Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取

doi:10.13474/j.cnki.11-2246.2022.0087

测绘通报 ›› 2022, Vol. 0 ›› Issue (3): 111-115.doi: 10.13474/j.cnki.11-2246.2022.0087

Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取

王晓晓¹, 韩留生^1,2, 杨骥², 李勇², 张大富¹, 孙广伟¹, 范俊甫¹

1. 山东理工大学建筑工程学院, 山东淄博 255000;
2. 广东省科学院广州地理研究所, 广东广州 510070

收稿日期:2021-04-09 修回日期:2021-12-31 出版日期:2022-03-25 发布日期:2022-04-01
通讯作者: 韩留生。E-mail:hanls@sdut.edu.cn
作者简介:王晓晓(1996-),女,硕士生,主要研究方向为农业遥感。E-mail:321434070@qq.com
基金资助:
广东省科学院建设国内一流研究机构行动专项(2019GDASYL-0103003);国家重点研发计划(2017YFB0503500);广东省引进创新创业团队项目(2016ZT06D336);广东省科学院实施创新驱动发展能力建设专项(2019GDASYL-0301001);广东省遥感与地理信息系统应用重点实验室开放基金(2017B030314138);山东省自然科学基金(ZR2020MD018;ZR2020MD015);山东理工大学青年教师支持计划(4072-115016)

Extraction of multi-feature winter wheat area based on Sentinel-2 and Landsat 8 data

WANG Xiaoxiao¹, HAN Liusheng^1,2, YANG Ji², LI Yong², ZHANG Dafu¹, SUN Guangwei¹, FAN Junfu¹

1. School of Civil Architectural Engineering, Shandong University of Technology, Zibo 255000, China;
2. Guangzhou Institute of Geography, Guangdong Academy of Sciences, Guangzhou 510070, China

Received:2021-04-09 Revised:2021-12-31 Online:2022-03-25 Published:2022-04-01

摘要/Abstract

摘要： 遥感卫星的波段设置、信噪比及传感器观测角度等因素都会影响作物提取精度。为充分挖掘与发挥Sentinel-2卫星多光谱成像仪(MSI)与Landsat 8陆地成像仪(OLI)在冬小麦信息提取方面的优势,本文以商河县为研究区,基于两数据源的光谱特征、纹理特征、植被指数特征组合数据,利用随机森林(RF)与支持向量机(SVM)对冬小麦进行提取。结果表明:基于单一影像的最优Kappa系数与最优OA分别为0.89和95.13%,基于组合数据源的最优Kappa系数为0.92,最优OA为95.28%,两数据源组合的精度优于单一数据源提取精度;数据组合效果与分类器的性能有关,RF的Kappa系数相对于SVM分别提升0.04、0.20和0.11,OA分别提升2.41%、11.31%和6%,RF对冬小麦提取精度优于SVM。本文研究结果对于构建中高分辨率影像组合的典型农作物分类提取体系具有重要意义。

关键词: Landsat 8;Sentinel-2;多特征;冬小麦提取;随机森林;支持向量机

Abstract: Remote sensing satellite band setting,signal to noise ratio and sensor observation angle will affect the accuracy of crop extraction.In order to fully tap the advantages of Sentinel-2 satellite multispectral instrument and Landsat8 land imager in winter wheat information extraction.this study takes Shanghe County as the research area.Based on the combination data of spectral characteristics,texture characteristics and vegetation index characteristics of the two data sources,random forest classification and support vector machine are used to extract winter wheat.Experiments show that the optimal Kappa coefficient and optimal OA based on a single image are 0.89 and 95.13%,respectively.The optimal Kappa coefficient based on the combined data source is 0.92 and the optimal OA is 95.28%.The accuracy of the combination of two data sources is better than that of the single data source.The data combination effect is related to the performance of the classifier.The kappa coefficient of RFC is increased by 0.04,0.20 and 0.11 compared with SVM,and OA is increased by 2.41%,11.31% and 6%,respectively.The extraction accuracy of RF for winter wheat is better than that of SVM.This study is of great significance for constructing a typical crop classification and extraction system based on medium-high resolution image combination.

Key words: Landsat 8;Sentinel-2;multiple features;wheat extraction;RF;SVM

中图分类号:

P237

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.

WANG Xiaoxiao, HAN Liusheng, YANG Ji, LI Yong, ZHANG Dafu, SUN Guangwei, FAN Junfu. Extraction of multi-feature winter wheat area based on Sentinel-2 and Landsat 8 data[J]. Bulletin of Surveying and Mapping, 2022, 0(3): 111-115.

