【摘要】：為探究縣域尺度上基于高分一號衛(wèi)星(GF-1)PMS影像進行冬小麥遙感監(jiān)測的可行性及精準性,以河南省滑縣為研究區(qū),遴選2015年2月上旬GF-1 PMS影像6景,對影像進行輻射定標、FLAASH大氣校正、NNDiffuse融合、幾何精校正、地圖投影轉換等預處理后,在外業(yè)調查和樣本分析的基礎上構建一種新的冬小麥決策樹分類模型,模型第1層決策方案中NDVI0.311的像元為冬小麥,得到冬小麥的粗分類結果;在此基礎上進行第2層決策分類,以進一步提高冬小麥的分類精度,分類方案為第1波段地表反射率0.146、第2波段地表反射率0.148、第3波段地表反射率0.135、第4波段地表反射率0.250的像元為冬小麥。對分類結果進行形態(tài)學濾波處理,以消除或減少分類結果中孤立的像元。分別基于決策樹分類模型與ENVI軟件自帶的IsoData非監(jiān)督分類模型,對比分析GF-1PMS影像和同時期Landsat-8OLI影像在冬小麥面積提取上的精度。結果表明:基于新構建的決策樹分類模型,2015年滑縣冬小麥種植面積為115 715.81hm2,混淆矩陣檢驗總體精度為99.62%,Kappa系數(shù)為0.99;PMS影像提取冬小麥的混淆矩陣總體精度比OLI影像高出9個百分點。說明縣域尺度上基于單時相GF-1PMS影像在冬小麥收獲前提取冬小麥種植面積是可行的,提取精度較高。
[Abstract]:In order to explore the feasibility and accuracy of remote sensing monitoring of winter wheat based on PMS images of Gao Fen 1 satellite (GF-1) at county scale, six scenes of GF-1 PMS images were selected from Huxian County, Henan Province, in the first ten days of February, 2015, in order to investigate the feasibility and accuracy of remote sensing monitoring of winter wheat. After pre-processing such as radiometric calibration, FLAASH atmospheric correction, NNDiffuse fusion, geometric correction, map projection conversion and so on, a new classification model of winter wheat decision tree was constructed on the basis of field survey and sample analysis. In the first layer of the model, the pixel of NDVI0.311 is winter wheat, and the coarse classification result of winter wheat is obtained. In order to further improve the classification accuracy of winter wheat, the classification schemes are as follows: the first band surface reflectivity 0.146, the second band surface reflectivity 0.148, the third band surface reflectivity 0.135, the third band 0.135, the second band 0.148, the third band 0.135. Winter wheat is the pixel of surface reflectance 0.250 in band 4. The classification results are processed by morphological filtering to eliminate or reduce the isolated pixels in the classification results. Based on the decision tree classification model and the IsoData unsupervised classification model with ENVI software, the accuracy of GF-1PMS image and Landsat-8OLI image in winter wheat area extraction were compared and analyzed. The results showed that based on the newly constructed decision tree classification model, the planting area of winter wheat was 115,715.81hm2in 2015, and the overall accuracy of confusion matrix test was 99.62kappa coefficient 0.99. The overall accuracy of PMS image extraction of winter wheat confusion matrix is 9% higher than that of OLI image. It is feasible to extract the planting area of winter wheat before harvest on the county scale based on monochronous GF-1PMS image, and the precision of extraction is high.
【作者單位】： 中國科學院遙感與數(shù)字地球研究所遙感科學國家重點實驗室;中國科學院大學環(huán)境與資源學院;河南大學環(huán)境與規(guī)劃學院;
【基金】：國家自然科學基金項目(41301390,4137138) 國家“973”計劃項目(2013CB733405) 國家“863”計劃項目(2014AA06A511) 云南省科技計劃(2010AD004) 高分辨率國家重大專項(20-Y30B17-9001-14/16)
【分類號】：S127;S512.11

【相似文獻】

相關期刊論文 前10條

1 譚建光;張錦水;高晨雪;鮑宇陽;;基于結構規(guī)模的冬小麥種植面積遙感抽樣估算[J];農(nóng)業(yè)工程學報;2012年23期

2 李寄;黃進良;許文波;;湖北省冬小麥種植面積遙感估算方法研究[J];世界科技研究與發(fā)展;2008年05期

3 武永利;王云峰;張建新;欒青;;應用線性混合模型遙感監(jiān)測冬小麥種植面積[J];農(nóng)業(yè)工程學報;2009年02期

4 張建國;李憲文;吳延磊;;面向對象的冬小麥種植面積遙感估算研究[J];農(nóng)業(yè)工程學報;2008年05期

5 張喜旺;秦耀辰;秦奮;;綜合季相節(jié)律和特征光譜的冬小麥種植面積遙感估算[J];農(nóng)業(yè)工程學報;2013年08期

6 趙蓮;張錦水;胡潭高;陳聯(lián)裙;李樂;;變端元混合像元分解冬小麥種植面積測量方法[J];國土資源遙感;2011年01期

7 姚渝麗,孫彥君,馬宏濱,王蘊波,歷艷志;吉林省冬小麥種植試驗的農(nóng)業(yè)氣象條件分析[J];吉林農(nóng)業(yè)大學學報;1999年02期

8 郝志新,鄭景云,陶向新;遼寧省冬小麥種植北界研究[J];中國農(nóng)業(yè)氣象;2002年04期

9 黃青;李丹丹;陳仲新;劉佳;王利民;;基于MODIS數(shù)據(jù)的冬小麥種植面積快速提取與長勢監(jiān)測[J];農(nóng)業(yè)機械學報;2012年07期

10 陳健;劉云慧;宇振榮;;基于時序MODIS-EVI數(shù)據(jù)的冬小麥種植信息提取[J];中國農(nóng)學通報;2011年01期

相關會議論文 前3條

1 武永利;王云峰;張建新;欒青;;混合像元分解技術應用于冬小麥種植面積研究[A];中國氣象學會2007年年會氣象綜合探測技術分會場論文集[C];2007年

2 潘耀忠;雷燕飛;孫冠楠;;基于歷史數(shù)據(jù)的冬小麥種植面積測量抽樣方法研究[A];全國農(nóng)業(yè)遙感技術研討會論文集[C];2009年

3 李苓苓;潘耀忠;張錦水;宋國寶;侯東;;SVM與PCVA相結合的冬小麥種植面積測量方法研究[A];全國農(nóng)業(yè)遙感技術研討會論文集[C];2009年

相關碩士學位論文 前2條

1 樊香所;基于風云衛(wèi)星中分辨率數(shù)據(jù)的農(nóng)業(yè)種植區(qū)信息提取方法研究[D];電子科技大學;2015年

2 許亮;基于Landsat8遙感影像的冬小麥種植面積提取方法研究[D];湖北大學;2016年

，

本文編號：2352708