协同多时相国产GF-1和GF-6卫星影像的艾草遥感识别

TP79%S127; 艾叶具有巨大的食用和医用价值,近些年艾草种植面积在中国南方地区显著增加.掌握艾草空间分布信息对于区域作物种植结构调整、艾草产业布局优化具有重要现实意义.该研究以中国艾草主要生产地——湖北省蕲春县为例,探讨国产高分1号(GF-1)和高分6号(GF-6)卫星影像识别艾草的潜力.本文首先基于高分影像构建了20个光谱特征,然后采用随机森林分类器进行分类,最后分析了红边指数对识别艾草的贡献度.为了评估协同GF-1和GF-6影像识别艾草的潜力,研究还比较了不同影像组合情景识别艾草的精度.结果表明,协同GF-1和GF-6影像提取的蕲春县艾草的用户精度是92.73％,制图精度是88.74...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 38; no. 1; pp. 186 - 195
Main Authors 何真, 胡洁, 蔡志文, 王文静, 胡琼
Format Journal Article
LanguageChinese
Published 华中师范大学城市与环境科学学院/湖北省地理过程分析与模拟重点实验室,武汉 430079%华中农业大学植物科学技术学院,武汉 430070 2022
华中农业大学宏观农业研究院,武汉 430070%华中农业大学资源与环境学院,武汉 430070
华中农业大学宏观农业研究院,武汉 430070
Subjects
遥感;识别;GF-6 WFV;GF-1 WFV;红边植被指数;随机森林;艾草
Online AccessGet full text

Cover

Abstract TP79%S127; 艾叶具有巨大的食用和医用价值,近些年艾草种植面积在中国南方地区显著增加.掌握艾草空间分布信息对于区域作物种植结构调整、艾草产业布局优化具有重要现实意义.该研究以中国艾草主要生产地——湖北省蕲春县为例,探讨国产高分1号(GF-1)和高分6号(GF-6)卫星影像识别艾草的潜力.本文首先基于高分影像构建了20个光谱特征,然后采用随机森林分类器进行分类,最后分析了红边指数对识别艾草的贡献度.为了评估协同GF-1和GF-6影像识别艾草的潜力,研究还比较了不同影像组合情景识别艾草的精度.结果表明,协同GF-1和GF-6影像提取的蕲春县艾草的用户精度是92.73％,制图精度是88.74％,均显著高于基于单一GF-1或GF-6影像识别艾草的精度.各乡镇艾草遥感制图面积和统计面积拟合的相关性系数R2达到0.7,表明研究结果能够准确反映艾草的种植面积和空间分布.基于随机森林的重要性得分排名前50的特征中,红边波段以及红边植被指数的数量占比达54％,其中6月23日GF-6影像的红边波段I贡献度得分最高,是识别艾草的最优光谱特征.GF-6的另一新增的紫波段相较于其他传统波段,也对于区分艾草和其他作物做出了重要贡献.5月上旬和9月上旬分别为艾草第一茬和第二茬叶片快速繁殖生长阶段,是艾草的最佳识别时期,6月下旬和9月下旬也是区分艾草和其他作物的关键时期.研究表明,GF-6 WFV影像的新增波段以及基于红边波段构建的植被指数能够有效提高作物识别的准确性,协同GF-1和GF-6影像通过提高影像时间信息,能较好捕获作物的关键物候特征,从而提高作物识别精度.该研究为充分发挥多源国产高分卫星协同利用优势提供了典型应用示范,呈现的作物识别方法不仅适用于艾草,也适用于其他区域和其他农作物.
