![点击分享此内容可以赚币 分享](/master/images/share_but.png)
基于Sentinel-2遥感影像的黄土高原覆膜农田识别.pdf
《基于Sentinel-2遥感影像的黄土高原覆膜农田识别.pdf》由会员分享,可在线阅读,更多相关《基于Sentinel-2遥感影像的黄土高原覆膜农田识别.pdf(13页珍藏版)》请在咨信网上搜索。
1、2023年8 月第54卷第8 期农报业机械学doi:10.6041/j.issn.1000-1298.2023.08.017基于 Sentinel-2遥感影像的黄土高原覆膜农田识别赵成1.2梁盈盈1,2冯浩2.3王钊*于强3.4何建强1.4(1.西北农林科技大学旱区农业水土工程教育部重点实验室,陕西杨凌7 12 10 0;2.西北农林科技大学中国旱区节水农业研究院,陕西杨凌7 12 10 0;3.中国科学院水利部水土保持研究所黄土高原土壤侵蚀与旱地农业国家重点实验室,陕西杨凌7 12 10 0;4.陕西省气象局秦岭和黄土高原生态环境气象重点实验室,西安7 10 0 16)摘要:及时、准确地获取
2、覆膜农田的空间分布信息是防治地膜微塑料污染的基础。为准确地识别黄土高原地区的覆膜农田,本研究构建了基于Sentinel-2遥感影像和随机森林算法的适用于黄土高原覆膜农田遥感识别的特征集组合与多时相组合方案。以甘肃省临夏县、宁夏回族自治区彭阳县和山西省山阴县作为测试区,陕西省旬邑县作为验证区开展识别研究。首先,基于随机森林算法,针对3个不同的作物生育期(播期、生长旺盛期和收获期),在7种不同的特征集组合方案中优选出各时期识别精度最高的方案。然后,基于不同作物生育期的遥感影像及其对应的最优特征集组合方案,构建不同的多时相组合来进行覆膜农田识别并优选多时相组合。最后,利用旬邑县来验证构建的优选特征集
3、组合与多时相组合识别覆膜农田的有效性,并绘制各研究区的覆膜农田空间分布图。结果表明:相比于其他遥感识别特征因子,Sentinel-2遥感影像光谱特征集中的可见光波段(B2、B3和B4)和短波红外波段(B11和B12),指数特征集中的归一化差值裸地与建筑用地指数(NDBBI)、归一化水体指数(NDWI)、裸土指数(BSI)、归一化建筑物指数(NDBI)和改进的归一化水体指数(MNDWI),纹理特征集中的和平均(savg)和相关性(c o r r)可以作为覆膜农田识别的优选输人特征变量。在7 种特征集组合方案中,光谱+指数方案是播期和收获期识别覆膜农田的优选方案,在这两个时期对4个研究区的覆膜农田
4、进行识别的F1值分别大于8 7%和57%,而光谱+指数+纹理方案是生长旺盛期识别覆膜农田的优选方案,该方案识别4个研究区覆膜农田的F1值均大于71%。基于多时相遥感影像的覆膜农田识别精度高于仅基于单时相遥感影像的精度,其中播期+生长旺盛期+收获期多时相组合可作为黄土高原覆膜农田识别的优选多时相组合,该组合在4个研究区识别覆膜农田的F1值均大于9 2%。总体而言,基于随机森林算法和本研究优选的特征集组合与多时相组合方案能够较为精准地识别黄土高原地区的覆膜农田。关键词:覆膜农田;遥感识别;多时相遥感影像;特征优选;GoogleEarthEngine;随机森林中图分类号:S127;T P7 9文献标
5、识码:A文章编号:10 0 0-12 9 8(2 0 2 3)0 8-0 18 0-13OSID:台Plastic-mulched Farmland Recognition in Loess Plateau Based onSentinel-2 Remote-sensing ImagesZHAO ChengLIANG Yingying-2FENG Hao2.3YU Qiang1,2WANG Zhao4.3,4HE Jianqiang41,4(1.Key Laboratory for Agricultural Soil and Water Engineering in Arid Area,Min
6、istry of Education,Northwest A&F University,Yangling,Shaanxi 712100,China2.Institute of Water-saving Agriculture in Arid Areas of China,Northwest A&F University,Yangling,Shaanxi 712100,China3.State Key Laboratory of Soil Erosion and Dryland Farming on the Loess Plateau,Institute of Water andSoil Con
7、servation,Chinese Academy of Science and Ministry of Water Resource,Yangling,Shaanxi 712100,China4.Key Laboratory of Eco-Environment and Meteorology for the Qinling Mountains and Loess Plateau,Shaanxi Provincial Meteorological Bureau,Xian 710016,China)Abstract:Plastic film mulching has greatly incre
8、ased crop yields in arid and semi-arid regions of China,收稿日期:2 0 2 3-0 4-17 修回日期:2 0 2 3-0 5-2 3基金项目:国家自然科学基金项目(52 0 7 9 115、419 6 112 40 0 6)国家重点研发计划项目(2 0 2 1YFD1900700)陕西省重点研发计划重点产业创新链(群)-农业领域项目(2 0 19 ZDLNY070 3)、西北农林科技大学人才专项资金项目(千人计划项目)和高等学校学科创新引智计划(111计划)项目(B12007)作者简介:赵成(2 0 0 0 一),男,博士生,主要从事
