作品名称: 基于 RS 的三七种植面积快速估算
作者单位: 东华理工大学测绘工程学院
小组成员: 徐子超、付书计、朱帅光、谢灵惠
指导老师: 谢相建
获奖情况: 三等奖
作品概述
随着现代人民对养生和医疗的关注力度不断加大,市场对名贵中草药材的需求不断提高,三七(田七)因其独特的入药特性,近年来受到相关各界热捧。三七作为云南省大面积种植的一种名贵的中药材和当地重要的经济作物,对当地的土地利用和经济创收具有重要影响。因三七独特的生长条件,对纬度、湿度、土壤等生长因素具有严格的要求,因此其主要产地集中在云南的文山州和红河州,本作品以云南省红河州建水县为例,以 ENVI/IDL 为基础,利用 RS 技术实现对该地区的三七种植面积快速提取。
三七的生长特点是需要有良好的遮阳条件,因此种植的区域都覆盖有黑色的遮阳网,这种特殊的遮阳网与周围其它地物的光谱特征存在较大差异,为利用遥感技术提取三七区域提供了可能。本作品在三七种植面积提取的基础之上,利用 ENVI/IDL 生成一个可用于流程化提取的 ENVI TASK 拓展 工具 以实现三七种植面积的快速提取。本作品为快速获取大范围三七种植面积信息提供了有效方法,对于三七种植面积监测和三七产量估算具有较大的参考意义。此外,在可预见的未来,可以在此本课题基础上实现三七种植区域的自动化动态监测和分析,辅助公众、相关政府和企事业部门的决策。
作品制作流程
三七大棚覆盖的遮阳网与周围其它地物的光谱特征具有较大差异,为利用遥感技术提取三七区域提供了可能。然而,三七种植区域多为坡地,形成了其独特的山势走向,在某些波段区域三七大棚与阴影、水体具有相似的反射率,不易很好地把三七大棚区分开来。另外该地多种地物类型造成遥感影像多种像元在一定区域的混合,也给三七种植区域提取带来较大挑战。
根据前人总结得出的经验可知,在遥感数据原始波段特征可分性较差时,引入谱间特征数据,可提高分类精度。地物遥感分类方法的研究成果颇多,其中决策树分类方法被广泛应用于土地利用调查和分类。本次课题研究在地物类型多样和光谱数据有限条件下,采用谱间组合特征提取和决策树分类方法以及线性混合像元方法来实现三七种植区域面积的快速估算。
图:作品制作流程
2.1 影像预处理
研究区采用 Landsat OLI ( 30m ) 2015 年云南建水县的遥感影像。预处理过程包括辐射定标和大气校正,并用行政区对处理后影像进行裁剪。
图:样本选取
2.2 从 Google earth 中采集样本
在 Google Earth 中找到与研究区域 OLI 影像相近时相的高分影像,根据研究区地物覆盖状况,把研究区地物分为三七、水体、建筑、植被、裸岩、土壤、混合、阴影八种地物类型。为保证分类的准确性,地物样本选择分布均匀且有代表性,每种类型样本数在 400 个像元左右。
2.3 地物样本统计和阈值确定
( 1 )将在 Google earth 中得到的地物样本保存为 kmz 或 kml 格式,再将 kmz 或 kml 格式的文件导入 ArcGIS 中转换为 .shp 格式,最后在 ENVI 中转为 roi 格式文件,将感兴趣区显示在遥感影像中,如下图所示,感兴趣区能很好地和实际的地物相匹配,确保了样本选取的准确性和分类的可靠性。
( 2 )地物样本选好之后,在影像中对感兴趣区内定的每一类地物样本进行统计,下图所示为所选地物样本在波段层面上的统计:
图 地物波普表
( 3 )从上图可以分析得到,多种地物在 band7/band6 与 band2 之间的差异较大,因此可以考虑用 band math 工具生成一种新的波段组合 NDWI((b2-b7)/(b2+b7)) 和 NDMI((b4-b1)/(b4+b1)) 以此增大各种地物的可区分度;另外可以考虑 NDVI 将植被,阴影区分;并使用 layer stacking 工具将 NDWI 、 NDVI 、 NDMI 和原图像叠加成一个新的图层;
( 4 )将 ROI 感兴趣区呈现在新的叠加图像中,统计每一类地物特征属性,通过比较不同类型地物在不同特征的特征值,发现在近红外波段、 NDWI((b2-b7)/(b2+b7)) 、 NDMI ( (b4-b1)/(b4+b1) )、 NDVI 波段,不同地物之间的特征值有明显的差异,具体如下图所示(注红色线为三七的波普曲线,绿色线为对应地物波普曲线)。
