基于GF2號(hào)衛(wèi)星影像的農(nóng)業(yè)信息提取方法對(duì)比分析

李 鵬，虞 虎，王 鵬，李開淵

(1. 遼寧工程技術(shù)大學(xué)測(cè)繪與地理科學(xué)學(xué)院，遼寧 阜新 123000； 2. 中國(guó)科學(xué)院地理科學(xué)與資源研究所， 北京 100101； 3. 山西家豪測(cè)繪集團(tuán)有限公司，山西 太原 030009； 4. 太原理工大學(xué)礦業(yè)工程學(xué)院， 山西 太原 030024)

基于GF2號(hào)衛(wèi)星影像的農(nóng)業(yè)信息提取方法對(duì)比分析

李 鵬1，虞 虎2，王 鵬3，李開淵4

(1. 遼寧工程技術(shù)大學(xué)測(cè)繪與地理科學(xué)學(xué)院，遼寧 阜新 123000； 2. 中國(guó)科學(xué)院地理科學(xué)與資源研究所， 北京 100101； 3. 山西家豪測(cè)繪集團(tuán)有限公司，山西 太原 030009； 4. 太原理工大學(xué)礦業(yè)工程學(xué)院， 山西 太原 030024)

以GF2衛(wèi)星0.8 m全色/3.2 m多光譜分辨率遙感影像為基礎(chǔ)數(shù)據(jù)源，對(duì)基于GF2號(hào)衛(wèi)星影像的農(nóng)業(yè)信息提取流程和方法進(jìn)行了研究與對(duì)比分析。首先對(duì)GF2號(hào)衛(wèi)星影像進(jìn)行波譜分析；其次對(duì)GF2號(hào)影像進(jìn)行融合，并對(duì)多種融合方法進(jìn)行質(zhì)量評(píng)價(jià)；最后選擇閾值法、波譜間關(guān)系法、非監(jiān)督分類法和面向?qū)ο蠓ǚ謩e對(duì)GF2號(hào)影像數(shù)據(jù)進(jìn)行農(nóng)業(yè)信息提取試驗(yàn)，并對(duì)信息提取結(jié)果進(jìn)行精度驗(yàn)證和結(jié)果分析。試驗(yàn)表明，面向農(nóng)業(yè)信息提取的GF2號(hào)衛(wèi)星影像融合方法中，Pansharp融合算法融合影像色彩正常，無虛影，清晰度高，地類對(duì)比度正常，紋理清晰，熵值及與原始多光譜影像的相關(guān)系數(shù)高。閾值法和譜間關(guān)系法適用于提取單要素農(nóng)業(yè)信息，非監(jiān)督分類法能夠初步獲取研究區(qū)土地利用情況，面向?qū)ο蠓ㄌ崛⊙芯繀^(qū)全要素信息精度高?？傮w來說，不同信息提取方法具有各自的優(yōu)勢(shì)，在具體實(shí)際應(yīng)用中，可以根據(jù)目標(biāo)地類的波譜特性，選擇適宜的遙感影像處理和信息提取方法。

農(nóng)業(yè)信息；GF2衛(wèi)星；波譜分析；影像融合；信息提取；面向?qū)ο?/p>

農(nóng)業(yè)生產(chǎn)是當(dāng)今社會(huì)發(fā)展至關(guān)重要的環(huán)節(jié)，它具有生產(chǎn)分散性、時(shí)空變異性、災(zāi)害突發(fā)性等人們用常規(guī)技術(shù)難以掌握與控制的基本特點(diǎn)，這是農(nóng)業(yè)生產(chǎn)長(zhǎng)期以來處于被動(dòng)地位的原因。隨著科學(xué)技術(shù)的發(fā)展，遙感技術(shù)成為及時(shí)掌握農(nóng)業(yè)信息分布情況、作物長(zhǎng)勢(shì)、病蟲害等農(nóng)業(yè)災(zāi)害信息的有效手段[1-3]。

