农作物种类高光谱遥感识别研究.pdfVIP

第 31卷 第2期 地 理 与 地 理 信 息科 学 Vo1．31 No．2 2015年 3月 GeographyandGeo-InformationScience M arch2015 doi：10．3969／j．issn．1672—0504．2015．02．007 农作物种类高光谱遥感识别研究 王 岽，吴 见 (滁州学院地理信息与旅游学院，安徽 滁州239000；安徽省地理信息集成应用协同创新中心，安徽滁州239000) 摘要：作物种类高光谱识别研究对发展精准农业具有重要意义。通过原始反射光谱、常用指数、不同形式变换光谱 及高光谱特征参数对观测的8种农作物的识别能力进行分析 ，同时采用识别效率最高的数据变换形式构建 BP神 经网络模型。结果表明：8种农作物的反射光谱 曲线存在较大差异，差异最大的波长位置为 0．65 m、0．78 m、 0．86 113．、0．93rn、1．08m、1_19 in；无论采用原始光谱计算的指数还是常见卫星传感器对应通道计算的指数， 识别农作物的能力从大到小均为SRNDⅥsAVIDVI；高光谱特征参数SDr对作物的识别效果优于其他光谱 形式 ，构建的BP神经网络模型隐含层节点数为 13时总体精度最高，达 91．8 。 关键词：高光谱 ；农作物；识别；遥感 中图分类号：S127 文献标识码：A 文章编号：1672—0504(2O15)O2—0O29一O5 近年来，遥感技术在农业资源调查、农作物估 株光谱测试 3次取平均值，即每种作物共获取 60个 产、灾害监测、评估及预报、农业信息管理等领域得 光谱样本。采用ASDFieldSpecProFR光谱仪 (光 到了广泛应用[1J，成为农业科学管理及其可持续 谱范围350～2500nm，光谱分辨率 3nm@350～ 发展的重要手段[4]。受条件限制，常规遥感技术 1000nm，lOnm@l000～2500nm)，测定时间为 存在 明显的不足，常常不能满足 以上领域更高的需 1O：0O一14：00，天气晴朗元风，探头距离植株冠层 求。与其他地物相 比较，作物是农业遥感的主要研 顶约 1．5111，垂直向下。 究对象，而绿色植被光谱具有许多共同的特征，因此 2 结果与分析 常规宽波段的光谱数据基本不能准确识别不同种类 的农作物E7,8]。高光谱成像技术能够在许多非常窄 2．1 原始反射光谱农作物识别能力分析 的波谱范围内对作物的细微差别进行探测，使得农 ‘ 首先筛选剔除测得的不同农作物的异样光谱曲 作物识别精度的提高成为了可能。农作物的准确识 线，对余下的有效光谱曲线进行均值处理，获取 8种 别是作物分布范围、类型、长势等信息提取的基础， 农作物的均值光谱 曲线 (图 1，见封 2)。由图 l可 也是农业资源调查、作物估产、灾害监测等的保障。 知，8种农作物的光谱曲线存在较大的差异，如在 与多光谱遥感相比，高光谱遥感具有独特的光谱优 0．4～0．71gm光谱区间内，花生的光谱反射率明显 势，对发展精准农业具有重要意义 。 比其他 7种农作物的反射率高；在0．75～1．2O m 本文以江淮分水岭部分地区常见的8种作物为 光谱区间内，8种农作物的光谱差异均较明显，此光 研究对象，分析了原始反射光谱、常用指数、不同形 谱区间应当作为农作物识别的重点研究范围；在大 式变换光谱以及高光谱特征参数对农作物的识别能 于 1．20 m的光谱区间内，油菜的光谱反射率最低， 力 ，在此基础上选择最佳光谱形式或参数对BP神经 其次是小麦，而花生、棉花、白菜的反射率交替升高 网络模型进行构建，完成农作物识别。 或降低。这些光谱差异产生的原因较多，有作物 自 身的原因，如开花量、叶绿素含量、含水量等，也有外 1 实验数据与测试方法 界环境的影响因素，如周围作物种类、土壤背景、植 本研究选取的光谱测试地点为江淮分