Please wait a minute...
国土资源遥感  2019, Vol. 31 Issue (1): 141-148    DOI: 10.6046/gtzyyg.2019.01.19
  技术应用 本期目录 | 过刊浏览 | 高级检索 |
基于中尺度光谱和时序物候特征提取南方丘陵山区茶园
马超1,2,杨飞1(),王学成1,2
1.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室,北京 100101
2.中国科学院大学,北京 100049
Extracting tea plantations in southern hilly and mountainous region based on mesoscale spectrum and temporal phenological features
Chao MA1,2,Fei YANG1(),Xuecheng WANG1,2
1.Institute of Geographic Sciences and Natural Resources Research, CAS, State Key Laboratory of Resources and Environmental Information System, Beijing 100101, China
2.University of Chinese Academy of Sciences, Beijing 100049, China
全文: PDF(6918 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 

南方丘陵山区茶园空间分布的提取对于南方经济发展和生态环境保护有重要意义。为此提出一种基于中尺度光谱和时序物候特征的茶园提取方法。利用MODIS增强植被指数(enhanced vegetation index,EVI)和归一化植被指数(normalized difference vegetation index,NDVI)数据产品选择Landsat影像的最适时间窗口,使用面向对象方法和决策树分类模型提取初步分类结果,使用MODIS-EVI植被时序数据提取不同植被物候参数,完成茶园分布范围提取。以福建省漳州市和安溪县为研究区进行茶园提取,经检验,总体分类精度达到85.71%,Kappa系数达到0.83,其中茶园的生产者精度为83.72%,用户精度为90.00%; 提取结果与漳州市和安溪县茶园种植面积的公开统计数据接近。结果表明,该方法可获得较高的茶园提取精度。提取结果可以为南方经济发展和政府有关部门对茶园的调控提供一定参考和指导。

服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
马超
杨飞
王学成
关键词 遥感面向对象方法茶园物候参数决策树    
Abstract

The extraction of the spatial distribution of tea plantations in hilly areas of southern China is of great importance for economic development and ecological environment protection in southern China. Therefore, a method of tea plantation based on mesoscale spectrum and temporal phenology characteristics is proposed. The study used MODIS enhanced vegetation index (EVI) and normalized difference vegetation index (NDVI) data products to select the optimal time window for Landsat images. The preliminary classification results were extracted using the object-oriented method and the decision tree classification model. For extracting the distribution of tea plantation, different vegetation phenology parameters were obtained by using MODIS-EVI vegetation timing data. Verification results showed that the overall classification accuracy reached 85.71% and the Kappa coefficient reached 0.83, with the accuracy of tea plantation producers reaching 83.72% and the user precision reaching 90.00%. The extraction results are close to the open statistics of tea plantation area in Zhangzhou City and Anxi County. The results show that this method can obtain high tea plantation extraction accuracy and the classification results can provide some reference and guidance for the economic development of southern China and the government departments' regulation of the tea plantation.

Key wordsremote sensing    object-oriented method    tea plantations    phenological parameters    decision tree
收稿日期: 2017-07-24      出版日期: 2019-03-14
ZTFLH:  TP79S127  
基金资助:国家重点研发计划项目"全球变化对资源环境系统影响及脆弱性模拟评估"(2017YFA0604804);中国科学院前沿科学重点研究项目"城市化与生态环境相互作用的全空间地理信息的模拟分析"(QYZDY-SSW-DQC007)
通讯作者: 杨飞     E-mail: yangfei@lreis.ac.cn
作者简介: 马 超(1994-),女,主要研究方向为遥感地学分析。Email: mac.16s@igsnrr.ac.cn。
引用本文:   
马超,杨飞,王学成. 基于中尺度光谱和时序物候特征提取南方丘陵山区茶园[J]. 国土资源遥感, 2019, 31(1): 141-148.
Chao MA,Fei YANG,Xuecheng WANG. Extracting tea plantations in southern hilly and mountainous region based on mesoscale spectrum and temporal phenological features. Remote Sensing for Land & Resources, 2019, 31(1): 141-148.