近些年，隨著各類高空間分辨率民用衛(wèi)星的出現(xiàn)，3S技術(shù)、計(jì)算機(jī)技術(shù)、航天技術(shù)、物聯(lián)網(wǎng)技術(shù)發(fā)展相結(jié)合在農(nóng)業(yè)生產(chǎn)、管理和作業(yè)等方面取得了不錯(cuò)的成績(jī)，得到了廣泛的應(yīng)用和推廣[4-6]?；谶b感技術(shù)在農(nóng)業(yè)方面的應(yīng)用研究主要有：尚松浩等對(duì)基于遙感的農(nóng)業(yè)用水效率評(píng)價(jià)方法研究進(jìn)展進(jìn)行了論述[7]；史舟等簡(jiǎn)要回顧了農(nóng)業(yè)遙感發(fā)展歷程及其應(yīng)用的理論基礎(chǔ)，再?gòu)霓r(nóng)作物估產(chǎn)、農(nóng)業(yè)資源調(diào)查、農(nóng)業(yè)災(zāi)害監(jiān)測(cè)和精準(zhǔn)農(nóng)業(yè)管理4個(gè)領(lǐng)域闡述了國(guó)內(nèi)外相關(guān)研究和應(yīng)用情況[2]；付碧玉、苑慧麗等也分別對(duì)遙感技術(shù)在農(nóng)業(yè)方面的應(yīng)用方法作了深入研究[8-9]。

不同遙感衛(wèi)星傳感器具有不同的參數(shù)和特性，針對(duì)相同的地物要素，影像數(shù)據(jù)有不完全一致的表現(xiàn)結(jié)果。同樣，相同的遙感信息提取方法，對(duì)不同來源影像的提取結(jié)果也不一樣。本文針對(duì)這一問題，對(duì)高分二號(hào)(GF2)號(hào)衛(wèi)星影像進(jìn)行波譜分析，從波譜角度分析GF2號(hào)衛(wèi)星影像的波段特性[10]。試驗(yàn)數(shù)據(jù)包括融合影像和原始多光譜影像，選擇閾值法[11]、波譜間關(guān)系法[11]、非監(jiān)督分類法[12]和面向?qū)ο蠓╗13]分別對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行研究區(qū)農(nóng)業(yè)信息提取。

1 研究數(shù)據(jù)及影像預(yù)處理

1.1 研究區(qū)概況

蔡甸區(qū)位于武漢市西郊，地處漢江與長(zhǎng)江匯流的三角地帶，江漢平原東緣，蔡甸區(qū)境內(nèi)地勢(shì)由中部向南北逐減降低，中部均為丘陵崗地，坡度較緩，全境地貌是壟崗為主體的丘陵性湖沼平原。研究區(qū)農(nóng)業(yè)已初步形成區(qū)域化布局。有居民地、農(nóng)用地及水域等空間結(jié)構(gòu)不同的區(qū)域，包含居民地、耕地、河流、水塘、道路、裸地等土地覆蓋類型，以耕地為主。

1.2 數(shù)據(jù)源

GF2衛(wèi)星于8月19日成功發(fā)射，8月21日首次開機(jī)成像并下傳數(shù)據(jù)，影像星下點(diǎn)空間分辨率可達(dá)0.8 m。本次研究選擇的影像獲取時(shí)間為2015年2月12日，數(shù)據(jù)級(jí)別為傳感器校正級(jí)，數(shù)據(jù)云量為0，無噪聲條帶，色彩正常，無偏色情況存在。對(duì)遙感影像進(jìn)行波段組合、幾何校正、重采樣和影像融合等處理。同時(shí)，GF2衛(wèi)星遙感影像原始數(shù)據(jù)波段為16 bit數(shù)據(jù)，為了便于不同融合方法結(jié)果的對(duì)比與分析，將遙感影像波段數(shù)據(jù)均重采樣為8 bit。

