基于多源数据复合分析的作物遥感识别方法研究
|
摘要
作物遥感识别是农情遥感监测的关键。本文通过对国内外运行化农情遥感监测方法的分析。设计并建立了农情遥感监测背景数据库，研究了多时相、多源数据复合分析方法，开发了作物遥感识别运行化技术体系。通过对黄淮海区试验，结果表明，该方法可以显著提高作物遥感识别精确度，改进工作效果，提高工作效率，适用于农业部的农情遥感监测运行系统。
本项研究建立的以作物遥感识别为主要目标的全面、系统的海量数据库，分为空间数据库和属性数据库两部分。空间数据包括多时相遥感(RS)影像、地理基础和专题地图、基于GPS的田间作业数据等，属性数据包括农业统计、地面监测数据等。以系统管理为核心功能，以数据采集、编辑、检索等为扩展功能的数据库可为运行化作物遥感识别提供强大的工作平台和快速、全面、可靠的数据支持。本项研究设计的空间数据库和属性数据库设计规范是背景数据库设计的核心，具有普遍意义。
本项研究筛选出了构成运行化作物遥感识别技术体系的一系列数据复合分析方法，包括GPS、GIS数据以及其它田间作业信息与RS数据之间的复合，确立解译标志和划分作业区；RS数据之间的复合，进行图像增强，改善非监督分类效果；GIS数据之间的复合，分析作业区作物结构、物候和耕作制度现状，地图拼接、特征提取等。
本项研究首次提出应用于作物遥感识别的田间作业方法及其技术规程。该方法系统、全面的规范了田间作业准备、田间作业过程及田间作业数据处理等各个环节的操作，使整个田间工作系统化、标准化，节约时间、经费。
小地物问题是作物识别的精确度问题。消除由小地物引起的作物识别误差是作物面积遥感估算中须解决的问题。本文首次提出了解决小地物问题的“双重抽样”方案，可以提高运行系统的精确度。
It is essential to discriminate crops in monitoring crop condition using RS(Remote Sensing). A background database for monitoring crop condition is designed and set up through analyzing operating methods of monitoring crop condition from China and other countries. Combination analyzing method of multi-temporal images and multi-source data is studied in this paper. ,A operating method system for crop discrimination is developed using this method to recognize the crops in Huang huai Hai region as a case study, it can improve the result of crop discrimination, advancing work efficiency, which is used to crop condition monitoring system of Ministry of Agriculture.
The background database containing RS,GIS,GPS,statistical and ground truth data is classified to spatial database and attribute database. Management function of the background database is important to other functions such as data gathering, data searching etc. The background database offers powerful working platform and reliable data collected rapidly. The regulations enacted in this study for designing the spatial and attribute database are fundamental to found the background database, which are useful for other application in designing database.
A series methods of data combination analyzing are selected to form the operating method system for crop discrimination. Combining GIS, GPS, and other data from field work with RS data can determine interpretation features and set off working regions, combining RS data can enhance spatial features in order to do unsupervised classification efficiently, union of GIS data enable us to join maps and extract features, to analyze crop structure ,crop calendar, cultivating system.
The methods and rules in field working first normanized by this study for crop discrimination using RS enable field working to run economically.
The small features in crop fields are related to the precision level of crop discrimination using RS. Eliminating the discrimination errors from small features is crucial in estimating area results using RS. A double sampling method is first suggested in this paper in order to solve the problem. The first step is to do a small features sampling in samples using GPS measurements and the total crop area is estimated using the more accurate samples.
本项研究建立的以作物遥感识别为主要目标的全面、系统的海量数据库，分为空间数据库和属性数据库两部分。空间数据包括多时相遥感(RS)影像、地理基础和专题地图、基于GPS的田间作业数据等，属性数据包括农业统计、地面监测数据等。以系统管理为核心功能，以数据采集、编辑、检索等为扩展功能的数据库可为运行化作物遥感识别提供强大的工作平台和快速、全面、可靠的数据支持。本项研究设计的空间数据库和属性数据库设计规范是背景数据库设计的核心，具有普遍意义。
本项研究筛选出了构成运行化作物遥感识别技术体系的一系列数据复合分析方法，包括GPS、GIS数据以及其它田间作业信息与RS数据之间的复合，确立解译标志和划分作业区；RS数据之间的复合，进行图像增强，改善非监督分类效果；GIS数据之间的复合，分析作业区作物结构、物候和耕作制度现状，地图拼接、特征提取等。
本项研究首次提出应用于作物遥感识别的田间作业方法及其技术规程。该方法系统、全面的规范了田间作业准备、田间作业过程及田间作业数据处理等各个环节的操作，使整个田间工作系统化、标准化，节约时间、经费。
小地物问题是作物识别的精确度问题。消除由小地物引起的作物识别误差是作物面积遥感估算中须解决的问题。本文首次提出了解决小地物问题的“双重抽样”方案，可以提高运行系统的精确度。
It is essential to discriminate crops in monitoring crop condition using RS(Remote Sensing). A background database for monitoring crop condition is designed and set up through analyzing operating methods of monitoring crop condition from China and other countries. Combination analyzing method of multi-temporal images and multi-source data is studied in this paper. ,A operating method system for crop discrimination is developed using this method to recognize the crops in Huang huai Hai region as a case study, it can improve the result of crop discrimination, advancing work efficiency, which is used to crop condition monitoring system of Ministry of Agriculture.
