基于多時(shí)相多元數(shù)據(jù)的煙田分布信息遙感監(jiān)測方法

1、基于多時(shí)相多元數(shù)據(jù)的煙田分布信息遙感監(jiān)測方法高歌，劉小林，蘇立紅（陜四國土測繪工程院四安710054）摘要：我國煙草產(chǎn)lx:主耍集屮在云獻(xiàn)河砌、貨州、湖砌一帶，如何商效地提取煙田而積對于提商煙葉管刑 水y十分必要。木文根據(jù)煙區(qū)典艱作物光聘特征曲線，紋現(xiàn)倍息，不同時(shí)間序列光濟(jì)特征差異等的埜礎(chǔ)上， 提出基于多時(shí)相多元數(shù)據(jù)提取煙川分布數(shù)據(jù)，鉍后利w輔助數(shù)據(jù)和gps實(shí)地測量數(shù)據(jù)進(jìn)打核劣糾正，翻比 較理想的結(jié)果稍度。該方法叫以為煙iii信息監(jiān)測提供參考，也4以為相似地區(qū)jt它作物分亦信息提取提供借 鑒。關(guān)鍵詞：煙h1分布；多時(shí)相；多元數(shù)據(jù)；tm影像；spot影像tobacco field distrib

2、ution information extraction based on multi-temporal and multiple remote sensing datagao ge，liuxiaoiin，sulihong(shaanxi institute of surveying and mapping of land，xian )abstracts: chinas tobacco-producing areas distributed mainly in those provinces such as yunnan, henan，guizhou，hunan and so on, it i

3、s necessary to efficiently extract tobacco field area for improving the level of tobacco management.based on a typical crops' spectral characteristic curves， tobacco% texture information，multi-temporal sequence differences in the spectral characteristics， finally using auxiliary data and gps fie

4、ld surveying data to verify the corrected data. the result indicated that extraction is reliable. this method can provide a reference for tobacco information monitoring, also can be used to monitor other crops spatial distribution in similar mountainous areas.key words: tobacco field distribution; m

5、ulti-temporal data; multiple remote sensing data; tm;spot1引言5草是重耍的經(jīng)濟(jì)作物，是國家和地方財(cái)稅的重耍經(jīng)濟(jì)來源。煙草種枬而積和產(chǎn)量是國 家宏觀管理和決策的重要經(jīng)濟(jì)信息，是管理者指導(dǎo)煙草生產(chǎn)，優(yōu)化布局，優(yōu)化種煙田地，優(yōu) 化種煙農(nóng)戶，實(shí)現(xiàn)規(guī)范化、規(guī)?；N植的重要依裾，同吋也足維護(hù)國家、企業(yè)、煙農(nóng)三者利 益的根木所在。只冇及時(shí)、準(zhǔn)確掌握煙葉種植側(cè)積，才能夠充分發(fā)揮政府部門管理煙草市場 的職能作嚴(yán)格按國家計(jì)劃組織生產(chǎn)，奮效控制煙葉種植面積，更好的維護(hù)好我國的煙草 市場秩序。遙感技術(shù)具冇快速、準(zhǔn)確、低成本和高效率的特點(diǎn)，在煙草作物監(jiān)測中發(fā)揮了

6、重要作用。 煙草種楨刖積的遙感監(jiān)測進(jìn)一步加強(qiáng)了對煙草種梢的管理，冇效地帶動煙草行業(yè)信息化，提 高行業(yè)宏觀決策能力和生產(chǎn)管理水平，促進(jìn)煙草行業(yè)現(xiàn)代化建設(shè)，冇利于實(shí)現(xiàn)我國煙草生產(chǎn) 持續(xù)穩(wěn)定協(xié)凋健康發(fā)展。2基本原理2j煙草的光譜特性采川asd光譜儀野外實(shí)地測呈得到的云煙85梢株冠層的反射波譜曲線如圖1所示。烤 煙植株冠層的反射光譜在各個(gè)波段的主要特征表現(xiàn)如下：1） 400-490nm波段的反射波譜曲線 具冇很平緩的形狀和很低的數(shù)值，平均反射率一般不超過10°%; 2） 490-600mn波段的反射波 譜曲線具杏波峰的形態(tài)和屮等的反射率數(shù)值（人多數(shù)在8-28%之叫）；3）在550nm波長處

