月尺度农作物提取中GF-1 WFV纹理特征的应用及分析

作     者：王镕 赵红莉 蒋云钟 何毅 段浩 WANG Rong;ZHAO Hongli;JIANG Yunzhong;HE Yi;DUAN Hao

作者机构：中国水利水电科学研究院北京100038 兰州交通大学测绘与地理信息学院兰州730070 

出 版 物：《自然资源遥感》 (Remote Sensing for Natural Resources)

年 卷 期：2021年第33卷第3期

页      面：72-79页

核心收录：

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 08[工学] 09[农学] 0804[工学-仪器科学与技术] 0903[农学-农业资源与环境] 0816[工学-测绘科学与技术] 081602[工学-摄影测量与遥感] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 

基　　金：国家重点研发计划项目“国家水资源动态评价关键技术与应用”(编号:2018YFC0407705) 国家重点研发计划项目“国家水资源立体监测体系与遥感技术应用”(编号:2017YFC0405800)共同资助 

主　　题：GF-1 WFV 种植结构 分类 纹理特征 精度 

摘      要：农作物种植结构包含农作物种类、数量结构和空间分布特征等信息,是农业科学管理的基础。在不考虑农作物时间序列最佳窗口期的前提下,以石津灌区为研究区,基于高分一号(GF-1)WFV影像计算并分析纹理特征在农作物分类识别中的能力。并在纹理特征分类效果相对较差的时相内引入植被指数,从而弥补纹理在农作物表达上的缺陷。经过对比各组分类结果,可以发现:在作物结构明显的4,8月份,单独纹理特征的分类精度可以达到80%以上,但是在5,6,7,9月等农作物最复杂的时间段内,分类精度仍低于80%。将植被指数与纹理特征组合后,这4个月份的分类结果有了很大改善,总体分类精度均大于80%,基本满足农业动态监测的需求;与单独纹理相比,精度提高2.27%-9.75%,Kappa系数提高0.02-0.16;利用夏玉米的验证样本进行验证,识别精度可以达到98%,识别效果相对完整,破碎程度达到最小化,与其他类别区分度也达到了最优。同时也证明了GF-1WFV纹理特征在农作物种植结构提取中的可用性,尤其是在作物结构相对明显的月份内,可以为影像的农作物提取提供一些有效的信息。