第六讲 农作物种植面积提取在线视频

各位同学大家好

我是来自中国农业大学的李俐

今天我们开始给大家讲

微波遥感的一些典型应用

首先我们这一章主要讲的是

作物种植面积的提取

在这一部分应用里头

我们主要将从四个方面进行讲述

首先我们讲一下雷达图像的选择

然后我们分析一下特定的作物

它的散射特性和相应的特征提取

第三

我们看一下作物种植区的提取

和面积的监测

第四一部分

我们主要是对前面的监测结果进行

一个精度的验证

首先我们说一下雷达图像的选择

因为我们要监测特定的作物

不是说随便拿来一幅图像

我就可以用它来看一下

作物种了多少地

我们是需要有一定的选择条件的

为了选择合适的图像

我们主要从以下四个方面来需要注意

首先我们

要进行一下作物物候历的分析

第二我们要看一下

具体雷达图像的时相的选择的情况

然后时相定了之后

我们还要考虑一下雷达的波段

和相应的分辨率的选择

首先我们说一下作物物候历的选择

我们知道目标它的散射特性会随着

具体的作物的时间变化

而出现一定的变化规律

这个是利用雷达

特别是单参数雷达进行目标提取的

一个重要途径

同一个作物

它具体的生育期会随地理位置

品种

生长季节等等它的变化而变化

因此我们需要针对特定的监测作物

看一下主要的品种在特定的种植区

它的生长变化情况

我们以水稻为例

来看一下这个水稻它的主要生育期

和物候历的一些变化

首先

水稻的主要生育期

包括播种 出苗 三叶 移栽 返青

分蘖 穗时分化 有效分蘖 终止 孕穗

拔节抽穗 开花 乳熟 成熟等等

在不同的地方

可能特定的生育期

它出现的时间是不一样的

所在的时长

所持续的时长也是不一样的

所以我们要考虑

具体每个生育期它发生具体的时间

和它的品种 和它的种植区域等等这些

然后分析一下

特定品种 特定区域的水稻

它的物候历的情况

我们以广东地区为例

它的插秧期一般发生在

3月下旬到4月上旬

而分蘖期是发生在4月中下旬

幼穗的分化期一般发生在5月中下旬

而抽穗期和成熟期

则分别位于6月的中下旬和7月

所以我们就需要

根据这些主要生育期所在的时间

来确定我们所需要用的

雷达数据的时相

除了待监测作物它的物候历

我们要考虑之外

另外与它共生的其他植被的物候历

也要纳入我们的考虑范畴

一般情况下

我们依然以水稻为例

和他同期生长的作物

可能还有香蕉 甘蔗 莲藕 芡实

还有蔬菜 灌木 草本 植物等等

我们就要考虑这些植物

在水稻的整个生育期内

他们的物候历是如何来变化的

比如说我们以香蕉为例

香蕉它是一个常年生的草本植物

一般只收果实

所以香蕉树

它会随着季节发生一些变化

但是一般是没有比较大的变化的

可能会含水量

随着季节的变化有微小的波动

叶片

可能会出现有升有落的现象

但是总体来说变化不大

而甘蔗它是在春末种植

在11月份收获

莲藕一般是在4月份种植

6 7 8月达到了整个的生长的旺季

那会长出比较硕大的荷叶和一些荷花

这样的话到了秋天

它可能就会渐渐枯萎

我们说物侯历主要实际上是

要考虑它的形态的一些变化

我们知道

它的形态特征和它的生长规律

会随着这个时间是发生一个变化的

而这个变化和我们要监测的水稻

会有一定的不同

这个正是我们进行水稻监测的一个基础

下面我们就一起来看一下

雷达的时相的选择

我们知道雷达影像我们实际上是可能

能够连续的不停的获取

但是它获取是要有成本的

我们不能所有的都拿过来

不仅要有经济的成本

另外就算拿到图像之后

我们后期的处理成本也很高

所以我们必须要选择合适的时相

单时相 单频率 单极化的数据