7、又是楨物吸收率的一個(gè)谷值，而透射率在此波長處為一峰值；4）在600-700 nm波段的反射 波譜曲線具有波谷的形態(tài),并具有很低的反射率值;5） 720-740 nm波段有水的弱吸收，但被 梢物反射率的急劇增卨所掩蓋，迕曲線形態(tài).h沒冇明w的反映，此波段的主要特征足反射率 急劇上介，曲線具有陡而接近直線的形態(tài)；6） 750-900 nnv波段具有波動起伏的形態(tài)和高反射 率的數(shù)值，植物在此波段的透射率亦相當(dāng)高，而吸收率極低。2.2tm影像典型農(nóng)作物的光譜特征分析研究區(qū)的主要種植的作物有水稻、玉米、小麥、烤煙、甘蔗等，其他農(nóng)作物種植規(guī)模相 對較小，主要類型有葡萄、石榴、三七、蔬菜、柑桔等。水稻、玉米

8、、烤煙、甘蔗等主要農(nóng)作物在tm上的影像特征如圖2所示。由圖2可知，成長期的烤煙與玉米在光諾特征上十分 相似，無法單從作物的葉片光譜特征來識別烤煙與玉米。但研究區(qū)移栽期烤煙與其他作物在使川地膜的吋間上存在較人差異。云南烤煙移栽吋間 一般從4/1卜句開始到5月卜*句企部結(jié)火?？緹熞圃詴r(shí)基本都耍複蓋地膜，以搶抓有效積溫、 實(shí)現(xiàn)早?？彀l(fā)、提島煙葉內(nèi)在質(zhì)量，地膜的存在為煙ih種植面積的遙感監(jiān)測提供了極為宥利 的條件?？緹煹囊圃云陂g基本沒有m樣需要覆蓋地膜的其他作物，地膜與烤煙葉片及耕地形 成的混合光i普的光譜特征與其他地物存在明顯的差異，冇利于烤煙種楨地塊的遙感分類和解 譯。因此移栽期煙田地膜與烤煙葉片

9、及耕地形成的混合光譜可以成為識別烤煙種梢地塊的重 要特征。兒年來的實(shí)踐也證明了這一點(diǎn)。x/nrn圖1云煙85植株冠光譜反射曲線圖2典型農(nóng)作物的tm影像光譜曲線fig.l canopy spectral curves of yunyan-85fig.2 spectral curve of typical crops2.3煙田紋理信息分析野外實(shí)際調(diào)研的結(jié)果得知，煙ih跟玉米，水稻等農(nóng)作物浞種不多吋，它的種植溝壟很整 齊，在商分辨率影像上能表現(xiàn)出較淸楚的紋理信息，如圖3。因此在提取煙ih吋，地塊屮影像 的紋理對煙111的判定有秉要參考價(jià)值。影像中的煙111紋理信息與煙葉光譜特征結(jié)合起來進(jìn)行 分類，是

10、提取煙ih重要的一步，可幫助提高分類的準(zhǔn)確性，提高煙提取的精度。a整齊的煙田溝壟實(shí)地閣jvb影像上淸楚的紋理特征c整齊的煙m地膜實(shí)地圖片d影像上淸楚的紋現(xiàn)特征圖3煙田的紋理特征 fig.3 texture of tobacco fields2.3烤煙獨(dú)特的時(shí)間序列光譜曲線特征烤煙秧苗移栽前p各個(gè)時(shí)期的地表覆蓋類型依次是：烤煙前茬作物烤煙移栽前的裸地 烤煙移栽后覆蓋地膜的煙烤煙成長期的煙田，該時(shí)間序列光譜曲線與其他農(nóng)作物的吋 間序列光譜曲線存在明顯差異，并h烤煙秧衍的移栽期間某本沒冇同樣需要覆蓋地膜的其他 作物，因此基于烤煙獨(dú)特的吋間序列光譜曲線特征，可利用多個(gè)時(shí)相的遙感數(shù)據(jù)，以煙hi地膜為主要

11、識別特征對烤煙的種植情況進(jìn)行監(jiān)測。如閣4中，煙田地塊和非煙iii地塊在烤煙前茬作物吋段和烤煙成長期時(shí)段在tm光譜上十分相近，而在烤煙移栽前裸地時(shí)段和烤煙移栽后覆蓋地膜時(shí)段兩種的光譜存在w.著差異，圖4煙田地塊tm時(shí)間序列光譜曲線 fig.4 time series plots spectral curve of tm image of tobacco3煙草遙感監(jiān)測技術(shù)方法 3.1煙草遙感監(jiān)測技術(shù)流程gps數(shù)據(jù)多吋相tm影像5 米 spot全色影像煙田基 礎(chǔ)數(shù)據(jù)輻射、幾何校正demil:射校正訓(xùn)練樣本影像融介結(jié)果驗(yàn)證多時(shí)相遙感分類煙m分 類結(jié)果高分辨率影像解譯判讀核查糾正土地利用現(xiàn)狀圖煙田種植適