链接本文:  
http://www.gtzyyg.com/CN/10.6046/gtzyyg.2019.01.19      或      http://www.gtzyyg.com/CN/Y2019/V31/I1/141
Fig.1  研究区遥感影像
数据源 时期 分辨率 备注
Landsat8 OLI 2015年的第290天 空间分辨率30 m 投影为UTM
MODIS MOD13Q1数据 2015年全年 空间分辨率250 m
时间分辨率16 d
植被指数,质量评级数据
野外GPS实地采样数据 2013—2014年 矢量点数据,共107个采样点
Google Earth影像数据 2015年 空间分辨率1 m 用于选取样本点和验证点
土地利用数据 2004年 矢量数据
DEM数据 空间分辨率90 m 投影为UTM
研究区行政区划数据 矢量数据
漳州市和安溪县茶园统计数据 2017年 来源于漳州市统计年鉴2017和实地调查等
Tab.1  数据源介绍
Fig.2  不同空间分辨率数据对比
Fig.3  茶园种植区提取流程
Fig.4  2015年MODIS-NDVI和MODIS-EVI时序曲线
Fig.5  物候参数示意图
土地利用类型 最大值 振幅 生长季长度 生长季增长率 生长季下降率 基准值
农田 5 362.802 3 159.704 11.005 425.973 238.990 2 203.113
果园 5 844.677 2 504.036 12.773 292.434 267.235 3 340.610
其他 5 892.479 2 753.021 10.337 353.426 274.915 3 139.450
茶园 5 285.667 2 314.807 11.790 263.015 244.098 2 970.887
林地 6 067.953 2 607.468 10.966 368.109 284.388 3 460.495
Tab.2  不同地物物候参数对比
Fig.6  决策树分类方法构建
Fig.7  茶园分布提取结果
分类结果 参考结果 行总和 生产者精度/%
茶园 农田 林地 果园 其他 居民地 水体
茶园 72 0 3 7 4 0 0 86 83.72
农田 0 28 0 0 2 3 0 33 84.85
林地 2 4 74 8 0 0 0 88 84.09
果园 6 2 2 63 4 0 0 77 81.82
其他 0 2 0 1 15 2 0 20 75.00
居民地 0 0 0 0 2 34 0 36 94.44
水体 0 0 0 0 0 0 38 38 100.00
列总和 80 36 79 79 27 39 38 378
用户精度/% 90.00 77.78 93.67 79.75 55.56 87.18 100.00
总体精度 85.71% Kappa=0.83
Tab.3  精度评价
数据 安溪县 南靖县 平和县 华安县 漳浦县 漳州市
统计数据 400.00 80.00 81.33 112.00 6.67 312.67
分类结果 453.33 59.62 68.57 110.63 8.96 270.67
Tab.4  统计数据与分类结果对比
[1] 韩旭 . 中国茶叶种植地域的历史变迁研究[D]. 杭州:浙江大学, 2013.
Han X . A Study on the Changes in Tea Planting Regions in the History of China[D]. Hangzhou:Zhejiang University, 2013.
[2] 陈明枢, 吕居永, 冯廷佺 , 等. 漳州市华安等4个老区县茶产业发展情况调研报告[J]. 福建茶叶, 2013,35(1):2-4.
doi: 10.3969/j.issn.1005-2291.2013.01.001
Chen M S, Lyu J Y, Feng T Q , et al. Investigation report on the development of tea industry in four old areas in Zhangzhou City[J]. Tea in Fujian, 2013,35(1):2-4.
doi: 10.3969/j.issn.1005-2291.2013.01.001
[3] 任冲, 鞠洪波, 张怀清 , 等. 多源数据林地类型的精细分类方法[J]. 林业科学, 2016,52(6):54-65.
doi: 10.11707/j.1001-7488.20160607
Ren C, Ju H B, Zhang H Q , et al. Multi-source data for forest land type precise classification[J]. Scientia Silvae Sinicae, 2016,52(6):54-65.
doi: 10.11707/j.1001-7488.20160607
[4] 高孟绪, 王卷乐, 柏中强 , 等. 基于RapidEye影像的农村居民地遥感监测———以江西省泰和县为例[J]. 国土资源遥感, 2016,28(1):130-135.doi: 10.6046/gtzyyg.2016.01.19.
doi: 10.6046/gtzyyg.2016.01.19
Gao M X, Wang J L, Bai Z Q , et al. Remote sensing monitoring of rural residential land based on RapidEye satellite images:A case study of Taihe County,Jiangxi Province[J]. Remote Sensing for Land and Resources, 2016,28(1):130-135.doi: 10.6046/gtzyyg.2016.01.19.
doi: 10.6046/gtzyyg.2016.01.19
[5] Aplin P . Remote sensing:Land cover[J]. Progress in Physical Geography, 2004,28(2):283-293.