2 影像處理

2.1 波譜分析

為了能夠更好地提取研究區(qū)的農(nóng)業(yè)信息，首先要對(duì)研究區(qū)地類信息進(jìn)行分類，本次研究結(jié)合研究區(qū)土地利用數(shù)據(jù)，通過目視判讀方法，分別對(duì)耕地、河流、水塘、草地、道路、居民地和荒地進(jìn)行了取樣，其中耕地分為耕地1(無作物)和耕地2(有作物)，因?yàn)檠芯繀^(qū)內(nèi)有作物和無作物耕地在顏色上區(qū)別較大，因此在此次研究中將耕地分為有作物耕地(耕地2)和無作物耕地(耕地1)。通過統(tǒng)計(jì)各地類的灰度均值(見表1)，從而得到相應(yīng)的地物光譜特征曲線，如圖1所示。

表1 典型地物亮度均值

圖1 不同地物亮度均值曲線

結(jié)合研究區(qū)地類灰度均值表和不同地物均值曲線圖可以看出耕地1和耕地2均在第1波段，與居民地、道路易于區(qū)分，與其他地類混淆。河流在第4波段與其他地類區(qū)分。水塘在第3波段與其他地類區(qū)分。草地與荒地在4個(gè)波段均與其他地類混淆，不易提取。道路在第1波段與居民地相近，與其他地類易于區(qū)分。居民地在第3波段均值最大，且與其他地類區(qū)分，易于提取。

2.2 影像融合

本次研究中的遙感影像融合屬于像素級(jí)融合，通過參考相關(guān)文獻(xiàn)，選擇主成分變換法、Brovey變換法、Subtractive法和Pansharp法[14]。影像融合過程均選擇ENVI5.0軟件，影像波段選擇Band3、Band2和Band1波段進(jìn)行組合，因?yàn)檫@3個(gè)波段組合后影像為自然色，更適合人眼的視覺習(xí)慣。同時(shí)，也利于之后通過人機(jī)交互解譯的方式獲取研究區(qū)農(nóng)業(yè)信息，從而利用這些信息對(duì)通過各種信息提取手段獲取的信息進(jìn)行精度驗(yàn)證，如圖2所示。

2.3 融合質(zhì)量評(píng)價(jià)

評(píng)價(jià)融合影像質(zhì)量采用基于視覺效果的定性分析和基于數(shù)理統(tǒng)計(jì)的定量分析。定性分析主要從視覺效果簡(jiǎn)單直觀地分析融合影像的光譜保真度和空間紋理特征[15]；定量分析從融合影像的光譜信息，紋理特征等方面進(jìn)行評(píng)價(jià)分析，減少評(píng)價(jià)的隨機(jī)性，使得評(píng)價(jià)更加科學(xué)全面[16]。定性評(píng)價(jià)主要借助專家經(jīng)驗(yàn)，從影像的清晰度、色彩、紋理等方面進(jìn)行評(píng)價(jià)，定量評(píng)價(jià)選擇相關(guān)系數(shù)和信息熵作為評(píng)價(jià)因子。相關(guān)系數(shù)反映融合后影像對(duì)原多光譜影像的光譜信息的保存能力。相關(guān)系數(shù)越高，保留原多光譜影像的光譜信息越多。信息熵反映了影像信息的豐富程度，融合影像的信息熵越大，表明融合后影像的信息量增加，所含信息越豐富，融合質(zhì)量越好，見表2。

綜合以上對(duì)不同融合算法融合影像進(jìn)行定性評(píng)價(jià)和定量評(píng)價(jià)分析，Pansharp法融合影像效果最好，融合后影像信息豐富、色彩正常、紋理清晰；其次是Subtractive算法，該算法融合影像定性指標(biāo)評(píng)價(jià)結(jié)果與Pansharp算法相近，但在定量評(píng)價(jià)中其信息熵值偏小；主成分變換法和Brovey變換法色彩存在偏差，紋理和清晰度均一般，其中Brovey變換法融合影像存在虛影。

圖2 高分二號(hào)全色波段與321組合波段影像及融合后影像

融合方法定性評(píng)價(jià)定量評(píng)價(jià)虛影色彩色彩反差清晰度亮度紋理相關(guān)系數(shù)最大值最小值信息熵主成分變換無偏紅中清晰正常清晰0．978450．8496311．126737Brovery變換有偏綠中清晰正常清晰0．2743690．7832181．31896Subtractive法無自然高較清晰正常較清晰0．7808910．9017170．785801Pansharp法無自然高較清晰正常較清晰0．72030．8374521．449562

