太湖流域果树提取的光谱和纹理特征选择研究

• 作者: 冯险峰 姚新华 徐飞飞 毕雷雷 罗明 金佳 陆洲
• 来源期刊: 中国生态农业学报(中英文)
• 关键词: GF-2影像 果树提取 光谱特征 纹理特征 累计差 决策树分类
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 农业资源与环境
• 页码范围: 1596-1606
• 页数: 11页
• 分类号: S127
• 语种: 中文
• DOI: 10.13930/j.cnki.cjea.180955

摘要

准确获取果树的空间种植分布信息,对于开展果树长势监测、产量估算等具有重要意义.为提取太湖流域金庭镇果树的空间分布,本研究以冬夏时期的两景高分二号(GF-2)遥感影像为数据源,利用归一化植被指数(NDVI)和归一化水体指数(NDWI)结合纹理特征构建了基于光谱指数和纹理特征的决策树模型,提取了金庭镇2017年果树的空间分布信息.通过分析研究区各地类的光谱曲线发现,植被与非植被区分明显,但果树与茶树的光谱存在混淆.GF-2影像包含丰富的纹理信息,果树与茶树在GF-2影像上纹理特征明显,易于区分.纹理可作为果树提取的重要特征.为了确定最佳纹理窗口的大小,研究中提出了累计差(Δf)的方法.通过比较每一个纹理变量在15种不同尺度窗口(3×3,5×5,7×7,9×9,11×11,13×13,15×15,17×17,19×19,21×21,23×23,25×25,27×27,29×29,31×31)下的Δf,确定了最佳纹理窗口为15×15.在最佳纹理窗口下根据累计差选取了5大纹理组合:均值(mean)、方差(variance)、对比度(contrast)、信息熵(entropy)和相关性(correlation).研究结果表明基于光谱指数NDVI和NDWI结合纹理特征构建的决策树模型可有效区分果树与茶树.累计差的方法能够快速确定最佳纹理窗口和纹理组合.提取结果说明果树分布于金庭镇的各个位置,主要分布在平原区,种植比较整齐,南部种植面积多于北部.本研究果树的提取精度为95.23％,模型总体分类精度为89.57％,Kappa系数为89.00％,果树的生产精度为90.00％,用户精度为87.30％.与单一光谱、纹理模型相比,本文模型总体分类精度更高,精度分别提升了10.65％和12.04％.该方法能够适用于大区域果树的遥感提取,可为亚米级遥感影像研究果树的纹理特征提供重要参考和借鉴价值.此外,文中提出的累计差可为选取最佳纹理窗口提供一种新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯险峰	中国科学院地理科学与资源研究所	13	543	8.0	13.0
2	罗明	中国科学院地理科学与资源研究所	8	115	5.0	8.0
3	姚新华		2	2	1.0	1.0
4	金佳	中国科学院地理科学与资源研究所	1	2	1.0	1.0
5	徐飞飞	中国科学院地理科学与资源研究所	2	2	1.0	1.0
6	毕雷雷		1	2	1.0	1.0
7	陆洲	中国科学院地理科学与资源研究所	7	14	2.0	3.0