小麦播种面积遥感监测.ppt

小麦播种面积遥感监测 张金恒 青岛科技大学生态环境与农业信息化研究所 青岛科技大学生态环境与农业信息化研究所 简介 一、研究意义 小麦是青岛主要的粮食作物，小麦播种面积的多少，是政府部门十分关心的问题。 目前，通常采用逐级上报统计法或常规的地面调查方法获得小麦种植面积，受人为因素影响较大，而且为提高精度，通常要花费大量的人力、物力、财力。 不仅速度慢，而且精度低，加之随着农村经济体制的改革，统计数据水分增多，可信度降低，很难适应政府部门宏观指导和科学决策的要求。 遥感资料具有覆盖面积大、周期短、费用低等特点，其信息的客观性、综合性、周期性，使它具有其它资料无法比拟的优点，已成为地面大面积监测、调查的最佳手段，可以宏观、及时、经济和客观地估测小麦种植面积。它是小麦估产的重要基础性工作之一，是遥感估产的前提和出发点。 东经：119.44o--121.000 北纬：37.150--35.540 二、研究内容 选择小麦合适生长期多时相遥感影像。 对遥感影像进行几何精校正、多时相数据融合、投影与坐标转换等处理，提取反映小麦生长状态及植被覆盖度的光谱特征，结合GPS野外调查，利用非监督结合决策树的分类方法，提取小麦种植面积。 四、数据获取及预处理 因为小麦具有明显的季相节律、物候变化，因此在小麦种植面积提取中遥感数据时相的选择十分重要。 本研究选择覆盖整个青岛地区小麦越冬期和拔节期两个时相的遥感数据。 1.遥感数据的标准化 几何纠正：在1:5万全要素地形图上选择地面控制点（GCP）生成GCP文件进行几何纠正，亮度值采用“双线性插值法”。 （误差控制在半个像元内） 分幅拼接 覆盖青岛地区的6幅Alos影像进行拼接 图像增强 采用多波段合成方法， 用最佳指数因子法确定最佳波段组合。 2.矢量数据的标准化 图幅拼接 类型转换 （统一为shp格式） 投影转换 （统一为Albers等积投) 边界修整 研究区域提取： 利用经统一配 准和投影的边 界矢量图层对 各波段的图像 进行切割得到 所需图像。 （三）野外调查 调查时间处于小麦抽穗期和成熟期之间 2009年5月12-26日;6月3日，6月20-27日 野外调查主要任务是建立解译标识，指导室内小 麦提取工作，同时作为结果验证的参考数据。 6月下旬的野外调查使用车辆携带GPS模块、遥感图，将调查车引至目标附近，进行野外调绘，提高野外调查精度。 五、基于遥感影像数据的冬小麦识别 （一）冬小麦物候历 植被的类型差异除了可表现为光谱差异外, 还表现为植被生长规律的差异, 在植被生长周期中, 不同植被类型有不同的物候节律, 这种规律可以作为植被分类的出发点。 小麦的生长规律一般可以划分为12个生育时期，即出苗、三叶、分蘖、越冬、返青、起身、拔节、孕穗、抽穗、开花、灌浆、成熟期。 这两个时相小麦光谱特征较明显，运用两个时相的光谱特征变化，能理想地提取小麦播种区域。 这里的小麦种植区是指所有可能种植小麦的区域 提取小麦种植区的原则是在不丢失小麦像元的前提下尽量缩小范围；即范围尽可能小，但要包含全部小麦。 （三）遥感影像的分类 1、非监督分类 对多时相遥感影像进行非监督分类， 设定分类级别80，结合实地调查验证， 将明显是小麦的像元划分出来。 （2）决策树分类法 运用决策树分类法，利用不同地物的光谱特性，林地在第4波段80，而小麦地和草地都80，运用此特征可剔除林地的影响； （3）植被绿度空间（NDVI）差异 利用多时相遥感数据不同植被绿度空间（NDVI）的变化差异和纹理分析进一步剔除菜地和草地的影响。 在越冬期主要地物的NDVI值： ①水体的NDVI值在0以下； ②裸土、塑料大棚的NDVI值在0左右； ③树、草的NDVI值较低，基本在0.1以下； ④大蒜由于地膜覆盖的缘故，NDVI值较低，基本在0.1以下； ⑤NDVI值较大（0.1以上）的绿色植被主要是小麦。 六、监测结果 分区统计小麦像元数，结合图像分辨率计算小麦种植面积。 0.8810万亩 （一）监测精度验证 本研究共有野外调查点230个，其中圆葱地 11个；大蒜地23个；草地、菜地18个；林地21个；裸地26个；城镇21个；水体15个；小麦95个。 将分类结果重采样为10m；野外采样点矢量数据点转换为栅格数据，将点转换为10m分辨率像元，做混淆矩阵。 正确分类的部分/像元总数= （10+21+14+17+26+21+15+88）/230*100%= 92.17% （二）误差分析 任何遥感图像分类过程中都有误差，造成分类误差的原因是多样的。 遥感监测小麦播种面积的误差主要有两类： 一类是位置误差，即各种地理数据都有一定误差，不能严格重叠； 另一类是属性误差，即类别识别错误，主要是不