AbstractList TP79%S127; 艾叶具有巨大的食用和医用价值,近些年艾草种植面积在中国南方地区显著增加.掌握艾草空间分布信息对于区域作物种植结构调整、艾草产业布局优化具有重要现实意义.该研究以中国艾草主要生产地——湖北省蕲春县为例,探讨国产高分1号(GF-1)和高分6号(GF-6)卫星影像识别艾草的潜力.本文首先基于高分影像构建了20个光谱特征,然后采用随机森林分类器进行分类,最后分析了红边指数对识别艾草的贡献度.为了评估协同GF-1和GF-6影像识别艾草的潜力,研究还比较了不同影像组合情景识别艾草的精度.结果表明,协同GF-1和GF-6影像提取的蕲春县艾草的用户精度是92.73％,制图精度是88.74％,均显著高于基于单一GF-1或GF-6影像识别艾草的精度.各乡镇艾草遥感制图面积和统计面积拟合的相关性系数R2达到0.7,表明研究结果能够准确反映艾草的种植面积和空间分布.基于随机森林的重要性得分排名前50的特征中,红边波段以及红边植被指数的数量占比达54％,其中6月23日GF-6影像的红边波段I贡献度得分最高,是识别艾草的最优光谱特征.GF-6的另一新增的紫波段相较于其他传统波段,也对于区分艾草和其他作物做出了重要贡献.5月上旬和9月上旬分别为艾草第一茬和第二茬叶片快速繁殖生长阶段,是艾草的最佳识别时期,6月下旬和9月下旬也是区分艾草和其他作物的关键时期.研究表明,GF-6 WFV影像的新增波段以及基于红边波段构建的植被指数能够有效提高作物识别的准确性,协同GF-1和GF-6影像通过提高影像时间信息,能较好捕获作物的关键物候特征,从而提高作物识别精度.该研究为充分发挥多源国产高分卫星协同利用优势提供了典型应用示范,呈现的作物识别方法不仅适用于艾草,也适用于其他区域和其他农作物.
Author 何真
胡洁
王文静
胡琼
蔡志文
AuthorAffiliation 华中师范大学城市与环境科学学院/湖北省地理过程分析与模拟重点实验室,武汉 430079%华中农业大学植物科学技术学院,武汉 430070;华中农业大学宏观农业研究院,武汉 430070%华中农业大学资源与环境学院,武汉 430070;华中农业大学宏观农业研究院,武汉 430070
AuthorAffiliation_xml – name: 华中师范大学城市与环境科学学院/湖北省地理过程分析与模拟重点实验室,武汉 430079%华中农业大学植物科学技术学院,武汉 430070;华中农业大学宏观农业研究院,武汉 430070%华中农业大学资源与环境学院,武汉 430070;华中农业大学宏观农业研究院,武汉 430070
Author_FL Wang Wenjing
Cai Zhiwen
Hu Qiong
He Zhen
Hu Jie
Author_FL_xml – sequence: 1
  fullname: He Zhen
– sequence: 2
  fullname: Hu Jie
– sequence: 3
  fullname: Cai Zhiwen
– sequence: 4
  fullname: Wang Wenjing
– sequence: 5
  fullname: Hu Qiong
Author_xml – sequence: 1
  fullname: 何真
– sequence: 2
  fullname: 胡洁
– sequence: 3
  fullname: 蔡志文
– sequence: 4
  fullname: 王文静
– sequence: 5
  fullname: 胡琼
BookMark eNrjYmDJy89LZWBQNTTQMzS0NDfVz9LLLC7O0zM0MDDSNbMwtNQzMjAy0jMw1DMwMmRh4ISLczDwFhdnJhkYmpuYWxiaG3EyOD7t7X86oefpklnPpm97PnvH09l7n-xa7u6ma_h0Ug-QMnvau_rZjPlP92582tz_fFbLi859L3o7XzYufdYy_8X6tqcdq3kYWNMSc4pTeaE0N4O6m2uIs4dueWJeWmJeenxWfmlRHlAmPq8yPbkiCeQ0A0MDI2Nj4lUCAIMuWMI
ClassificationCodes TP79%S127
ContentType Journal Article
Copyright Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
Copyright_xml – notice: Copyright © Wanfang Data Co. Ltd. All Rights Reserved.
DBID 2B.