[6] Wang L, Sousa W P, Gong P . Integration of object-based and pixel-based classification for mapping mangroves with IKONOS imagery[J]. International Journal of Remote Sensing, 2004,25(24):5655-5668.
doi: 10.1080/014311602331291215
[7] 刘晓娜, 封志明, 姜鲁光 . 基于决策树分类的橡胶林地遥感识别[J]. 农业工程学报, 2013,29(24):163-172,365.
doi: 10.3969/j.issn.1002-6819.2013.24.022
Liu X N, Feng Z M, Jiang L G . Application of decision tree classification to rubber plantations extraction with remote sensing[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013,29(24):163-172,365.
doi: 10.3969/j.issn.1002-6819.2013.24.022
[8] 徐岳仁, 何宏林, 陈立泽 , 等. 基于CBERS数据的福建南平地质灾害动态遥感解译[J]. 国土资源遥感, 2014,26(3):153-159.doi: 10.6046/gtzyyg.2014.03.25.
doi: 10.6046/gtzyyg.2014.03.25
Xu Y R, He H L, Chen L Z , et al. Dynamic remote sensing interpretation of geological disasters in Nanping City of Fujian Province using CBERS serial data[J]. Remote Sensing for Land and Resources, 2014,26(3):153-159.doi: 10.6046/gtzyyg.2014.03.25.
doi: 10.6046/gtzyyg.2014.03.25
[9] 刘晓娜, 封志明, 姜鲁光 , 等. 西双版纳橡胶林地的遥感识别与数字制图[J]. 资源科学, 2012,34(9):1769-1780.
Liu X N, Feng Z M, Jiang L G , et al. Rubber plantations in Xishuangbanna:Remote sensing identification and digital mapping[J]. Resources Science, 2012,34(9):1769-1780.
[10] Rao N R, Kapoor M, Sharma N , et al. Yield prediction and waterlogging assessment for tea plantation land using satellite image-based techniques[J]. International Journal of Remote Sensing, 2007,28(7-8):1561-1576.
doi: 10.1080/01431160600904980
[11] Dihkan M, Guneroglu N, Karsli F , et al. Remote sensing of tea plantations using an SVM classifier and pattern-based accuracy assessment technique[J]. International Journal for Remote Sensing, 2013,34(23):8549-8565.
doi: 10.1080/01431161.2013.845317
[12] Dutta R, Stein A, Patel N R . Delineation of diseased tea patches using MXL and texture based classification[J]. The International Archives of the Photogrammetry,Remote Sensing and Spatial Information Sciences, 2008,37(B4):1693-1700.
[13] 徐伟燕, 孙睿, 金志凤 . 基于资源三号卫星影像的茶树种植区提取[J]. 农业工程学报, 2016,32(s1):161-168.
doi: 10.11975/j.issn.1002-6819.2016.z1.023
Xu W Y, Sun R, Jin Z F . Extracting tea plantations based on ZY-3 satellite data[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016,32(s1):161-168.
doi: 10.11975/j.issn.1002-6819.2016.z1.023
[14] 裴志远, 杨邦杰 . 多时相归一化植被指数NDVI的时空特征提取与作物长势模型设计[J]. 农业工程学报, 2000,16(5):20-22.
doi: 10.3321/j.issn:1002-6819.2000.05.005
Pei Z Y, Yang B J . Analysis of multi-temporal and multi-spatial character of NDVI and crop condition models development[J]. Transactions of the Chinese Society of Agricultural Engineering, 2000,16(5):20-22.
doi: 10.3321/j.issn:1002-6819.2000.05.005
[15] 徐爽, 沈润平, 杨晓月 . 利用不同植被指数估算植被覆盖度的比较研究[J]. 国土资源遥感, 2012,24(4):95-100.doi: 10.6046/gtzyyg.2012.04.16.
