关键词:
川芎
无人机
遥感
机器学习
面积提取
植被覆盖度
摘要:
遥感技术已经成为农业领域重要的信息获取途径,尤其是无人机遥感的兴起,大大降低了超高分辨率遥感影像的获取成本,由于药用植物种植零散,传统高分卫星遥感平台往往由于分辨率不足导致分类提取过程困难重重,无人机遥感平台在对地分辨率、数据获取成本方面更具优势,在中药材生产的精细化监控方面具有巨大的应用潜力,为精准农业的信息获取开启了高分辨率遥感时代。川芎是来源于伞形科植物川芎Ligusticum chuanxiong Hort.的川产道地药材,本研究基于无人机遥感进行川芎栽培面积提取的方法学研究,筛选最佳影像特征组合、分类提取时相、最佳分类方法,并进行多产地验证与机理探讨,以期为相关种植主体进行川芎栽培监控、有关部门预测药材供应量,制定相应政策提供技术参考。目的:(1)确定进行川芎栽培面积提取的最佳影像特征组合、分类方法、影像获取时相,构建能够稳定有效进行川芎栽培面积监测的分类策略;(2)建立川芎植被覆盖度变化提取方法,为川芎生长状态监控提供参考。方法:(1)以四川省都江堰市石羊镇川芎道地产区作为试验区,以两周一次的频率,获取试验区川芎栽培地块2020年2月8日至2020年5月22日的多时相可见光无人机遥感影像。并以2020年4月25日影像为研究对象,比较不同植被指数、色彩空间、纹理特征等多维特征对地物分离度的促进作用,分别筛选最佳分类特征,对筛选得到的最佳特征与数字高程模型进行组合,得到15组特征影像组合,分别采用基于像素分类方法与面向对象分类方法进行地物分类与川芎栽培面积提取,筛选具有最佳地物分类精度与川芎栽培面积提取精度的特征组合。(2)以各时期的最佳分类特征组合影像与可见光影像为研究对象,分别采用基于像素分类方法与面向对象分类方法进行地物分类与川芎栽培面积提取,根据不同时期影像的地物分类精度与川芎栽培面积提取结果确定适宜进行川芎栽培面积提取的时相。(3)基于川芎栽培面积提取结果,分别采用植被指数阈值法与监督分类法对研究区内川芎地块不同时相下的植被覆盖度进行提取,分析川芎植被覆盖度在不同时相之间的变化情况。(4)分别以四川省都江堰市、四川省彭州市及四川省绵竹市的川芎栽培区作为验证区,基于多光谱无人机遥感平台获取可见光影像、多光谱影像,并基于可见光影像构建最佳分类特征组合影像,分别采用基于像素分类与面向对象分类方法对各产区的影像进行地物分类与川芎栽培面积提取,考察最佳分类组合在不同产区的稳定性。结果:(1)根据对地物分离度的促进作用筛选出VDVI、HLS-H、B-MEA分别作为植被指数特征、色彩空间特征以及纹理特征与数字高程模型进行组合后得到15组特征组合;分别采用基于像素分类与面向对象分类方法对15组特征组合进行地物分类研究的结果表明:基于单一特征影像的地物分类精度均低于68%,基于2种特征进行组合的影像的地物分类精度处于66%~84%,基于3种特征进行组合的影像的地物分类处于78%~90%,而对全部4种特征进行组合的影像的地物分类精度分别达89.77%、93.04%。(2)分别对各时期的特征组合影像与可见光影像进行分类研究的结果表明:地物分类精度与影像的时相密切相关。基于像素分类的分类结果中,2月8日、2月28日与3月14日的可见光影像分类结果与特征组合分类结果的分类精度均低于65%;3月29日及之后时期的可见光影像分类结果与特征组合分类结果的分类精度明显增加,可达71%~89%;基于面向对象分类的分类结果中,2月的两次可见光分类结果的精度均小于65%,3月14日的分类精度有所提升,为74.89%,之后5期影像的分类精度均高于80%;基于特征特组合影像的分类结果较前3种分类组合具有明显精度优势,2月的两期影像的分类精度分别为77.97%与85.15%,之后6期影像中,除3月29日影像与5月11日影像分类精度较低外,其余4期影像的分类精度均高于85%,其中4月25日的分类精度达93.04%,面积提取结果为32 728.20m,提取误差仅为6.37%,表明特征组合影像结合面向对象分类较其他分类组合具有一定精度优势,能够进行川芎栽培地块精确提取。(3)分别基于植被指数阈值法与基于像素分类对川芎各期影像的植被覆盖度进行提取的结果表明,川芎植被覆盖度随时间变化的幅度并不固定,2月8日~3月14日之间增长速度较缓,相邻两期影像之间的植被覆盖度之差均小于9%,3月14日~3月29日之间增幅最大,川芎的植被覆盖度较前一期影像提取结果之差分别达34.05%与34.40%。之后川芎植被覆盖度增长速度迅速放缓,增长数值均不超过9%,直至5月22日达到峰值。(4)对不同川芎产区可见光影像、多光谱影像、特征组合影像分别采用基于像素分类与面向对象分类的结果表明特征组合影像结合面向对象分类的分类策略较其他分类策略的优势在不同产区条件下均体现了良好的稳定性。基于