9、农业遥感和农业生态系统模拟研究,E-mail:z h a o c h e n g _2 0 18 n w a f u.e d u.c n通信作者:何建强(19 7 7 一),男,教授,博士生导师,主要从事农业生态系统模拟研究,E-mail:j i a n q i a n g _h e n w s u a f.e d u.c n181赵成等:基于Sentinel-2遥感影像的黄土高原覆膜农田识别第8 期but also caused a lot of environmental problems.Thus,timely and accurate mapping of plastic-mulche
10、dfarmlands through remote sensing technology is helpful for governments to plan agricultural production anddeal with micro-plastic pollutions.However,the existing recognition methods based on single-temporalremote-sensing images with low and medium resolutions are unable to accurately recognize the
11、plastic-mulched farmlands in the Loess Plateau due to its complex terrain and fragmented agriculturallandscapes.In order to accurately recognize plastic-mulched farmlands in the Loess Plateau,differentfeature set combination schemes and multi-temporal image combination schemes applicable to recogniz
12、eplastic-mulched farmlands in the Loess Plateau were constructed based on Sentinel-2 remote-sensingimages and random forest algorithm.Three testing areas were selected for constructing recognitionschemes mentioned above,including Linxia County in Gansu Province,Pengyang County in Ningxia HuiAutonomo
13、us Region,and Shanyin County in Shanxi Province,and one validation area of Xunyi County inShaanxi Province were chosen as the scheme validation area.Firstly,based on the random forestalgorithm,the optimal feature set combination scheme with the highest recognition accuracy was selectedfrom seven dif
14、ferent feature set combination schemes for each growth stage(sowing stage,flourishingstage,and harvesting stage).Then,based on the remote-sensing images of the three different cropgrowth stages and their corresponding optimal feature set combination schemes,different multi-temporalimage combination
15、schemes were constructed to recognize the plastic-mulched farmlands,and then theoptimal multi-temporal image combination scheme was selected.Finally,the effectiveness of the optimalfeature set combination scheme and multi-temporal image combination sheme for recognizing plastic-mulched farmlands was
16、 verified in Xunyi County,and the spatial distribution maps of plastic-mulchedfarmland in each research area were drawn.The results showed that the visible bands(B2,B3,and B4)and the short-wave infrared bands(B11 and B12)in the spectral feature set of Sentinel-2 remote-sensing images,the normalized
17、difference bareness and built-up index(NDBBI),normalized differencewater index(ND W I),b a r e s o i l i n d e x (BSI),n o r m a l i z e d d i f f e r e n c e b u i l t-u p i n d e x (ND BI),a n dmodified normalized difference water index(MNDWI)in the index feature set,and the sum average(savg)and c
