再飞涨——上海打折加油站地图上线
让油价不再飞涨——上海打折加油站地图上线

 2月25日,由折扣网站“爱折客”牵头组织、部分

关于Google的Hosts无法访问原因
关于Google的Hosts无法访问原因

近日,多个Google 在国内的Hosts的IP地址都失效

关于上帝之眼| 招贤纳士| 意见反馈| 联系我们| 网站地图| 友情链接| 卫星库| 地球论坛

©2005-2016 Godeyes,cn Interactive. All rights reserved 上帝之眼版权所有

桂ICP备13002970号-2

网警 联系电话