多源卫星数据的农用地膜信息提取

doi:10.13474/j.cnki.11-2246.2018.0215

测绘通报 ›› 2018, Vol. 0 ›› Issue (7): 78-82.doi: 10.13474/j.cnki.11-2246.2018.0215

多源卫星数据的农用地膜信息提取

李佳雨^1,2, 王华斌^1,2, 王光辉², 翟浩然², 韩旻^1,2, 程前^1,2

1. 辽宁工程技术大学, 辽宁阜新 123000;
2. 国家测绘地理信息局卫星测绘应用中心, 北京 100048

收稿日期:2017-09-04 出版日期:2018-07-25 发布日期:2018-08-02
作者简介:李佳雨(1992-),男,硕士生,主要从事遥感影像地物提取及生态研究工作。E-mail:sas_ljy@163.com
基金资助:
国家重点研发计划（2016YFB0501403）

Plastic-mulched Farmland Extraction with Multi-source Satellite Data

LI Jiayu^1,2, WANG Huabin^1,2, WANG Guanghui², ZHAI Haoran², HAN Min^1,2, CHENG Qian^1,2

1. Liaoning Technical University, Fuxin 123000, China;
2. Satellite Surveying and Mapping Application Center, Beijing 100048, China

Received:2017-09-04 Online:2018-07-25 Published:2018-08-02

摘要/Abstract

摘要： 地膜的大量应用使得我国农业生产力快速发展，随着使用量的逐年增长，其对环境的影响已经不容忽视。遥感影像分类技术是农用地膜监测的重要方法。本文基于FSO特征优选和面向对象随机森林分类方法，利用光谱、几何、纹理等特征设计多组试验方案，使用资源三号与Landsat卫星融合影像对甘肃中部地区进行了农用地膜提取。试验结果表明：①多特征融合方法的地膜信息提取精度明显高于单一特征提取方法；②采用FSO特征优选的试验方案的总体分类精度和Kappa系数分别达到90.2%和0.877，明显高于其他方案。这说明特征优选方法在降低特征空间维度的同时减少了特征干扰，有效提升了分类精度。

关键词: 地膜, 面向对象, 特征优选, 随机森林

Abstract: The rapid development of agricultural productivity has been driven by the extensive use of plastic-mulched farmland (PMF).With the increase of PMF usage year by year,its influence on environment cannot be ignored.Remote sensing image classification is an important method for PMF monitoring.Based on FSO feature selection and object-oriented random forest classification method,several sets of experimental schemes were designed using the characteristics of spectrum,geometry and texture,etc.PMF extraction was carried out in the middle area of Gansu province with the sharpening image of ZY-3 and Landsat 8 OLI data.The experimental results show that the extraction accuracy of multi-feature sharpening method is higher than that of single-feature extraction method. The overall accuracy and Kappa coefficients of the experimental scheme using FSO feature optimization are 90.2% and 0.877,respectively,which is obviously higher than other schemes.It indicates that the feature interference is decreased by the feature optimization method while feature space dimension is reduced,and the classification accuracy is improved.

Key words: plastic-mulched farmland, object-oriented, feature selection, random forest

中图分类号:

P237

李佳雨, 王华斌, 王光辉, 翟浩然, 韩旻, 程前. 多源卫星数据的农用地膜信息提取[J]. 测绘通报, 2018, 0(7): 78-82.

LI Jiayu, WANG Huabin, WANG Guanghui, ZHAI Haoran, HAN Min, CHENG Qian. Plastic-mulched Farmland Extraction with Multi-source Satellite Data[J]. 测绘通报, 2018, 0(7): 78-82.

