基于Sentinel-2时序影像的水稻种植信息提取

doi:10.14088/j.cnki.issn0439-8114.2022.16.034

湖北农业科学 ›› 2022, Vol. 61 ›› Issue (16): 175-181.doi: 10.14088/j.cnki.issn0439-8114.2022.16.034

基于Sentinel-2时序影像的水稻种植信息提取

汪荃¹, 陈军军²

1.中南勘察基础工程有限公司,武汉 430081;
2.湖北正纽地理信息有限公司,湖北黄石 435006

收稿日期:2021-09-18 出版日期:2022-08-25 发布日期:2022-09-14
通讯作者: 陈军军,主要从事地理信息工作。
作者简介:汪荃（1974-）,男,湖北钟祥人,高级工程师,主要从事地理信息工作,（电话）18872302228（电子信箱）4373058@qq.com。

Extracting rice planting information based on Sentinel-2 time series images

WANG Quan¹, CHEN Jun-jun²

1. Central South Exploration & Foundation Engineering Co.,Ltd.,Wuhan 430081,China;
2. Hubei Zhengniu Geographic Information Co.,Ltd.,Huangshi 435006,Hubei, China

Received:2021-09-18 Online:2022-08-25 Published:2022-09-14

摘要/Abstract

摘要： 采用安徽省芜湖市芜湖县南部水稻种植区2019年3月至10月的Sentinel-2时序遥感影像,利用基于像素分类的支持向量机法、最大似然法,基于3种植被归一化植被指数（NDVI）,比值植被指数（RVI）和归一化差异绿度指数（NDGI）的组合分类方法提取水稻种植信息,并结合目视解译结果对各种分类方法得到的分类结果依据混淆矩阵进行精度评价。结果表明,Sentinel-2遥感影像能够快速有效提取研究区域的水稻种植信息,其中最大似然法比支持向量机法更适合提取水稻信息,并且多时相影像数据的使用和相关植被指数的采用能够明显提升水稻信息提取精度,其最佳组合的水稻总体精度高达95.5%,Kappa系数达到了0.922,可作为水稻资源调查方法的一种有效补充手段。

关键词: Sentinel-2, 支持向量机法, 最大似然法, 时间序列, 植被指数

Abstract: Sentinel-2 time series remote sensing images from March to October 2019 in the southern rice planting area of Wuhu County, Wuhu City, Anhui Province were used, and the rice planting information was extracted by using the support vector machine method, the maximum likelihood method based on pixel classification and the classification method based on the combination of 3 Normalized Difference Vegetation Index （NDVI）, Ratio Vegetation Index （RVI） and Normalized Difference Greenness Index （NDGI）. The results showed that sentinel-2 remote sensing image could quickly and effectively extract the rice planting information in the study area, and the maximum likelihood method was more suitable for extracting rice information than the support vector machine method. The use of multi temporal image data and related vegetation index could significantly improve the accuracy of rice information extraction. The overall accuracy of the best combination of rice was as high as 95.5%, and the kappa coefficient was 0.922, which could be used as an effective supplementary method for rice resources investigation.

Key words: Sentinel-2, support vector machine classification, maximum likelihood classification, time series, vegetation index

中图分类号:

S127

汪荃, 陈军军. 基于Sentinel-2时序影像的水稻种植信息提取[J]. 湖北农业科学, 2022, 61(16): 175-181.

WANG Quan, CHEN Jun-jun. Extracting rice planting information based on Sentinel-2 time series images[J]. HUBEI AGRICULTURAL SCIENCES, 2022, 61(16): 175-181.

