基于高分一号卫星影像的冬小麦种植面积提取方法研究

发布时间：2020-05-06 17:57

【摘要】：冬小麦作为我国主要粮食作物之一,保证冬小麦的种植面积具有举足轻重的意义。以往,我国农作物的种植面积主要是通过实地测量,然后以行政单元为单位逐级上报的方式获取的。这种方式不仅耗费大量的人力物力,又不能保证数据的客观性,更得不到耕地面积的具体时空分布。采用遥感技术进行农作物面积提取,可大幅度降低测算成本的同时,又保证了数据的客观性和准确性。本文以河南省开封市祥符区为研究区域,以GF-1/WFV国产数据为主要数据源,以Google Earth(以下简称GE)0.3米历史影像为辅助影像选取样方点,分别针对单景影像和多时序影像,研究如何快速高效地提取冬小麦的种植面积,主要研究内容及结论如下:1、基于冬小麦生长周期内的GF-1/WFV单时相影像,研究祥符区冬小麦种植面积提取方法。选取了2015年祥符区冬小麦生长周期内的GF-1/WFV 5景影像,以接近同时期的GE影像为辅助影像选取样方点。在运用最大似然法对研究区域内的冬小麦种植面积进行提取之前,先运用土地利用类型图腌膜去除非耕种区,提高精度。实验结果显示这5期的总体分类精度均大于95%,Kappa系数均大于0.96。选取2014年、2015年、2016年冬小麦生长周期内的三景影像,运用同样的方法,实验分类精度及Kappa系数同样很高,且三年的提取面积呈现出的变化趋势与统计年鉴公布的一致。因此,在影像质量及作物生长周期等客观条件的约束下,采用GE影像作为辅助影像选取样方点,在运用最大似然法提取祥符区冬小麦种植面积之前,运用土地利用类型图腌膜去除非耕种区,不仅便于计算机批量处理提高效率,而且得到的结果准确率也是可以作为农用参考,从而实现年际变化监测的。2、基于冬小麦生长周期内的GF-1/WFV多时相影像,研究祥符区冬小麦种植面积提取方法。选取2015年10月到2016年6月冬小麦生长周期内的14景多时序GF-1/WFV影像。利用GE影像为辅助影像选取样方点,腌膜去除非耕种区,并统计分析冬小麦区别于其他地物景观的特征值,将冬小麦生长初期NDVI值持续增长作为关键阈值判定条件,建立决策树模型,提取祥符区冬小麦种植面积。实验总体分类精度为96.85%,Kappa系数约为0.71,一致性程度高。因此,运用本文提出的决策树模型提取祥符区冬小麦种植面积是可行的。基于GF-1/WFV国产卫星影像为主要数据源,采用本文提出的在监督分类之前,根据土地利用类型图对预处理后的影像进行腌膜处理,和本文建立的针对祥符区的决策树模型对开封市祥符区冬小麦种植面积提取。实验表明,利用土地利用类型图腌膜去除非耕种区,不仅能够有效去除非耕种区地物对冬小麦面积提取产生的误差,也便于计算机的批量处理。以GE影像为辅助影像选取样方点可有效地节省测量成本,进一步提高了冬小麦种植面积精度。实验结果的准确率均可以为当地相关部门农业政策的制定提供科学依据。
【图文】：

路线图,总体技术,路线图

利用决策树模型分类法对研究区域的冬小麦种策树模型在祥符区冬小麦种植面积提取中的适用性。线，收集和整理开封市统计年鉴的各种数据，了解研究区作物种植的基本概况。从中国科学院遥感与数字地球研国资源卫星中心筛选出实验所需的国产卫星数据[55]，从矫正所需数据[56]。使用 ENVI5.3SP1 软件对影像进行辐的预处理。并利用土地利用类型图将居民建筑区去除，现象，从而提高准确率。从 Google Earth 软件上浏览译法选取典型地物矢量图，导入到 GF-1/WFV 影像中，利于冬小麦种植面积提取和最后的提取结果验证。本文

样方,分类训练,总体精度,影像

图 3-2 2016 年 GE 影像辅助选取的样方点以分类训练样本和验证样本，实验证明总体精度达到 82%，且得到的 2003 年森林覆盖面积比 2010 年下降了 1.5%。刘佳等[69]首先运用 GE 影像选取样方点，然后经过 DGPS实测点进行校正，以此为样方数据对农作物种植面积进行提取，然后再以实测的地面样方点为样本数据运用相同的方法提取。实验结果证明 GE 影像辅助地面样方数据调查，，不仅能大量提高效率，还能保证样方数据的精度及获取的农作物种植面积的精度。以上不同方面的研究实验结果均表明 GE 辅助地面样方调查方法具有很高的定位精度和样方面积获取精度[69]。但是由于 GE 历史影像没有全部覆盖研究区域，本文采用此种方法进行部分地面样方的选取。以 2016 的 GE 样方点为例，如图 3-2 所示。由于 GE 影像只能提供部分地区的样方数据，为了使样方数据分布均匀，减少误差。本文又经过目视解译选取了部分样方点。本文根据实验要求在 2014 年、2015 年、2016年分别选取了冬小麦、裸荒地、林地、水体共 183 个样本点。把这所有的样方数据分为两部分，一部分用于当作样本点，一部分用于验证样方。
【学位授予单位】：河南大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP751;S512.11

【参考文献】