参考文献

[1] 严昌荣,刘恩科,舒帆,等.我国地膜覆盖和残留污染特点与防控技术[J].农业资源与环境学报,2014,31(2):95-102.
[2] 严昌荣,梅旭荣,何文清,等.农用地膜残留污染的现状与防治[J].农业工程学报,2006,22(11):269-272.
[3] 庞治国,蔡静雅.遥感影像发展趋势及其在农业中的应用[J].测绘通报,2017(7):45-48.
[4] TARANTINO E,FIGORITO B.Mapping Rural Areas with Widespread Plastic Covered Vineyards Using True Color Aerial Data[J].Remote Sensing,2012,4(7):1913-1928.
[5] LU L,DI L,YE Y.A Decision-tree Classifier for Extracting Transparent Plastic-mulched Landcover from Landsat-5 TM Images[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing,2014,7(11):4548-4558.
[6] LU L,HANG D,DI L.Threshold Model for Detecting Transparent Plastic-mulched Land Cover Using Moderate-resolution Imaging Spectroradiometer Time Series Data:a Case Study in Southern Xinjiang,China[J].Journal of Applied Remote Sensing,2015,9(1):097094.
[7] HASITUYA,CHEN Z,WANG L,et al.Monitoring Plastic-mulched Farmland by Landsat-8 OLI Imagery Using Spectral and Textural Features[J].Remote Sensing,2016,8(4):353.
[8] HASITUYA,CHEN Z.Mapping Plastic-mulched Farmland with Multi-temporal Landsat-8 Data[J].Remote Sensing,2017,9(6):557.
[9] 翟亮,张晓贺,桑会勇,等.面向地理国情普查的地表覆盖分类技术与试验[J].遥感信息,2014(4):71-75.
[10] DENG Y,KENNEY C,MOORE M S,et al.Peer Group Filtering and Perceptual Color Image Quantization[C]//IEEE International Symposium on Circuits and Systems.[S.l.]:IEEE,1999:21-24.
[11] 王更,王光辉,杨化超.融合颜色-纹理模型的均值漂移分割算法[J].测绘科学,2015,40(8):108-112.
[12] BREIMAN L.Random Forests[J].Machine Learning,2001,45(1):5-32.
[13] 郭玉宝,池天河,彭玲,等.利用随机森林的高分一号遥感数据进行城市用地分类[J].测绘通报,2016(5):73-76.
[14] WOLPERT D H,MACREADY W G.An Efficient Method to Estimate Bagging's Generalization Error[J].Machine Learning,1999,35(1):41-55.
[15] BREIMAN L.Bagging Predictors[J].Machine Learning,1996,24(2):123-140.

多源卫星数据的农用地膜信息提取

Plastic-mulched Farmland Extraction with Multi-source Satellite Data

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	董迪, 魏征, 曾纪胜. 1995—2019年北莉岛人工水产养殖遥感监测[J]. 测绘通报, 2022, 0(7): 1-6.
[2]	吕峥, 孙群, 温伯威, 马京振. 一种自身全局最优的道路网Stroke生成方法[J]. 测绘通报, 2022, 0(7): 93-99.
[3]	罗鸿, 廖雨, 杨存建. 基于高分影像的乡村聚落提取与空间重构[J]. 测绘通报, 2022, 0(6): 62-65,92.
[4]	郁宗桥, 王育红, 刘文宋, 左雨芳, 冯锋. 顾及GF-3影像纹理特征的洪涝范围提取方法[J]. 测绘通报, 2022, 0(5): 26-31.
[5]	窦世卿, 陈治宇, 徐勇, 郑贺刚, 苗林林, 宋莹莹. 基于多特征融合与典型降维方法的高光谱影像分类[J]. 测绘通报, 2022, 0(4): 32-36,50.
[6]	丁永辉, 张勤, 杨成生, 王猛, 丁辉. 基于高分遥感的金沙江流域滑坡识别——以巴塘县王大龙村为例[J]. 测绘通报, 2022, 0(4): 51-55.
[7]	冯志立, 肖锋, 卢小平, 郝波, 王如意, 朱睿. 基于随机森林特征优选的冬小麦分类方法[J]. 测绘通报, 2022, 0(3): 70-75.
[8]	王晓晓, 韩留生, 杨骥, 李勇, 张大富, 孙广伟, 范俊甫. Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取[J]. 测绘通报, 2022, 0(3): 111-115.
[9]	崔青林, 汪鸣泉, 黄永健. 融合随机森林模型和6种水体指数的上海市水体信息提取[J]. 测绘通报, 2022, 0(2): 106-109.
[10]	高雨, 胡召玲, 樊茹. 高分辨率影像融合算法对滨海湿地土地利用分类精度的影响[J]. 测绘通报, 2022, 0(1): 116-120.
[11]	李军, 桑潇, 张成业, 赵伟, 刘新华, 王宏鹏, 王金阳, 李佳瑶, 杨颖. 资源型城市长时间序列土壤含水量变化分析——以锡林浩特市为例[J]. 测绘通报, 2021, 0(7): 17-22,38.
[12]	刘茂华, 李曼雯. 融合高分影像和LiDAR数据的城市道路提取[J]. 测绘通报, 2021, 0(6): 1-5,60.
[13]	陈磊士, 高霞霞, 廖玉芳, 邓剑波, 周碧. 基于CART决策树的高分二号洞庭湖区湿地分类方法[J]. 测绘通报, 2021, 0(6): 12-15.
[14]	聂倩, 七珂珂, 赵艳福. 融入超像素分割的高分辨率影像面向对象分类[J]. 测绘通报, 2021, 0(6): 44-49.
[15]	古春霞, 李大成. 时空融合技术在区域地表覆盖时序分类中的应用[J]. 测绘通报, 2021, 0(5): 20-24.