12、宜區(qū)分布土壤類型圖道路河流dem,坡度煙田遙感監(jiān)測令間分如圖圖5遙感影像提取煙田分布信息流程圖fig.5 flow chart of tobacco fields spatial distribution information extraction本文基干多時(shí)扣多元數(shù)據(jù)和拷煙獨(dú)特時(shí)間序列光譜曲線特征為基礎(chǔ)、以烤煙秧ffl移栽時(shí) 地脫與烤煙葉片及耕地形成的浞合光譜為主要煙田識別特征，以在高分辨率影像上煙田獨(dú)柯 的紋理特征和相關(guān)地現(xiàn)竹景信息為輔助因子的煙草種楨面積遙感監(jiān)測綜合解譯技術(shù)方法。具 體流程如圖5所示，乂鍵在于選取價(jià)當(dāng)時(shí)期的遙感圖像以反映岀各個(gè)時(shí)期的土地覆盈特征， 重點(diǎn)突岀煙田地膜的光譜

13、特/?:, a此基礎(chǔ)上運(yùn)用多時(shí)相遙感1冬i像分類方法，結(jié)合利用5m的高 空間分辨率spot-5影像作為煙田地塊的地理底閣以限定煙田地塊的準(zhǔn)確位置,綜合考慮煙田 與其他作物宥明顯差異的紋理特征以及現(xiàn)宥多種地理背景信息（如地形圖、土地利川現(xiàn)狀圖、 煙田種楨適宜區(qū)分布亂上壤類型圖、道路、河流等），結(jié)合一定數(shù)量的gps野外實(shí)地采集 的樣區(qū)進(jìn)行核查糾正，有效提取煙草種椬iii塊。3.3煙田分布信息的提取光譜角制圖（spectral angle mapper, sam）足一種圖像波譜與地物像元波譜或波譜庫中地 物波譜相匹配的分類技術(shù)。光譜角分類法以運(yùn)算影像像元光譜與樣本參考光譜之間的夾角來 區(qū)分類別。光譜

14、角分類方法的原理是：把光譜作為矢景投影到n維空間上，m: n維數(shù)為試 驗(yàn)時(shí)選取的所有波段數(shù)。n維空間中，各光譜曲線被看作有方a有長度的矢量，而各光譜之 閩形成的夾角叫作光譜角，光譜角越小則兩者的光譜相似性越人。光譜角分類法考慮的是光譜 矢跫的方向而非光譜矢跫的k度。由于光譜欠量的長度關(guān)聯(lián)到影像亮度，而光譜角分類法對 亮度值的影響丼不敏感。所以當(dāng)計(jì)算影像光譜角的時(shí)候，光譜角分類方法僅僅需要光譜矢景 的方向而不關(guān)注影像本身的亮度。光譜角分類法的結(jié)果是生成一系列的光譜角度閣像。在一定光譜角角度允許的范闇內(nèi)每 個(gè)角度圖像對應(yīng)一個(gè)類型組分像元，即每個(gè)像元在光譜相似性上宥可能對應(yīng)于被指定的一個(gè) 樣木參考光

15、譜允度值（光譜曲線值），如果被測像元光譜與所有參考光譜之間的角度超出允許范 圍，此像元被歸為未分類，乂叫無值類別。光譜角度越小，被佔(zhàn)計(jì)像元的光譜曲線與參考光 譜曲線就越相似，表現(xiàn)在兩者之間的地物特性上也越相似，歸類的概率和精度就越窈。在n 維空間上，光譜角分類方法也可以以數(shù)學(xué)公式的形式來獲得估計(jì)像元光譜矢景與參考光譜矢 量之間的角度，其光譜角的數(shù)學(xué)表達(dá)式為： 其中：a為影像像元光譜與參考光譜之間的夾角（光譜角）；x為影像像元光譜曲線矢m; y為 參考光諾曲線矢fi。6z = cosatvs（）2e（y）2光譜角值以很小的a弧度角來表示，它代表了光譜曲線之間大部分的光譜和似性。a弧度 角由決定，

16、其變化范圍是0，ti/2。上則的等式也可以用cosct的形式表達(dá)，如公式2,在 這種情況不，當(dāng)cosa的值接近1的吋候有最好的估計(jì)光譜值和類別分類結(jié)果。cos6t =at2(2)下面以云南紅河菜地區(qū)的煙ih為例，基于多時(shí)和遙感數(shù)據(jù)形成的烤煙獨(dú)特時(shí)間序列光譜 曲線，以煙田地脫為主要煙田識別特征，利用光譜角制閣方法對烤煙種拉煙田進(jìn)行遙感提取。a煙田4月份tm影像b煙田5月份tm影像圖6煙田兩個(gè)不同時(shí)相tm影像 fig.6 two different periods of tm images of tobacco fields試驗(yàn)區(qū)位于紅河州石屏縣龍朋鎮(zhèn)，分別利用4刀份和年5刀份兩個(gè)時(shí)相的tm影像（