对于作物的监测能力相对来说比较差

一般我们尽量选择多时相的

但是刚才我们说了

考虑到成本等等问题

时相数也不宜过多

那么我们所选的时相要一般选择

尽量覆盖作物的主要生育期

假如说我们采用的是

单频率 单极化的数据

我们可能就需要三个以上的这种时相

而如果我们采用的是

多频率多极化的数据

我们可能就可以把时相数减为两个

我们说主要生育期那么长

我们选择哪一个或者说哪几个

一般我们选择它的生育期中

最旺盛的生育期

或者说和其他共生植物

区别最大的生育期

以及收割前期就可以了

就像我们刚才说的水稻

我们可能选择水稻的分蘖期

和收割前期就可以了

另外一个问题就是雷达波段的选择

我们知道雷达波段不同

它相对来说对于地物的这种吸收散射

都会有不同

所以关于雷达波段的选择

我们主要可能要考虑的就是

穿透性和分辨率的要求

对于农作物来说

可能常用的波段是L波段

当然C波段和X波段也都可以使用

假如说我们用频率比较高的微波的话

我们可能得到的就是分辨率

也比较高的图像

所以根据具体分辨率的一些要求

根据要求的穿透性的要求

后面就是说大家具体的来进行实施

就可以了

目前星载SAR常用的还是C波段

C波段基本上也能满足我们的需求

另外就是分辨率的选择

当然一般来说

越高分辨率的雷达影像

包含越丰富的信息

当然了

不是说分辨率越高就越好

我是不是所有的雷达影像

我都取最高分辨率的

这样的话我看到更多信息了

我能够得到更好的分类结果

不是这样子的

分辨率的选取也要考虑经济成本

和处理的负担等等

所以我们根据所研究区域

这个研究区它的地块的大小

它所需要的监测精度等等

根据这些来确定分辨率的大小就可以了

下面我们说一下

根据我们前面说的不同作物

它的物侯期的这种变化

看一下微波散射特性和

相应的特征提取

这一块我们首先讲一下

不同生育期作物的结构特征

它的分析

然后我们讲一下第二个方面

就是散射特性的分析

然后我们看一下

极化特性和时域变化特性

首先我们说结构特征分析

我们之所以要进行结构特征的分析

这是由于这个目标

它的这种几何形态

我们前面给大家讲的时候

大家可能会有印象

几何形态它会和介电特征

表面粗糙度

方向特性

以及雷达参数本身一起

来影响雷达的后向散射系数

而这个几何形态

是我们从生育期最容易得到的

一个外表的作物属性

下面我们依然以水稻为例

看一下它的结构特征

我们知道水稻它是典型的

属于垂直结构的地物

它一般茎是垂直向上生长

叶片以小于25度的倾角向上生长

当然了不同的生育期这个结构特征

又会有不同

比如说分蘖期

这时候水稻秧苗是刚插下去

十天到两周的时间左右

这时候水稻的高度大概只有

20到30公分

在这种情况下

水稻就可以看作是稀疏的

以独立的个体存在于水面上的

这些地物

同样我们除了分析水稻本身以外

还要分析与它共生的其他植物

它的一些结构特性

比如说我们说与水稻共生的

草本植物群落

主要有两种

一种是以韧状叶片存在的

这种矮小草本植物

它的叶片多半也是

以垂直向上生长为主的

而另一种是阔叶的

走径的多年生的禾本植物

这个叶片相对来说比韧状叶片要宽

它的叶片在空间上也不再是

单纯的向上生长了

而是随机分布不同的结构

他们对微波的散射也是不一样的

知道了结构特征之后

我们来分析一下散射特性的一些情况

我们知道不同结构形态的植物

对作物的散射特性影响也是不一样的

一般来说

散射过程主要包括

以下几个方面的这种散射

首先一个是来自于表面的散射

我们知道这个作物

它一般要么是种在水面上

要么是种在地面上

这个来自于水面或者地面的这种散射