3 研究方法

本次研究的信息提取方法是閾值法、波譜間關(guān)系法、非監(jiān)督分類法和面向?qū)ο蠓ǎr(nóng)業(yè)信息提取方法及具體實(shí)施過程如下：

(1) 閾值分割法是一種基于區(qū)域分割的圖像分割技術(shù)，它的基本原理是通過設(shè)定不一樣的特征閾值，將圖像的像素點(diǎn)分為若干類。由表2中的數(shù)據(jù)和圖1所示波譜間關(guān)系建立閾值法提取公式，其中，居民地：Band3gt;185；耕地2：Band4gt;220；水塘：Band2lt;35；河流：15lt;Band3lt;55；草地、道路和荒地?zé)o法通過閾值法進(jìn)行信息提取。

(2) 波譜間關(guān)系法：通過對(duì)波段間進(jìn)行運(yùn)算，可以增大不同地類之間的差異，從而達(dá)到提取目標(biāo)信息的目的，以耕地1為例，通過Band2與Band1進(jìn)行差值運(yùn)算，會(huì)發(fā)現(xiàn)差值后的影像，耕地1的灰度均值最大，利用公式Band2-Band1gt;40對(duì)研究區(qū)耕地1信息進(jìn)行提取。

(3) 非監(jiān)督分類法：也稱聚類分析。通過對(duì)研究區(qū)的分析，將研究區(qū)地類信息分為耕地、河流、水塘、草地、道路、居民地和荒地。

(4) 面向?qū)ο蠓ǎ築aatzM等[13]提出了面向?qū)ο蟮姆椒?，面向?qū)ο蟮牡匚镄畔⒎诸愄崛》椒ㄊ菍⒁粋€(gè)影像對(duì)象作為一個(gè)研究對(duì)象，并從影像的空間、紋理結(jié)構(gòu)、光譜等綜合信息出發(fā)對(duì)該影像對(duì)象進(jìn)行歸屬判定，即對(duì)象分類。此次研究使用的軟件為ENVI5.0，基于規(guī)則對(duì)影像進(jìn)行了分類，通過試驗(yàn)，其分割尺度為30，融合尺度為50，分類結(jié)果存儲(chǔ)格式為*.shp，研究區(qū)農(nóng)業(yè)信息提取結(jié)果如圖3所示。

4 精度驗(yàn)證

4.1 精度驗(yàn)證

本次研究中，通過閾值法提取了研究區(qū)的河流信息，通過譜間關(guān)系法提取了研究區(qū)耕地信息，通過非監(jiān)督分類法和面向?qū)ο蠓ㄌ崛×搜芯繀^(qū)土地利用信息全要素。為了驗(yàn)證信息提取精度，基于Pansharp融合影像，通過人機(jī)交互解譯法對(duì)研究區(qū)土地利用信息進(jìn)行提取，對(duì)于不同地類要素，分別選取300個(gè)驗(yàn)證點(diǎn)，用于作為驗(yàn)證地類信息提取精度的參考數(shù)據(jù)，表3中閾值法和譜間關(guān)系法只給出了單要素的提取精度，閾值法的單要素對(duì)象是河流，譜間關(guān)系法的單要素對(duì)象是耕地。不同方法提取信息精度詳細(xì)情況見表3。

4.2 結(jié)果分析

利用閾值法提取河流信息的結(jié)果中，河流與水深較深的水塘存在混淆情況，河流邊緣處存在信息缺失。譜間關(guān)系法提取的耕地為有作物耕地，部分水深較淺的水塘和部門無作物耕地與結(jié)果信息混淆，影響了有作物耕地信息的提取精度。非監(jiān)督分類法和面向?qū)ο蠓ㄊ菍?duì)研究區(qū)全要素進(jìn)行提取，非監(jiān)督分類法全要素信息精度偏低，其中河流和耕地信息提取精度也低于閾值法和譜間關(guān)系法。面向?qū)ο蠓ㄈ靥崛【壬锌?，河流信息精度低于閾值法，高于非監(jiān)督分類法，耕地信息精度介于譜間關(guān)系法和非監(jiān)督分類之間。