The background database containing RS,GIS,GPS,statistical and ground truth data is classified to spatial database and attribute database. Management function of the background database is important to other functions such as data gathering, data searching etc. The background database offers powerful working platform and reliable data collected rapidly. The regulations enacted in this study for designing the spatial and attribute database are fundamental to found the background database, which are useful for other application in designing database.
A series methods of data combination analyzing are selected to form the operating method system for crop discrimination. Combining GIS, GPS, and other data from field work with RS data can determine interpretation features and set off working regions, combining RS data can enhance spatial features in order to do unsupervised classification efficiently, union of GIS data enable us to join maps and extract features, to analyze crop structure ,crop calendar, cultivating system.
The methods and rules in field working first normanized by this study for crop discrimination using RS enable field working to run economically.
The small features in crop fields are related to the precision level of crop discrimination using RS. Eliminating the discrimination errors from small features is crucial in estimating area results using RS. A double sampling method is first suggested in this paper in order to solve the problem. The first step is to do a small features sampling in samples using GPS measurements and the total crop area is estimated using the more accurate samples.
引文
[1] 农业部规划设计研究院．国家级农情监测系统研究报告．国家自然科学基金资助项目(39870444)，2001，1～8
[2] 杨邦杰，裴志远，焦险等．基于CBERS-1卫星图像的新疆棉花遥感监测技术体系．农业工程学报,2003，19(6)：146～149
[3] 胡如忠，刘海启．遥感技术应用与欧美农作物估产．北京：气象出版社，2002，34～59
[4] 焦险峰，杨邦杰，裴志远．全国棉花种植面积遥感监测抽样方法设计．农业工程学报,2002，18(4)：159～162
[5] Yafit Cohen,Maxim Shoshany. A national knowledge-based crop recognition in Mediterranean environment. International Journal of Applied Earth Observation and Geoinfoemation, 2002, 4:75～87
[6] S. Panigrahy, S.A.Sharrna. Mapping of crop rotation using multidate Indian Remote Sensing Satellite digital data. Photogrammetry & Remote Sensing, 1997,52:85～91
[7] 董谢琼，徐虹，浦吉存．GIS、GPS支持下的云南春季作物遥感信息提取．中国农业气象,2003，24(4)：35～36
[8] 郑玉坤，庄大方．多时相AVHRR数据的傅立叶分析．中国科学院研究生院学报,2003,20(1)：62～67
[9] 延吴，王长耀，牛铮，等．多时相NOAA-AVHRR数据主成分分析的生物学意义．遥感技术与应用,2001．16(4)：209～212
[10] 刘浩，邵芸，王翠珍．多时相Radarsat数据在广东肇庆地区稻田分类中的应用．国土资源遥感，997,34(4)：1～6
[11] 陈沈斌，孙九林．建立我国主要农作物卫星遥感估产运行系统的主要技术环节及解决途径．自然资源学报，1997,12(4)：363～368
[12] 边馥苓．地理信息系统原理和方法．北京：测绘出版社，1996,37～48
[13] 宛延闿．工程数据库系统．北京：清华大学出版社，1999
[14] 庄大方．土地利用／士地覆盖变化空间信息的遥感和地理信息系统方法研究：[博士学位论文]，北京：中国科学院，2001
[15] 王卉．一种解决GIS多源数据无缝集成的方法．测绘工程,2003,12(2)：11～13
[16] 赵英时．遥感应用分析原理与方法．北京：科学出版社，2003，58～59