doi: 10.6046/gtzyyg.2012.04.16
Xu S, Shen R P, Yang X Y . A comparative study of different vegetation indices for estimating vegetation coverage based on the dimidiate pixel model[J]. Remote Sensing for Land and Resources, 2012,24(4):95-100.doi: 10.6046/gtzyyg.2012.04.16.
doi: 10.6046/gtzyyg.2012.04.16
[16] Rouse J W J, Haas R H, Schell J A , et al. Monitoring vegetation systems in the great plains with ERTS[J]. Nasa Special Publication, 1973,351:309-317.
[17] 刘昌振, 舒红, 张志 , 等. 基于多尺度分割的高分遥感图像变异函数纹理提取和分类[J]. 国土资源遥感, 2015,27(4):47-53.doi: 10.6046/gtzyyg.2015.04.08.
doi: 10.6046/gtzyyg.2015.04.08
Liu C Z, Shu H, Zhang Z , et al. Variogram texture extraction and classification of high resolution remote sensing images based on multi-resolution segmentation[J]. Remote Sensing for Land and Resources, 2015,27(4):47-53.doi: 10.6046/gtzyyg.2015.04.08.
doi: 10.6046/gtzyyg.2015.04.08
[18] Rathcke B, Elizabeth P L . Phenological patterns of terrestrial plants[J]. Annual Review of Ecology and Systematics, 1985,16:179-214.
doi: 10.1146/annurev.es.16.110185.001143
[19] 范德芹, 赵学胜, 朱文泉 , 等. 植物物候遥感监测精度影响因素研究综述[J]. 地理科学进展, 2016,35(3):304-319.
doi: 10.18306/dlkxjz.2016.03.005
Fan D Q, Zhao X S, Zhu W Q , et al. Review of influencing factors of accuracy of plant phenology monitoring based on remote sensing data[J]. Progress in Geography, 2016,35(3):304-319.
doi: 10.18306/dlkxjz.2016.03.005
[20] 李红军, 郑力, 雷玉平 , 等. 基于EOS/MODIS数据的NDVI与EVI比较研究[J]. 地理科学进展, 2007,26(1):26-32.
doi: 10.3969/j.issn.1007-6301.2007.01.003
Li H J, Zheng L, Lei Y P , et al. Comparison of NDVI and EVI based on EOS/MODIS data[J]. Progress in Geography, 2007,26(1):26-32.
doi: 10.3969/j.issn.1007-6301.2007.01.003
[21] 王正兴, 刘闯 , Huete A. 植被指数研究进展:从AVHRR-NDVI到MODIS-EVI[J]. 生态学报, 2003,23(5):979-987.
doi: 10.3321/j.issn:1000-0933.2003.05.020
Wang Z X, Liu C, Huete A . From AVHRR-NDVI to MODIS-EVI:Advances in vegetation index research[J]. Acta Ecologica Sinica, 2003,23(5):979-987.
doi: 10.3321/j.issn:1000-0933.2003.05.020
[22] 辜智慧 . 中国农作物复种指数的遥感估算方法研究——基于SPOT/VGT多时相NDVI遥感数据[D]. 北京:北京师范大学, 2003.
Gu Z H . A Study of Calculating Multiple Cropping Index of Crop in China Using SPOT/VGT Multi Temporal NDVI Data[D]. Beijing:Beijing Normal University, 2003.
[23] 王学成, 杨飞, 高星 , 等. 基于NDVI阈值法的森林冰冻受灾范围精确提取[J]. 地球信息科学学报, 2017,19(4):549-558.
doi: 10.3969/j.issn.1560-8999.2017.04.013
Wang X C, Yang F, Gao X , et al. Precise extraction of damaged forest range caused by ice-snow frozen disaster based on the NDVI threshold method[J]. Journal of Geo-Information Science, 2017,19(4):549-558.
doi: 10.3969/j.issn.1560-8999.2017.04.013
[24] 康峻, 侯学会, 牛铮 , 等. 基于拟合物候参数的植被遥感决策树分类[J]. 农业工程学报, 2014,30(9):148-156.
doi: 10.3969/j.issn.1002-6819.2014.09.019
Kang J, Hou X H, Niu Z , et al. Decision tree classification based on fitted phenology parameters from remotely sensed vegetation data[J]. Transactions of the Chinese Society of Agricultural Engineering, 2014,30(9):148-156.
doi: 10.3969/j.issn.1002-6819.2014.09.019
[25] 平跃鹏 . 基于MODIS时间序列地表物候特征分析及农作物分类[D]. 哈尔滨:哈尔滨师范大学, 2016.