5 結(jié) 論

本文旨在基于高分二號(hào)進(jìn)行農(nóng)業(yè)信息的提取研究，分別運(yùn)用閾值法對(duì)研究區(qū)的河流信息進(jìn)行了提取，運(yùn)用譜間關(guān)系法對(duì)研究區(qū)的有作物耕地進(jìn)行了提取，運(yùn)用非監(jiān)督分類法和面向?qū)ο蠓▽?duì)研究區(qū)全要素信息進(jìn)行了提取，得到如下結(jié)論：閾值法對(duì)于提取單要素農(nóng)業(yè)信息具有速度快，原理簡(jiǎn)單的優(yōu)勢(shì)，不過其提取精度建立在目標(biāo)地類信息與其他地類信息均值易于區(qū)分的前提下。譜間關(guān)系法同樣只適用于單要素目標(biāo)信息的提取，并不適用于全要素信息的提取。非監(jiān)督分類法提取研究區(qū)農(nóng)業(yè)信息的優(yōu)勢(shì)在于原理簡(jiǎn)單，不需要對(duì)研究區(qū)農(nóng)業(yè)信息具有先驗(yàn)知識(shí)，但信息提取精度偏低，影響精度的因素主要有研究區(qū)地類信息復(fù)雜程度和遙感影像的光譜信息是否豐富等。面向?qū)ο蠓ɑ诿嫦驅(qū)ο笏枷?，運(yùn)用尺度概念，綜合考慮農(nóng)業(yè)信息在遙感影像上的紋理、顏色和形狀等因素，適用于提取研究區(qū)農(nóng)業(yè)全要素信息，其精度高但要求對(duì)研究區(qū)目標(biāo)農(nóng)業(yè)信息具有詳細(xì)的了解，包括目標(biāo)信息的顏色、紋理和形狀等要素，同時(shí)對(duì)于分割尺度和合并尺度的選擇也要通過多次試驗(yàn)才能確定，整個(gè)信息提取過程耗費(fèi)時(shí)間長(zhǎng)，且對(duì)信息提取人員專業(yè)知識(shí)要求高。

通過本次研究可知，基于GF2衛(wèi)星影像，不同信息提取方法適用于特定的農(nóng)業(yè)信息提取，對(duì)于今后利用GF2衛(wèi)星影像在農(nóng)業(yè)規(guī)劃、農(nóng)業(yè)調(diào)查、農(nóng)業(yè)災(zāi)害預(yù)測(cè)等方面具有一定的實(shí)際應(yīng)用意義，同時(shí)，對(duì)于基于GF2衛(wèi)星高空間分辨率影像和高光譜數(shù)據(jù)進(jìn)行精細(xì)農(nóng)業(yè)信息的提取具有一定的參考和借鑒意義。

[1] 王鵬.汾河流域生態(tài)環(huán)境質(zhì)量評(píng)價(jià)與分析[D].太原：太原理工大學(xué)，2011.

[2] 史舟，梁宗正，楊媛媛，等.農(nóng)業(yè)遙感研究現(xiàn)狀與展望[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(2):247-260.

[3] 王紀(jì)華，李存軍，劉良云，等.作物品質(zhì)遙感監(jiān)測(cè)預(yù)報(bào)研究進(jìn)展[J].中國(guó)農(nóng)業(yè)科學(xué)，2008，41(9):2633-2640．

[4] 李小文，王祎婷.定量遙感尺度效應(yīng)芻議[J].地理學(xué)報(bào)，2013，68(9):1163-1169.

[5] 易鳳佳，李仁東，常變?nèi)?，? 面向?qū)ο蟮那鹆陞^(qū)水田遙感識(shí)別方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(11)：186-193.

[6] 李曉文，方精云，樸世龍. 近10 年來長(zhǎng)江下游土地利用變化及其生態(tài)環(huán)境效應(yīng)[J]. 地理學(xué)報(bào)，2003，5(58)：659-667.

[7] 尚松浩，蔣磊，楊雨亭.基于遙感的農(nóng)業(yè)用水效率評(píng)價(jià)方法研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(10):81-92.

