針對當(dāng)前茶園遙感識(shí)別研究未充分分析利用光譜特征提取茶園的問題,該文詳細(xì)探討了光譜時(shí)間變化特征在茶園遙感識(shí)別中的應(yīng)用潛力。研究利用時(shí)序Sentinel-2A影像,分析7種典型地物的時(shí)序光譜變化與NDVI變化,發(fā)掘出可用于區(qū)分茶園與其他地物的特征波段——紅邊2、紅邊3、近紅外、紅邊4、短波紅外1、短波紅外2�；谏鲜霾ǘ位騈DVI構(gòu)造18個(gè)茶園提取特征,最終確定14個(gè)茶園提取特征,并基于每種特征分別構(gòu)建決策樹,實(shí)現(xiàn)茶園提取,并驗(yàn)證每種特征的可行性。結(jié)果表明,分類精度較高的前3個(gè)特征分別為SR-SWIR2-NIR_May、SD-NIR-SWIR2_May、SR-NDVI_May&Dec;總體精度依次為96.71%、94.24%、93.43%。 

【文章來源】：測繪科學(xué). 2020年06期 北大核心

【文章頁數(shù)】：9 頁

【部分圖文】：

研究區(qū)位置與Google Earth影像

本研究通過分析多時(shí)相Sentinel-2A影像的光譜與植被指數(shù)特征,構(gòu)造可用于茶園提取的特征,利用決策樹方法進(jìn)行茶園提取。首先分析不同地類光譜特征曲線與對植被變化敏感的NDVI變化曲線,利用能反映不同地物類型光譜差異的特征波段或NDVI,構(gòu)造適用于茶園提取的多個(gè)特征,經(jīng)篩選,分別構(gòu)建決策樹,完成茶園專題信息提取,對比分類結(jié)果,確定最適宜茶園提取的波段與時(shí)間窗口。研究技術(shù)流程如圖2所示。2.1 特征分析

圖3(a)～圖3 (c)分別為2017年12月25日、2018年3月10日、2018年5月4日影像的7種地類光譜曲線圖。從圖中可以看出:①7種地物的光譜均值在藍(lán)(B)、綠(G)、紅(R)、紅邊1(red edge 1,RE1)波段差異較小,其中茶園與山林亮度值重疊度較高;②茶園、山林、灌木、耕地的亮度值均在RE1波段后上升較快,在近紅外(NIR)處達(dá)到最高,隨后逐漸降低;③圖3(a)、圖3(b)中,在紅邊2(red edge 2,RE2)、紅邊3(red edge 3,RE3)、NIR、紅邊4(red edge 4,RE4)處,茶園亮度值均高于其他地物,圖3(c)中,茶園在這4個(gè)波段處低于山林與灌木,但在短波紅外1(short wave infrared 1,SWIR1)處高于其他地物,在短波紅外2(short wave infrared 2,SWIR2)處僅低于道路�？傮w來看,茶園與其他地物具有一定光譜可分性的波段有RE2、RE3、NIR、RE4、SWIR1、SWIR2。進(jìn)一步分析圖4中的4種植被在6個(gè)波段處的光譜反射率時(shí)相變化可以得出:圖4(a)、圖4(d)的變化趨相似,均是只有耕地光譜均值持續(xù)上升,茶園、山林、灌木光譜均值先下降后上升,但茶園變化一直波動(dòng)較小;圖4(b)、圖4(c)的變化趨勢相似,均是只有茶園光譜均值持續(xù)下降,山林、灌木先下降后上升,耕地持續(xù)上升;圖4(e)、圖4(f)的變化趨勢相似,均是只有茶園光譜均值持續(xù)上升,并在5月份高于其他植被,其余植被類型光譜均值均是先升(降)后降(升)。

【參考文獻(xiàn)】：
期刊論文
[1]基于多時(shí)相Landsat 8 OLI影像的農(nóng)作物遙感分類研究[J]. 李曉慧,王宏,李曉兵,遲登凱,湯曾偉,韓重遠(yuǎn).  遙感技術(shù)與應(yīng)用. 2019(02)
[2]基于中尺度光譜和時(shí)序物候特征提取南方丘陵山區(qū)茶園[J]. 馬超,楊飛,王學(xué)成.  國土資源遙感. 2019(01)
[3]基于高分二號(hào)影像結(jié)合紋理信息的茶園提取[J]. 楊艷魁,陳蕓芝,吳波,汪小欽.  江蘇農(nóng)業(yè)科學(xué). 2019(02)
[4]浙江茶葉春霜凍害的氣候變化特征分析[J]. 徐金勤,邱新法,曾燕,施國萍,韋翔鴻.  江蘇農(nóng)業(yè)科學(xué). 2018(22)
[5]基于Landsat 8影像的濟(jì)寧市春季主要作物種植面積變化監(jiān)測[J]. 巫明焱,董光,稅麗,胡大川,程武學(xué),范曙峰.  江蘇農(nóng)業(yè)學(xué)報(bào). 2018(03)
[6]多時(shí)相Sentinel-2A與SPOT-7影像在油菜識(shí)別中的差異[J]. 韓濤,潘劍君,羅川,周濤,張培育.  南京農(nóng)業(yè)大學(xué)學(xué)報(bào). 2018(04)
[7]基于MODIS時(shí)序NDVI主要農(nóng)作物種植信息提取研究[J]. 郭昱杉,劉慶生,劉高煥,黃翀.  自然資源學(xué)報(bào). 2017(10)
[8]基于Landsat 8 OLI數(shù)據(jù)的華北平原農(nóng)作物種植結(jié)構(gòu)遙感解譯研究[J]. 盧輝雄,田言亮,董雙發(fā),汪冰,李名松,牛海威,張恩,薛慶,章新益,程思思.  物探化探計(jì)算技術(shù). 2017(03)
[9]基于光譜和時(shí)相特征的夏玉米遙感識(shí)別[J]. 劉劍鋒,張喜旺.  遙感技術(shù)與應(yīng)用. 2016(06)
[10]基于資源三號(hào)衛(wèi)星影像的茶樹種植區(qū)提取[J]. 徐偉燕,孫睿,金志鳳.  農(nóng)業(yè)工程學(xué)報(bào). 2016(S1)



本文編號(hào)：2933552