高分一号_高分一号的意义_高分四号(3)

2.2 玉米种植面积提取精度对比

根据实测的4个500m×500m耕地样方来评估玉米种植面积提取的误差，结果见表3。RapidEye影像的玉米面积提取误差最小，SVM方法的误差在2%以内，可以满足主要种植作物的面积提取精度要求。对于WFV和Landsat-8数据，SVM分类器的提取误差明显小于SAM，相比之下SVM更适合于玉米种植面积提取。WFV3影像在使用SVM时的玉米面积提取误差与RapidEye影像已十分接近，其应用精度要优于Landsat-815m融合影像。然而，WFV1和WFV4影像在玉米种植面积提取上的精度是最低的，在秋季种植作物种类复杂、地块较小的情况下，这两种影像不太适用于农作物的种植面积提取。这与农作物识别精度分析所得的结论相似。

表3 玉米种植面积提取误差统计

2.3 WFV3影像玉米识别的误差分析

以玉米识别为研究对象，对采用SVM方法WFV3得到的分类结果进行进一步的误差分析，统计其他地物在玉米错分与漏分像元中所占的比例，结果见表4。无论是错分还是漏分，玉米与蔬菜、林地（苗木）、大豆最易混淆，尤其是玉米与蔬菜、 玉米与苗木。

表4 玉米错误类型统计

玉米、苗木、蔬菜和大豆在WFV3上的光谱曲线见图4。由图可以看出，玉米和苗木的光谱曲线非常相似。故可以推测，造成玉米识别误差的主要原因应该是地物光谱特征本身的相似性或者WFV3图像本身的质量问题。为了进一步判断造成这种误差的具体原因，使用基于Jeffries-Matusita距离和转换分离度的方法来计算这几种类别间的统计距离，结果见表5。同时我们也对经过大气辐射校正的RapidEye图像的地物类别光谱可分性进行了统计（表5）。距离可分性范围为0到2.0，大于1.9说明这两种类别在该种图像上可以较好的区分开，小于1.8说明这两种类别在图像上不容易区分开，小于1.0则证明这两种类别在图像上几乎无法区分。通过对比两个统计表里的数据可以看出，无论是在WFV3影像上还是在RapidEye影像上，蔬菜、林地（苗木）和玉米的光谱距离可分性都是最小的， 说明蔬菜和玉米、林地（苗木）和玉米在7月底8月初的光谱上确实容易混淆。在本研究中造成玉米识别误差的主要是由于在这一时期，玉米和林地（苗木）、蔬菜这几种地物光谱固有的相似性（同谱异物），而不是GF-1卫星WFV3图像本身的质量问题。

图4 易混淆地物类型光谱曲线

表5 WFV3和RapidEye图像地物类别光谱可分性统计

3 结束语

GF-1卫星的成功发射和数据的成功下传，对推进我国遥感技术的发展具有十分重要的战略意义。通过对高分数据的前期处理研究，发现支持向量机与光谱角分类法比较适于农作物识别与种植面积提取。在本研究中，使用GF-1WFV宽幅16m分辨率数据的同时，结合Landsat-8和RapidEye数据，对许昌鄢陵地区的农作物进行了分类试验，并对玉米分类的误差进行了分析，确定WFV3影像中玉米分类的误差主要源于同谱异物现象。研究结果表明，SVM分类器的总体分类精度与Kappa系数都明显高于SAM分类器，相比之下SVM更适合于农作物识别与种植面积提取。本研究中，所用的3种WFV影像的应用效果差别较大，WFV3影像的农作物分类精度指标与玉米种植面积提取误差都最接近于RapidEye影像， 其应用效果优于Landsat-8 15m融合影像。而WFV1和WFV4影像的分类效果则较差，在秋季作物种类复杂的情况下，这两种影像总体上讲不太适用于鄢陵地区农作物的识别与种植面积提取。

随着遥感技术的突飞猛进，继续提高遥感卫星数据的质量，加强高分卫星数据的民用事业， 利用高分卫星数据与其他技术相结合，将会对河南地区乃至全国的土地利用以及农业、林业资源调查等方面有更进一步的推动作用。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shumachanpin/article-23336-3.html