[8] 付碧玉，馬友華，吳靚，等.遙感在農(nóng)業(yè)面源污染中的應(yīng)用研究[J].中國(guó)農(nóng)學(xué)通報(bào)，2015，31(5):182-188.

[9] 苑慧麗，馬榮華，李吉英.一種平原區(qū)園地遙感信息提取的新方法[J].中國(guó)科學(xué)院大學(xué)學(xué)報(bào)，2015，32(3):342-348.

[10] 趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京:科學(xué)出版社，2003.

[11] 周成虎，駱劍承，楊曉梅，等.遙感影像地學(xué)理解與分析[M].北京:科學(xué)出版社，1999．

[12] 彭望琭.遙感概論[M].北京：高等教育出版社，2002.

[13] BAATZ M，SCHAPE A. Object-oriented and Multi-scale Image Analysis in Semantic Networks[C]∥Proc of the 2nd International Symposium on Operationalization of Remote Sensing.[S.l.]:Enschede ITC,1999.

[14] 李霖，佘夢(mèng)媛，羅恒.ZY-3衛(wèi)星全色與多光譜影像融合方法比較[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30(16):667-672.

[15] PADWICK C，PACIFIC F，SMALLWOOD S，et al.WorldView2 Pansharpen[C]∥ASPRS 2010 Annual Conference. [S.l.]: San Diego，2010.

[16] 陳雪洋，袁超. ZY-1 02C衛(wèi)星影像融合方法評(píng)價(jià)[J].測(cè)繪與空間地理信息，2013，36(2):50-53.

[17] 唐海蓉，吳一戎，向茂生，等.Landsat7圖像快速幾何校正方法研究[J].遙感學(xué)報(bào)，2005，9(1):58-63.

ComparisonandAnalysisofAgriculturalInformationExtractionMethodsBaseduponGF2SatelliteImages

LI Peng1，YU Hu2，WANG Peng3，LI Kaiyuan4

(1. Institute of Mapping and Geographic Science, Liaoning Technical University， Fuxin 12300,China; 2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China; 3. Shanxi Jia Hao Mapping Group Ltd， Taiyuan 030009, China; 4. College of Mining Engineering, Taiyuan University of Technology, Taiyuan 030024, China)

The study chooses 0.8 m panchromatic /3.2 m multi spectral resolution GF2 remote sensing image as the basic data. Information extraction processes and methods based upon GF2 resolution satellite images are compared and analyzed. In order to obtain spectral characteristics of different types of information, the spectrum of GF2 satellite image is analyzed. Then, the spectral and spatial information of remote sensing images are fused. Furthermore, the study compared quality evaluation of different fusion methods. Then, the study makes the agricultural information extraction experiments by using the threshold, the relationship between the spectral method, unsupervised classification and object-oriented method. The paper also verifies the accuracy of information extraction results and takes results analysis. Tests showed that Pansharp fusion algorithm was the best method among these methods, it has the advantage of normal color image, no ghost, high definition, class contrast to normal, clear texture, high entropy, high correlation coefficient of fusion images and the original multispectral images. Threshold and spectral relations method applies to extract a single element of agricultural information. Unsupervised classification method is suitable for obtaining land use in the study area quickly and preliminarily. The method of object-oriented has the high precision for whole information extracted. Overall, the different information extracted method has its own advantages. In practical, the people can select the best method according to the spectral characteristics of the class.

agricultural information; GF2 satellite; spectrum analysis; image fusion; information extraction; object-oriented

P237

A

0494-0911(2017)01-0048-05

李鵬，虞虎，王鵬,等.基于GF2號(hào)衛(wèi)星影像的農(nóng)業(yè)信息提取方法對(duì)比分析[J].測(cè)繪通報(bào)，2017(1)：48-52.

10.13474/j.cnki.11-2246.2017.0011.

2016-02-16；

2016-09-23

國(guó)家科技支撐計(jì)劃(2014BAL07B02)

李 鵬(1987—)，男，博士生，主要從事GIS空間分析、遙感影像信息識(shí)別與提取等方面的研究。E-mail：gislipeng@126.com

虞 虎