4A8
92I
93N
PSX
TCJ
DOI 10.11975/j.issn.1002-6819.2022.01.021
DatabaseName Wanfang Data Journals - Hong Kong
WANFANG Data Centre
Wanfang Data Journals
万方数据期刊 - 香港版
China Online Journals (COJ)
China Online Journals (COJ)
DatabaseTitleList
DeliveryMethod fulltext_linktorsrc
Discipline Agriculture
DocumentTitle_FL Remote sensing identification for Artemisia argyi integrating multi-temporal GF-1 and GF-6 images
EndPage 195
ExternalDocumentID nygcxb202201023
GrantInformation_xml – fundername: (国家自然科学基金); (国家自然科学基金); (国家自然科学基金); (中央高校基本科研业务费专项基金); (遥感科学国家重点实验室开放基金)
  funderid: (国家自然科学基金); (国家自然科学基金); (国家自然科学基金); (中央高校基本科研业务费专项基金); (遥感科学国家重点实验室开放基金)
GroupedDBID -04
2B.
2B~
4A8
5XA
5XE
92G
92I
93N
ABDBF
ABJNI
ACGFO
ACGFS
AEGXH
AIAGR
ALMA_UNASSIGNED_HOLDINGS
CCEZO
CHDYS
CW9
EOJEC
FIJ
IPNFZ
OBODZ
PSX
RIG
TCJ
TGD
TUS
U1G
U5N
ID FETCH-wanfang_journals_nygcxb2022010233
ISSN 1002-6819
IngestDate Tue Feb 13 23:45:38 EST 2024
IsPeerReviewed false
IsScholarly true
Issue 1
Keywords 遥感;识别;GF-6 WFV;GF-1 WFV;红边植被指数;随机森林;艾草
Language Chinese
LinkModel OpenURL
MergedId FETCHMERGED-wanfang_journals_nygcxb2022010233
ParticipantIDs wanfang_journals_nygcxb202201023
PublicationCentury 2000
PublicationDate 2022
PublicationDateYYYYMMDD 2022-01-01
PublicationDate_xml – year: 2022
  text: 2022
PublicationDecade 2020
PublicationTitle 农业工程学报
PublicationTitle_FL Transactions of the Chinese Society of Agricultural Engineering
PublicationYear 2022
Publisher 华中师范大学城市与环境科学学院/湖北省地理过程分析与模拟重点实验室,武汉 430079%华中农业大学植物科学技术学院,武汉 430070
华中农业大学宏观农业研究院,武汉 430070%华中农业大学资源与环境学院,武汉 430070
华中农业大学宏观农业研究院,武汉 430070
Publisher_xml – name: 华中农业大学宏观农业研究院,武汉 430070
– name: 华中师范大学城市与环境科学学院/湖北省地理过程分析与模拟重点实验室,武汉 430079%华中农业大学植物科学技术学院,武汉 430070
– name: 华中农业大学宏观农业研究院,武汉 430070%华中农业大学资源与环境学院,武汉 430070
SSID ssib017478172
ssib051370041
ssj0041925
ssib001101065
ssib023167668
Score 4.73971
Snippet TP79%S127;...
SourceID wanfang
SourceType Aggregation Database
StartPage 186
Title 协同多时相国产GF-1和GF-6卫星影像的艾草遥感识别
URI https://d.wanfangdata.com.cn/periodical/nygcxb202201023
Volume 38
hasFullText 1
inHoldings 1
isFullTextHit
isPrint