18、orrelation(corr)in the textural feature set can be used as optimal input feature variables forrecognizing plastic-mulched farmlands.Among the seven different feature set combination schemes,thespectum+index scheme was the optimal scheme for recognizing plastic-mulched farmlands during thesowing and
19、harvesting stages.The Fl-score for plastic-mulched farmland recognition in these two stagesin the four study areas was greater than 87%and 57%,respectively.The“spctrum+index+texturescheme was the optimal scheme for recognizing plastic-mulched farmlands during the flourishing stagewith Fl-score great
20、er than 71%in the four study areas.Generally,the plastic-mulched farmlandrecognition accuracy based on multi-temporal remote-sensing images was higher than that based on single-temporal remote-sensing images.Among different multi-temporal image combination schemes,“sowingstage+flourishing stage+harv
21、esting stage can be used as the optimal scheme for plastic-mulchedfarmland recognition,and the F1-score for recognizing plastic-mulched farmlands in the four study areaswas greater than 92%.In general,plastic-mulched farmlands in the Loess Plateau can be accuratelyrecognized based on random forest a
22、lgorithm and the optimal feature set combination schemes and multi-temporal image combination scheme.Key words:plastic-mulched farmlands;remote-sensing recognition;multi-temporal remote-sensingimages;feature optimization;Google Earth Engine;random forest0引言黄土高原是我国北方典型的旱作农业区然而该地区干旱少雨、降水时空分布不均匀,使得该地区水
23、资源严重匮乏2 。地膜覆盖技术能够有效地减少土壤水分蒸发、提高土壤耕层温度和促进作物生长发育,因此该技术在黄土高原地区得到了广泛应用3。然而,随着地膜的大量使用,土壤中地膜残留量的增加会对作物的生长发育带来严重的负面影响4-5。此外,农用地膜作为人工合成的高分子化合物,其在耕地中的残留部分在自然条件下难以降解,由此带来的地膜微塑料污染问题近年来也成为环境和农业领域研究的热点6-8 。因此,及时、准确地获取黄土高原覆膜农田的空间分布信息,将有助于相关部门科学合理地规划农业生产,充分发挥地膜覆盖技术的积极作用,同时降低地膜残留对环境造成的污染。遥感技术具有速度快、覆盖面积广和数据时效性强的特点,因
24、此被广泛应用于土地利用分类和农作物信息提取等研究9-1。特别地,欧洲航天局(Eu r o p e a n Sp a c e A g e n c y,ESA)哥白尼计划中发射的第2 组卫星(Sentinel-2)为地物遥感识别提供了高2023年农182机业报学械时空分辨率(5d,10m)的卫星数据12 。相比于目前广泛使用的30 m空间分辨率的Landsat系列卫星数据,Sentinel-2卫星数据能够更为准确地刻画小面积农田的空间分布特征13,从而为黄土高原覆膜农田的遥感识别提供了理想数据源。目前,已有部分学者基于中低分辨率遥感影像开展了覆膜农田遥感识别研究。LU等14 基于1998、2 0
25、0 7、2 0 11年Landsat-5TM遥感影像的光谱特征,通过构建决策树分类器提取了新疆的覆膜棉花种植区,总体精度达到9 0%以上;随后,LU等15基于MODIS卫星影像的NDVI时间序列数据,通过值法对新疆地区的覆膜棉田再次进行识别,总体精度在8 0%以上。然而,相比于新疆等作物种植面积较大、种植结构相对均一的地区,黄土高原地区种植结构复杂、地块形状不规则且分布破碎凌乱,导致覆膜农田的识别更加困难。针对黄土高原地区,郑文慧等16 利用作物播期的Landsat-8单时相影像对甘肃省定西市安定区团结镇的覆膜农田进行识别,总体精度大于9 5%。此外,罗琪等17 利用NNDiffuse Pan
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 Sentinel 遥感 影像 黄土高原 农田 识别
![提示](https://www.zixin.com.cn/images/bang_tan.gif)
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。