17、如 圖6）川于比較分析和吋間序列光譜角制圖。巾圖6可以看出，4川分tm的rgb743合成影 像中較亮的粉紅色裸地部分在5川分tm的rgb743影像已經(jīng)變?yōu)榈{(lán)色，這種淡藍(lán)色是烤 煙移栽后，煙田地膜與烤煙煙茁移栽耕地所形成的混合光譜的顏色，足識別煙田的重要標(biāo)志。4月份和5月份tm影像經(jīng)過輻射校正，將各個(gè)地物的輻射亮度校:ll:到實(shí)際值，從而使得 不同時(shí)相的tm影像地物光譜曲線之間具冇nr七性。煙田兩個(gè)不向時(shí)相tm光諧曲線如罔7 所示，由圖7可以看出,煙田和裸地在4月份的光譜曲線上是類似的,而在5月份的光譜曲 線上存在很大差異，蕋于這種光譜差異可以提取煙田信息。由于林地在4刀份和5 /份兩個(gè) 吋段

18、的變化情況不人，反映在吋間序列光譜ilh線上，w種也十分相似，因此林地等其他地物 變化不大的地類對菽于時(shí)間序列的煙田提取不會造成影響。圖7煙田兩個(gè)不同時(shí)相tm光譜曲線 fig.7 two different periods tm spectral curves of tobacco field將經(jīng)過兒何精確校正和配準(zhǔn)的4月份和5月份的tm圖像的各個(gè)波段（tm6除外）按吋 間先后重新疊置組合在一起，形成類似與高光譜一樣的吋間序列多光譜圖像。在煙田區(qū)域采 集數(shù)條吋間序列光譜曲線，丼求得乎均值，得到煙hi的吋問序列乎均光譜llll線，基于這條光 譜曲線作為煙田地物波譜樣本，在envi4.8中利用光譜

19、角制閣sam工m進(jìn)行煙田提取，通 過j l次試驗(yàn)比較得出最人光譜角的閾值。a光譜角制閣煙m提取結(jié)果柵格圖b光譜角制圖煙田提取結(jié)果矢雖圖圖8光譜角制圖煙田提取結(jié)果fig.8 tobacco field distribution extraction results by sam method對光譜角制圖煙nl提取結(jié)果進(jìn)行majority鄰域運(yùn)總，去除細(xì)小圖斑，得到煙ih提取結(jié)果 柵格罔（如圖8a）。然p將煙田提取結(jié)果柵格數(shù)裾轉(zhuǎn)換成矢3數(shù)裾，轉(zhuǎn)換時(shí)耑耍通過試驗(yàn)比 較確定最佧轉(zhuǎn)換參數(shù)，并對矢m結(jié)果進(jìn)行線條平滑處理，得到光譜角制閣煙ih提取結(jié)果矢 圖（如閣8b）。3.4分類后處理與核查糾正將tm影像與

20、5m窄間分辨率的spot-5影像進(jìn)行融合，融合罔像作為煙田地塊的地理底 圖（如圖10a）,用以準(zhǔn)確描述煙田地塊的邊界,用tm的多光譜信息判讀煙田的有無,利用 紋理特征以及多種煙hi地理背景倌息（如地形閣、土地利用現(xiàn)狀閣、煙hi種植適立區(qū)分介閣、 土壤類型圖、道路、河流等）等和關(guān)數(shù)據(jù)，結(jié)合一定數(shù)量的野外gps實(shí)地調(diào)查（如圖9）,運(yùn)川 人工目視判瀆對光譜角制圖提取的煙ih信息進(jìn)行核查和糾正，確保煙ih遙感監(jiān)測的精度。最 后，給每個(gè)煙田地塊賦予地塊的所屬鄉(xiāng)鎮(zhèn)的行政編號、名稱及其他相矢屬性字段，得到最終 的煙田空間分布矢量圖（如圖10b）?？h市樣區(qū)形狀樣地翅gps面 積廟田塊位置02100701費(fèi)煙田

21、紅大最東點(diǎn):103° 52' 37.27* e, 24° 407 8.89" n 最西點(diǎn):103° 52' 15.97* e， 24° 39z 52.05" n 最南點(diǎn):103° 52' 16.71* e， 24° 39' 51.68" n 最北點(diǎn):103° 52' 22.57* e， 24° 4(/ 23.14" n404瀘西縣白 水鏑黒龍 村委02100702煙田紅大最東點(diǎn)：103° 50' 49.32* e, 24° 37z 58.99" n 最西點(diǎn):103" 50' 1.87* e, 24° 387 19.6* h 最南點(diǎn)：