link http://utb.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwnV1La9VAFB5qC6IL8YlvunBwIbcmmTxmlpPciUXQVYXuSm9uWldXqC1od2IRCy0VN0q76EZx0YW4ERHqr_AnmLb-C885mdykt9Wqm3Aycx7fOWcyMwkzE8ZuCOFmXZF14BHvZC0_cEVLKjdozTgzYQ7DscxpU9i9--H4A__uZDA5NPy9sWppYb4zli0euq_kf7IKZZBX3CX7D5ntK4UCoCG_cIUMw_WvcsxNwGWbyxQJ5XCZIKF9rjQ3IVcRj0NuIq5iHkviAaLNjc9jzXV0J225VOqBJNyEVp-OSVpyRYpBIiY-KchUhOqlz43kUvHYENFG2iiYmHIdoDgwoLjkOuWy1Ax03JwMUyEYSgiRJNRgLiINcAW1MTkEkELSCaiDqomQUJsr4gUdKq1rJGLVLsrEOFlu1iifasBQihFCT0FzVLNEXBqybGvQLQWGVPMLiVe_SVdZMNYNgIvaJTqMSBIEU-ZFRw1_AgwQSpXMnhXHEoKgKfraI_EIZZW7T9wSgE4hm5eSvwpRI6SE3KPYyDLPCY8dKnEoJRJDIKN9sQbMkmKtDLLVkELkKUMKnJhahbLgOKL10C5CMigIVVpXrdGg415CGqpEQnuS6pYvYOqouBccHsGDTWMwgiGWWARgUh0WJmo10iGXkiqmA4H7LTinMWbjoB5KO_LaQV3IA51XOUK71cnr5V35h9eD8wgVBTSRQAtjfQtj2LzKY37degLVX9baezqbPekgD57UKI6xES9SAYy7Izpux2n9muLil5j-OOriPyzcev-6h6dThPVnAOhA8ScU_aVruHAjoFUcFtZxxivQt_8EmTYm9mame7ONOfTEaXbKvvyO6rInO8OGFh-eZSf17Jw9ACg_x3Sxula8Winere-8-by78aXY2P7x9QP2VMXrFeyjitWtnbebxfan4vna7vrS3vK3vdXln8_e7yxt7n18UbzcOs9upmYiGW9ZEFO2K308NRA4cYEN9x718ots1PFykYlu3o28aT_PRCcPu66XZ3Cn_MwRl9joUdouH81yhZ1Auvy0epUNz88t5NfgZWO-c93m7hc-ps_S
link.rule.ids 315,786,790,4043,27956,27957,27958
linkProvider EBSCOhost
openUrl ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=%E5%8D%8F%E5%90%8C%E5%A4%9A%E6%97%B6%E7%9B%B8%E5%9B%BD%E4%BA%A7GF-1%E5%92%8CGF-6%E5%8D%AB%E6%98%9F%E5%BD%B1%E5%83%8F%E7%9A%84%E8%89%BE%E8%8D%89%E9%81%A5%E6%84%9F%E8%AF%86%E5%88%AB&rft.jtitle=%E5%86%9C%E4%B8%9A%E5%B7%A5%E7%A8%8B%E5%AD%A6%E6%8A%A5&rft.au=%E4%BD%95%E7%9C%9F&rft.au=%E8%83%A1%E6%B4%81&rft.au=%E8%94%A1%E5%BF%97%E6%96%87&rft.au=%E7%8E%8B%E6%96%87%E9%9D%99&rft.date=2022&rft.pub=%E5%8D%8E%E4%B8%AD%E5%B8%88%E8%8C%83%E5%A4%A7%E5%AD%A6%E5%9F%8E%E5%B8%82%E4%B8%8E%E7%8E%AF%E5%A2%83%E7%A7%91%E5%AD%A6%E5%AD%A6%E9%99%A2%2F%E6%B9%96%E5%8C%97%E7%9C%81%E5%9C%B0%E7%90%86%E8%BF%87%E7%A8%8B%E5%88%86%E6%9E%90%E4%B8%8E%E6%A8%A1%E6%8B%9F%E9%87%8D%E7%82%B9%E5%AE%9E%E9%AA%8C%E5%AE%A4%2C%E6%AD%A6%E6%B1%89+430079%25%E5%8D%8E%E4%B8%AD%E5%86%9C%E4%B8%9A%E5%A4%A7%E5%AD%A6%E6%A4%8D%E7%89%A9%E7%A7%91%E5%AD%A6%E6%8A%80%E6%9C%AF%E5%AD%A6%E9%99%A2%2C%E6%AD%A6%E6%B1%89+430070&rft.issn=1002-6819&rft.volume=38&rft.issue=1&rft.spage=186&rft.epage=195&rft_id=info:doi/10.11975%2Fj.issn.1002-6819.2022.01.021&rft.externalDocID=nygcxb202201023
thumbnail_s http://utb.summon.serialssolutions.com/2.0.0/image/custom?url=http%3A%2F%2Fwww.wanfangdata.com.cn%2Fimages%2FPeriodicalImages%2Fnygcxb%2Fnygcxb.jpg