2.4 决策树分类和分类后处理
(1)决策树构建
设置以下阈值范围把三七大棚和其他类型地物区别开来:
三七和混合物的区分: NDMI<0.0466
三七和建筑的区分: NIR<0.1388
三七和水体、土壤、裸岩的区分: -0.3
三七和植被、阴影的区分: NDVI<0.3393
使用上述阈值进行决策树的构建,如下图所示:
图 决策树创建
(2)执行决策树
图 19 决策树提取结果(局部)
(3)分类后处理
将分类后的图像在 ENVI 打开进行过滤处理,选择 classification → Post classification → sieve classes 进行滤波处理,操作面板和具体参数如下图所示,操作完成后,此区域为三七种植区域纯像素区域,并将得到的结果进行保存;
图 分类后处理
(5)缓冲区分析、端元输入、线性光谱混合像元分解
1 )建立缓冲区
线性混合像元分解的目的是将三七大棚纯净像元缓冲区中的三七种植区域分离出来,其关键是确定缓冲区的范围大小和纯净地物端元的输入。缓冲区大小根据实际情况设为一个像元 ,生成如下缓冲区域
图 缓冲区生成(局部)
2 )建立三七混合区掩膜
缓冲区分析完后,可借用 Build mask 工具将提取出来的缓冲区建立混合区掩膜,混合区掩膜文件将真实地表影像提取出来再进行线性混合像元分解,操作过程和结果如下图 20 所示
图 混合区域提取结果(局部)
3 )缓冲区 线性光谱混合像元分解
将提取好的地表缓冲区进行混合像元的提取。根据对三七种植大棚周边的缓冲区地物的分析可知,这些地物类型简单,所以只考虑植被、土壤、三七这三种地物来进行线性混合像元的分解。 纯净端元由 ASD 光谱仪获取 ,通过工具 linear spectral unmixing 工具来实现端元的输入和线性光谱混合像元的分解,设置地物比例和为 1 约束的权重为 1 。
线性光谱混合分解中三七种植面积组份比例的结果如图所示;
图 24 线性光谱混合分解结果(局部)
6)三七种植区域的整合
将分别得到的三七纯像元区域与缓冲区混合像元区域整合,用 band math 工具实现此过程。根据缓冲区域混合像元的特征值,可以实现公式 (b1 eq 4)+(0>b2<1) 的架构, b1 代表纯像元区域, b2 代表混合像元三七的区域。
图 三七种植区域整合及结果(局部)
(7)制图、面积统计
1 )面积统计
后期自主设计的 ENVI Task 扩展工具可将三七种植面积自动计算并以文件形式输出,如下图所示为种植面积的统计值;
图 面积输出
2)制图
在 ArcGIS 中将提取完成的区域进行最终结果成图,如下图所示
图 最终提取结果成图
2.5 扩展工具
采用了虚拟栅格等 ENVI 5 面向对象开发技术,减少了数据的中间存储过程,提高了程序的运行效率,实现了三七种植面积的快速化提取。其中的阈值组件可以选择有无样本数据,在无样本的情况下按照经验阈值进行决策树分类,在输入样本的情况下根据实际地物样本实现阈值自动获取,提高了提取的效率。
图 拓展工具界面选项图
作品亮点
(1) 软(混合像元分解)、硬(决策树)分类相结合;
(2) 够根据应用需求写出流程化的扩展工具。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持 码农网
猜你喜欢:- 2018Esri开发竞赛ENVI-IDL组作品欣赏-Landsat8城市生态环境监测
- 2018Esri开发竞赛ENVI-IDL组作品欣赏-基于USLE模型的巢湖流域土壤侵蚀研究
- 2018Esri开发竞赛ENVI-IDL组作品欣赏-基于InSAR技术的海岸带城市沉降监测
- 2018Esri开发竞赛ENVI-IDL组作品欣赏——木兰溪下游地区的碳库格局变化定量研究
- 2018Esri开发竞赛ENVI-IDL组作品欣赏——基于MODIS数据反演农作物物候规律及指导生产
- 2018Esri开发竞赛ENVI-IDL组作品欣赏-面向江汉平原农情监测的多源遥感数据时空融合应用
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。