倒伏水稻特征分析及其多光谱遥感提取方法研究

• Published in: 中国生态农业学报（中英文） Vol. 29; no. 4; pp. 751 - 761
• Main Authors: 陆洲, 徐飞飞, 罗明, 梁爽, 赵晨, 冯险峰
• Format: Journal Article
• Language: Chinese
• Published: 中国科学院地理科学与资源研究所 北京 100101%中国科学院地理科学与资源研究所 北京 100101 01.04.2021; 中科禾信遥感科技(苏州)有限公司 苏州 215151
• Subjects: 倒伏水稻; 纹理特征; 遥感提取; 哨兵2号影像; 光谱特征
• ISSN: 2096-6237
• DOI: 10.13930/j.cnki.cjea.200553

S127; 倒伏水稻的识别对灾后农业生产管理、灾害保险、补贴等工作有重要意义.为应用高分辨率遥感影像准确提取倒伏水稻面积,本文利用2019年9月27日获取的哨兵2号多光谱遥感影像,研究黑龙江省同江市倒伏水稻的光谱、纹理特征,并基于光谱与纹理特征建立倒伏水稻的遥感提取模型.研究结果表明水稻倒伏后可见光-近红外-短波红外等8个波段的反射率均升高,其中短波红外、红光和红边1等3个波段的反射率上升大于0.06.倒伏水稻的典型植被指数中,归一化植被指数、比值植被指数、增强植被指数和红边位置指数均降低,但差值植被指数升高.倒伏与正常水稻在红光、红边1和短波红外等3个波段的均值纹理数值差距明显,红光波段的纹理均值差异最大.利用归一化植被指数、地表水分指数、比值植被指数和差值植被指数以及红光波段的纹理均值构建决策树分类模型,监测结果表明农场内倒伏水稻分布较散,其西部和南部水稻受灾面积较大,北部受灾面积较小,中部偏北和东部基本未倒伏.将本文模型所提取的结果与实测面积对比,正常与倒伏水稻的面积识别误差分别为3.33％和2.23％.利用随机验证样本与模型验证结果进行混淆矩阵分析,倒伏水稻的用户精度和制图精度均为92.0％,Kappa系数为0.93.该方法能够适用于大区域倒伏水稻提取,可为高分辨率多光谱遥感数据调查水稻倒伏面积提供相关依据.