多时相TM影像决策树模型的水稻识别提取.pdfVIP

第15卷 第3 期 地 球 信 息 科 学 学 报 Vol. 15, No.3 2013 年3 月 JOURNAL OF GEO-INFORMATION SCIENCE Jun., 2013 多时相TM 影像决策树模型的水稻识别提取 1,2 2,3 2* 2 2 ，4 朱 良 ，平 博 ，苏奋振 ，杜云艳 ，苏伟光 (1. 兰州交通大学测绘与地理信息学院，兰州 730070 ；2. 中国科学院地理科学与资源研究所 资源与环境信息系 统国家重点实验室，北京 100101；3. 武汉大学遥感信息工程学院，武汉 430079 ；4. 中国科学院烟台海岸带研究 所，烟台264003 ） 摘要：决策树模型的多时相TM 影像的小尺度水稻信息提取在我国还鲜有研究。为此，本文利用水稻生长在潮湿 土壤这一特性，选取TM 影像中对植物含水量和土壤湿度反应敏感的短波红外波段（1.55~ 1.75µm），以及反映植物 覆盖率、植物长势的红光波段（0.62~0.69µm）和近红外波段（0.76~0.96µm），计算水稻移栽期、灌浆期和成熟期3 个 时期的归一化植被指数（NDVI ）和土壤含水量指数（LSWI ），提出一种时间差异的决策树水稻提取模型，以唐山市 滦南县南部区域为例开展了研究。经过野外实地验证表明：该模型能有效区分出水域、玉米和菜地等较易与水稻 混淆的地物，水稻提取的生产者精度和用户精度分别为95.18%和98.84%，分别比单一时相高出6.78%和7.54% 。 关键词：多时相影像；TM 影像；决策树；水稻；信息提取 DOI ：10.3724/SP.J. 1047.2013.00446 1 引言 并合成多时相影像，通过最小距离法来提取水稻信 息，水稻的用户精度比单一时相提高了3 个百分点。 水稻的种植面积及长势的遥感识别分析，对准 因此，本研究采用时序TM 影像的NDVI 和LS- 确获取水稻面积及其分布信息有重要意义。 WI （陆地表水指数Land SurfaceWater Index ）不同 运用遥感数据提取水稻信息方面赵锐、王延颐[1] 变化进行小尺度水稻识别，提出分类规则集，建立 等人曾以目视解译TM 影像等识别分类绘制出江 决策树提取水稻信息，结果表明该方法提高了水稻 苏省里下河地区稻田分布图。从数据的角度看，水 分类精度。 稻信息提取的方法可分为两大类型：以TM 为代表 的中高分辨率数据和以MODIS 为代表的低分辨率 2 实验区域与数据预处理 数据。其中，前一类型是静态地通过单一时相的影 像分类，这类数据自身具有较高空间分辨率分类精 2.1 实验区域 度较高；后一类型则主要通过时序NDVI （归一化 本实验区位于滦南县南部滨海平原，地处 植被指数Normalized DifferenceVegetation Index ）的 118°23′~ 118°55′E 、39° 11′~39°28′N 区域地势平坦， 差异结合知识的手段从而提高分类精度。虽有研 气候受海洋和大陆的双重影响，年平均气温 究表明选择水稻生长的最佳时相可以提高水稻 11.1℃，无霜期平均180天，年均降水量736mm 。季 [10-12] 提取精度 ，但是单一时相的水稻信息提取不能 节分配不均，其中，7-8 月份为雨季，降水量占年总 从水稻生长的过程中最大限度地发现与背景地物