Ping Y P . Crop Classification Based on Analysis of Phenological Characteristics of MODIS Times Series[D]. Harbin:Harbin Normal University, 2016.
[26] Savitzky A, Golay M J E, . Smoothing and differentiation of data by simplified least squares procedures.[J]. Analytical Chemistry, 1964,36(8):1627-1639.
doi: 10.1021/ac60214a047
[27] Lloyd D . A phenological classification of terrestrial vegetation cover using shortwave vegetation index imagery[J]. International Journal of Remote Sensing, 1990,11(12):2269-2279.
doi: 10.1080/01431169008955174
[1] 陈俊,沈润平,李博伦,遆超普,颜晓元,周旻悦,王绍武. 基于Logistic回归分析的塑料大棚遥感指数构建[J]. 国土资源遥感, 2019, 31(3): 43-50.
[2] 黄惠,郑雄伟,孙根云,郝艳玲,张爱竹,容俊,马红章. 基于引力自组织神经网络的震害遥感影像分类[J]. 国土资源遥感, 2019, 31(3): 95-103.
[3] 左家旗,王泽根,边金虎,李爱农,雷光斌,张正健. 地表不透水面比例遥感反演研究综述[J]. 国土资源遥感, 2019, 31(3): 20-28.
[4] 李想,杨灿坤,周春平,李小娟,张可. 高分辨率光学卫星图像目标运动信息提取研究综述[J]. 国土资源遥感, 2019, 31(3): 1-9.
[5] 姚丙秀,黄亮,许艳松. 一种结合超像素和图论的高空间分辨率遥感影像分割方法[J]. 国土资源遥感, 2019, 31(3): 72-79.
[6] 刘畅,杨康,程亮,李满春,郭紫燕. Landsat8不透水面遥感信息提取方法对比[J]. 国土资源遥感, 2019, 31(3): 148-156.
[7] 张瑜,赵晓丽,左丽君,张增祥,徐进勇. 黄土高原土地利用变化对生态系统服务价值的影响[J]. 国土资源遥感, 2019, 31(3): 132-139.
[8] 刘建宇,陈玲,李伟,王根厚,王博. 浅析构造层次理论在遥感地质工作中的应用[J]. 国土资源遥感, 2019, 31(3): 166-173.
[9] 燕云鹏,徐辉,刘刚,刘建宇. 2013—2017年班公湖地区冷季湖泊冰情变化分析——中国西部高寒高海拔地区冰冻圈遥感调查(一)[J]. 国土资源遥感, 2019, 31(3): 209-215.
[10] 叶发茂,罗威,苏燕飞,赵旭青,肖慧,闵卫东. 卷积神经网络特征在遥感图像配准中的应用[J]. 国土资源遥感, 2019, 31(2): 32-37.
[11] 谢奇芳,姚国清,张猛. 基于Faster R-CNN的高分辨率图像目标检测技术[J]. 国土资源遥感, 2019, 31(2): 38-43.
[12] 董立新. 三峡库区森林叶面积指数多模型遥感估算[J]. 国土资源遥感, 2019, 31(2): 73-81.
[13] 陈震,张耘实,章远钰,桑玲玲. 高标准农田建后遥感监测方法[J]. 国土资源遥感, 2019, 31(2): 125-130.
[14] 刘英,岳辉,侯恩科. MODIS数据在陕西省干旱监测中的应用[J]. 国土资源遥感, 2019, 31(2): 172-179.
[15] 胡官兵,刘舫,党伟,杨坤,陈庆松. 遥感技术在滇西南植被覆盖区地质填图中的应用[J]. 国土资源遥感, 2019, 31(2): 224-230.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《国土资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 Email:gtzyyg@agrs.cn; gtzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发