参考文献

[1] 陈仲新,任建强,唐华俊,等.农业遥感研究应用进展与展望[J].遥感学报,2016,20(5):748-767.
[2] MARTOS V,AHMAD A,CARTUJO P,et al.Ensuring agricultural sustainability through remote sensing in the era of agriculture 5.0[J]. Applied sciences 2021,13(11):5911-5911.
[3] KHANAL S,KUSHAL K C,FULTON J P,et al.Remote sensing in agriculture-accomplishments, limitations, and opportunities[J]. Remote sensing,2020,22(12):3783-3783.
[4] 吴炳方. 全国农情监测与估产的运行化遥感方法[J]. 地理学报,2000,55(1):25-35.
[5] 王娣. 高光谱与多光谱遥感水稻估产研究[D].武汉:武汉大学,2017.
[6] 苗翠翠,江南,彭世揆,等.基于NDVI时序数据的水稻种植面积遥感监测分析——以江苏省为例[J].地球信息科学学报,2011, 13(2):273-280.
[7] CHEN C F,SON N T,CHANG L Y.Monitoring of rice cropping intensity in the upper mekong delta,vietnam using time -series modis data[J]. Advances in space research, 2012, 49(2): 292-301.
[8] 孙奕琳,苗雨青,崔乾,等. 芜湖市近十年水资源变化特征及影响因素[J]. 安徽师范大学学报(自然科学版),2020,43(6):558-564.
[9] PULITI S,BREIDENBACH J,SCHUMACHER J,et al.Above-ground biomass change estimation using national forest inventory data with Sentinel-2 and Landsat[J]. Remote sensing of environment,2021,265:112644.
[10] TASSOPOULOS D, KALIVAS D, GIOVOS R, et al.Sentinel-2 imagery monitoring vine growth related to topography in a protected designation of origin region[J]. Agriculture,2021,8(11):785-785.
[11] 郑阳,吴炳方,张淼. Sentinel-2数据的冬小麦地上干生物量估算及评价[J].遥感学报,2017,21(2):318-328.
[12] 郭交,朱琳,靳标. 基于Sentinel-1和Sentinel-2数据融合的农作物分类[J]. 农业机械学报,2018,49(4):192-198.
[13] XU F, BEN S.Unmixing-based Sentinel-2downscaling for urban land cover mapping[J]. ISPRS journal of photogrammetry and remote sensing, 2021, 171:133-154.
[14] 葛小平,王鸿翔,王玲. 芜湖市双季常规晚稻新品种比较试验[J]. 安徽农学通报, 2019,25(18):92-93.
[15] 马扶林,周秉荣,许正福.基于GIS的青海省主要农作物种植区划[J].现代农业科技,2016(12): 207-208, 212.
[16] RANA V K, SURYANARAYANA T M V. Performance evaluation of MLE, RF and SVM classification algorithms for watershed scale land use/land cover mapping using sentinel 2 bands[J]. Remote sensing applications: Society and environment,2020,19:100351.
[17] 唐欢,高娃,徐丽君,等.基于Landsat TM影像的半干旱牧区天然草场面积的遥感监测[J]. 农业工程学报,2015,31(23):160-167.
[18] 苏伟,姜方方,朱德海,等.基于决策树和混合像元分解的玉米种植面积提取方法[J].农业机械学报,2015,46(9):289-295.
[19] 王军. Kappa系数在一致性评价中的应用研究[D].四川雅安:四川大学,2006.
[20] 李志鹏,李正国,刘珍环,等.基于中分辨TM数据的水稻提取方法对比研究[J].中国农业资源与区划,2014,35(1): 27-33.
[21] 何予霄,周江.ENVI中几种监督分类方法精度比较[J].科技创新与应用,2018(13):22-24.
[22] 陈燕丽,莫伟华,莫建飞,等.基于面向对象分类的南方水稻种植面积提取方法[J].遥感技术与应用,2011, 26(2): 163-168.
[23] 汤传勇,卢远.利用面向对象的分类方法提取水稻种植面积[J].遥感信息,2010(1): 53-56.

基于Sentinel-2时序影像的水稻种植信息提取

Extracting rice planting information based on Sentinel-2 time series images

PDF

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]	苏红军, 许仲林. 2000—2015年新疆植被指数的时空动态分析[J]. 湖北农业科学, 2022, 61(10): 48-55.
[2]	徐畅, 高荣. 基于Landsat数据热岛效应与植被的关系研究--以开封市为例[J]. 湖北农业科学, 2021, 60(5): 48-52.
[3]	宋晓静, 周淑琴, 荆耀栋, 王贝贝. 吕梁山植被时空分布规律及地形差异影响[J]. 湖北农业科学, 2021, 60(5): 53-58.
[4]	王敏. 不同植被指数对旱情监测的敏感性比较[J]. 湖北农业科学, 2021, 60(3): 25-30.
[5]	迪里胡玛尔·阿汗木江, 玉素甫江·如素力, 买合木提江·维吉旦, 张发, 陈世雪, 亚夏尔·艾斯克尔. 基于不同植被指数TVDI和VSWI模型的焉耆盆地土壤湿度反演[J]. 湖北农业科学, 2021, 60(21): 122-129.
[6]	李成绕, 贾诗超, 薛东剑. 基于Freeman分解和雷达植被指数的极化SAR图像分类[J]. 湖北农业科学, 2021, 60(15): 132-135.
[7]	王国重, 李中原, 张继宇, 程焕玲, 李佳红. 偃师市土地利用遥感分类研究[J]. 湖北农业科学, 2021, 60(13): 60-62.
[8]	薛宇轩, 卢宏玮. 青藏高原植被覆盖变化及气候驱动因子分析[J]. 湖北农业科学, 2020, 59(15): 44-48.
[9]	孟庆军, 苗吉祥. “大扶贫”政策扶持下中国农业保险扶贫效率研究[J]. 湖北农业科学, 2020, 59(11): 175-179.
[10]	李学敏, 文力, 王俪璇. 基于Landsat遥感数据的城市热岛效应及影响因素——以襄阳市为例[J]. 湖北农业科学, 2019, 58(16): 41-48.
[11]	刘铁. 基于回归与ARMA组合模型的安康市农业发展预测研究[J]. 湖北农业科学, 2019, 58(15): 150-153.
[12]	张淮栋, 陈争光, 张成龙. 基于高分二号-NDVI的大豆遥感估产的时相选择[J]. 湖北农业科学, 2018, 57(6): 103-107.
[13]	翟云, 仙巍, 罗祥, 杨杰. 基于小波分析的川西北三江源区植被周期变化研究[J]. 湖北农业科学, 2018, 57(5): 43-48.
[14]	魏瑞琪, 李林峰, 仙巍, 邵怀勇, 汪盾. 利用TIMESAT软件和时间序列卫星影像提取新疆石河子棉花种植区域[J]. 湖北农业科学, 2018, 57(4): 105-112.
[15]	梁书维, 王建国, 温馨燃, 陈圣波. 基于高分二号遥感影像的东北地区村庄建设用地提取[J]. 湖北农业科学, 2018, 57(20): 132-137.