我们就要考虑

假如是水面一般发生的是镜面反射

假如是地面

当然了就发生的是

我们前面所说的粗糙表面的散射

除了表面的散射之外

第二种要考虑的散射

就是雷达波到达表面

然后再经过植被层形成了

一种二次反弹的这种过程

当然了也有从植被层

反弹再到表面再反射回来的这种散射

这种的其实如果表面足够光滑

我们可以近似认为是一种二次反射

第三种散射主要考虑植被的影响

也就是说主要发生的是

植物本身的这种体散射

或者是冠层的面散射

因此我们就需要根据

实际的情况分析一下

首先是我们要监测的作物

它的散射的特性变化

另外要考虑一下共生植物

它的散射的特性的变化

这些实际上是我们进行

特定作物监测的一个重要的指标

这个指标也是我们进行特征选择的

一个重要的基础

第三个我们要考虑的特性

就是极化特性

一般来说

同极化的信号要比交叉极化的信号

拥有更强的回波

这个我们前面已经给大家提过

而垂直向上生长的作物

它的同极化的HH极化的信号

要明显的高于同样是

同极化的VV极化的信号

而平铺叶片的作物

它的VV极化的信号相对来说会增强

而交叉极化具体的信号强度

会随着生育期的变化

而有一定的变化规律

因此我们就需要根据具体的监测需求

进行合理的极化特征的选择

甚至我们需要用到一些

极化分解的特征来作为

待观测作物具体识别的一些指标特性

除了散射特性和极化特性之外

我们还要考虑一下时域变化特性

所谓的时域变化特性是指散射特性

它随着作物生育期不同时间的

这种时间变化规律

实际上很多时候我们都是要需要

根据作物后向散射

随时间变化规律来识别

和监测特定作物的

因此必须分析一下后向散射系数

它随时间的变化规律

分析了这个规律之后

我们就可以避免出现有一些共生植物

在特定的生育期

可能和待监测的作物

它具有相同的散射特性

的这种可能造成的混淆干扰

因为不可能在整个生育期

某种植物和我们待观测的植物

它的散射特性是完全相同的

所以通过利用这种时域变化特性

能够很有效的提高我们的监测的精度

下面我们说第三个方面就是

作物种植区的监测和相应的面积检测

这个实际上包括两步

第一步我们完成分类

第二步

完成种植区域提取和相应的面积计算

首先分类这里我就不再详述了

前面我们知道遥感影像

常用的分类方法

比如说监督分类 非监督分类

面向对象的分类

深度学习的分类等等

这些我们都可以使用

完成分类之后

我们所需要做的就是特定的作物

它的种植面积的提取

这个我们说包含两个步骤

第一个

我们是需要把所分类后的图像进行

种植区域的提取

换句话说

我们需要二值化分类之后的结果

二值化之后的图像

我们得到了只有两个区域

一个是种植了特定作物的区域

另外一个当然是

没有种植特定作物的区域

在提取出来

种植了特定作物的区域之后

我们第二步当然就是

完成具体的面积的计算

面积的计算相对来说比较简单

我们根据分辨率来计算出

特定这个区域的面积就可以了

在我们完成了分类

和相应的面积计算之后

我们还需要做一件事就是精度验证

什么是精度验证

当然了就是说我们算的结果

到底对不对

我们分类这么分到底对不对

这里我们精度验证一般

都是通过地面上的一些实测点

来看一下我们遥感监测的结果

和地面上的点对应起来

错了还是对了

这个精度分析实际上

我们也是包含两个方面

一个是精度验证

也就是待监测作物分类之后

分类精度的计算

第二个就是我们误差分析

这个实际上指的是待监测作物

它的种植面积

用遥感监测之后种植面积

和我们实测的种植面积之间的

一个误差的计算

这一章我们就讲到这里

谢谢大家