参考文献

[1] 张爱武,张帅,郭超凡,等. Landsat 8光谱衍生数据分类体系下的牧草生物量反演[J].光谱学与光谱分析, 2020, 40(1):239-246.
[2] 王文静,张霞,赵银娣,等.综合多特征的Landsat 8时序遥感图像棉花分类方法[J].遥感学报, 2017, 21(1):115-124.
[3] 张猛,曾永年.基于多时相Landsat数据融合的洞庭湖区水稻面积提取[J].农业工程学报, 2015, 31(13):178-185.
[4] 杨丽萍,马孟,谢巍,等.干旱区Landsat8全色与多光谱数据融合算法评价[J].国土资源遥感, 2019, 31(4):11-19.
[5] MANNINEN T, KORHONEN L, VOIPIO P, et al. Leaf area index (LAI) estimation of boreal forest using wide optics airborne winter photos[J]. Remote Sensing, 2009, 1(4):1380-1394.
[6] CHRYSAFIS I, MALLINIS G, SIACHALOU S, et al. Assessing the relationships between growing stock volume and Sentinel-2 imagery in a Mediterranean forest ecosystem[J]. Remote Sensing Letters, 2017, 8(6):508-517.
[7] 王利民,刘佳,杨玲波,等.随机森林方法在玉米-大豆精细识别中的应用[J].作物学报, 2018, 44(4):569-580.
[8] 郭燕,武喜红,程永政,等.用高分一号数据提取玉米面积及精度分析[J].遥感信息, 2015, 30(6):31-36.
[9] 王川,常升龙,武喜红.基于SVM的农作物种植结构遥感提取研究[J].现代农业科技, 2018(13):230-231.
[10] SHANG Kun, ZHANG Xia, SUN Yanli, et al. Sophisticated vegetation classification based on feature band set using hyperspectral image[J]. Spectroscopy and Spectral Analysis, 2015, 35(6):1669-1676.
[11] 张新乐,官海翔,刘焕军,等.基于无人机多光谱影像的完熟期玉米倒伏面积提取[J].农业工程学报, 2019, 35(19):98-106.
[12] 崔宾阁,马秀丹,谢小云.小样本的高光谱图像降噪与分类[J].遥感学报, 2017, 21(5):728-738.
[13] 许振宇,李盈昌,李明阳,等.基于Sentinel-1A和Landsat 8数据的区域森林生物量反演[J].中南林业科技大学学报, 2020, 40(11):147-155.
[14] 吴锦玉,刘晓龙,柏延臣,等.基于GF-2数据结合多纹理特征的塑料大棚识别[J].农业工程学报, 2019, 35(12):173-183.
[15] 韩涛,潘剑君,张培育,等. Sentinel-2A与Landsat-8影像在油菜识别中的差异性研究[J].遥感技术与应用, 2018, 33(5):890-899.

Sentinel-2与Landsat 8数据组合下的多特征冬小麦面积提取

Extraction of multi-feature winter wheat area based on Sentinel-2 and Landsat 8 data

可视化

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]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	柳林, 孙毅, 李万武. 基于CNN海上钻井平台检测模型的构建及训练算法分析[J]. 测绘通报, 2022, 0(7): 26-32,99.
[3]	孔瑞瑶, 谢涛, 马明, 孔瑞林. CatBoost模型在水深反演中的应用[J]. 测绘通报, 2022, 0(7): 33-37.
[4]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[5]	江泽霖, 邓健, 栾海军, 李兰晖. 基于逐日夜间灯光遥感的新冠肺炎疫情变化信息快速提取——以北京市为例[J]. 测绘通报, 2022, 0(7): 43-48.
[6]	郑艳, 何欢, 卜丽静, 金鑫. 自相似性和边缘保持分解的超分辨率重建算法[J]. 测绘通报, 2022, 0(7): 54-59.
[7]	冉崇宪, 李森磊. 利用无人机多光谱影像提取树冠信息[J]. 测绘通报, 2022, 0(7): 112-117.
[8]	刘立, 董先敏, 刘娟, 文学虎. 人机融合智能的遥感解译生产新方法[J]. 测绘通报, 2022, 0(7): 118-123,137.
[9]	艾敏, 景慧, 田禹东, 郭兰勤, 裴渊杰. 近20年哈尔滨市呼兰区土地利用覆盖变化及驱动分析[J]. 测绘通报, 2022, 0(7): 124-128.
[10]	刘玉贤, 阮明浩, 闫臻. 一种基于机载激光点云的门型电塔精确提取方法[J]. 测绘通报, 2022, 0(7): 129-133.
[11]	刘国超, 彭卫平, 杨水华, 胡周文. 地质雷达+三维测量内窥镜的城市道路病害检测与应用[J]. 测绘通报, 2022, 0(7): 134-137.
[12]	刘小玉, 刘扬, 杜明义, 张敏, 贾竞珏, 杨恒. 基于DeeplabV3+的建筑垃圾堆放点识别[J]. 测绘通报, 2022, 0(4): 16-19,43.
[13]	李佳豪, 周吕, 马俊, 杨飞, 咸凌霄. 利用PS-InSAR技术进行城市地铁沿线形变监测与机理分析[J]. 测绘通报, 2022, 0(4): 20-25.
[14]	师芸, 石龙龙, 牛敏杰, 赵侃. 基于单阶段实例分割网络的黄土滑坡多任务自动识别[J]. 测绘通报, 2022, 0(4): 26-31.
[15]	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.