[17] 严蔚敏，吴伟民．数据结构．北京：清华大学出版社,1997,4～5
[18] 唐泽圣、周嘉玉、李新友．计算机图形学基础．北京：清华大学出版社，1995，280～288
[19] 陈述彭，赵英时．遥感地学分析．北京：测绘出版社，1990,147～167。
[20] 党安荣，王晓栋，陈晓峰，等．ERDAS IMAGINE遥感图像处理与方法．北京：清华大学出版社，2003，116～117．
[21] Thomas M. Lillesand,Ralph W.Kiefer.Remote sensing and image interpretation.New York:
John Wiley & Sons, lnc, 2002, 576～586
[22] 吴连喜．多源遥感数据融合的理论与实践：[博士学位论文]，北京：中国农业大学，2002
[23] 陈萍，刘宝银，张杰．航大遥感多源数据的复合信息及其应用研究—以黄河口为例．黄渤海海洋,2000,18(2)：29～35
[24] 李登科，刘安麟，邓凤尔，等．黄土高原丘陵沟壑区坡耕地3S技术调查．遥感信息,2002，6：15～18
[25] 吴全，杨邦杰，张松岭，等．基于3S技术的中国西部草地资源信息系统．农业工程学报，2001．17(5)：142～145
[26] 甘肃农业大学主编，《草原调查与规划》，北京：农业出版社，1985，56～82,111～114
[27] 寇有观，萧鉥．农业遥感．北京：农业出版社,1988,118～130。
[28] 刘纪远主编．中国资源环境遥感宏观调查与动态研究．北京：中国科学技术出版社，1996，26～30
[29] 陈仲新，刘海启，周清波等．全国冬小麦面积变化遥感监测抽样外推方法研究．农业工程学报，2000，16(5)：126～129
[30] 金勇进，蒋妍，李序颖．抽样技术．北京：中国人民大学出版社,2002,195～210
[31] 全国农业区划委员会．中国农业自然资源和农业区划．北京：农业出版版社，1991，50～57，46～85．162～165
[32] 刘巽浩，牟正国．中国耕作制度．北京：农业出版社,1993,134～135。
[33] 周成虎，骆剑承，杨晓梅，等．遥感影像地学理解与分析．北京：科学出版社,2003，132～141
[34] 熊利亚．中国农作物遥感动态监测与估产集成系统．北京：中国科学技术出版社，1996，81～136
[35] 国家技术监督局．GB2260-95．中华人民共和国行政区划代码．北京：中国标准出版社，1996
[36] 丁秀林，任雪松．多元统计分析．北京：中国统计出版社，1999,154～170
[37] 国家统计局农村社会经济调查总队．中国县(市)社会经济统计概要．北京：中国统计出版社，2000,1076～1113
[38] 杨邦杰，张松岭，王飞，农业部资源环境信息系统设计，农业工程学报，1998(3)13～18。
[39] 唐延林，黄敬峰．农业高光谱遥感研究的现状与发展趋势．遥感技术与应用，2001，16(4)：248～250
[40] 裴志远，杨邦杰．多时相NDVI的时空特征提取与作物长势模型设计．农业工程学报,2000，16(5)：20～22．
[41] 于茂新，裴志远，吴全，杨邦杰．应用NOAA图像监测冬小麦面积的研究．农业工程学报，1998，14(3)：84～88．
[42] 杨邦杰，裴志远．作物长势的定义与遥感监测．农业工程学报，1999，15(3)：214～218．
[43] 吴炳方．全国农情监测与估产的运行化．地理学报，2000，55(1)：25～32
[44] Yang Bangjie, Pei Zhiyuan and Zhang Songling. RS-GIS-GPS based agricultural condition monitoring systems at a national scale. Transactions of CSAE, 2001, 17(1): 154～159.
[45] K. Dabrowska-zielinskaf. Kogan, A. Cioikosz, M. Gruszczynska and W. Kowalik. Modeling of crop growth conditions and crop yield in Poland using AVHRR-based indices. Remote Sensing,2002, VOL. 23, NO. 6, 1109-1123.
[46] Felix N. Kogan. Operational space technology for global vegetation assessment. Bulletin of the American Meteorological Society, 2001,Vol. 82,No.9, 1949～1964.
[47] X. Yang, and C. P. LO. Using a time series of satellite imagery to detect land use and land cover changes in the Atlanta, Georgia metropolitan area. Remote Sensing, 2002, Vol.23, NO.9,1775-1798
[48] Robert Bindschadler and Patricia Vornberger. Detecting ice-sheet topography with AVHRR,RESURS-01, and Landsat TM imagery. Photogrammetric Engineering & Remote Sensing,2001,Vol.66, No.4, 417～418
[49] Lucien Wald. Some terms of reference in data fusion. Geoscience and Remote Sensing, 1999,Vol.37, No. 3, 1190-1193
[50] C. Pohl and J.L.van Genderen. Multisensor image fusion in remote sensing: concepts, methods and applications. International Journal of Remote Sensing, 1998,Vol. 19, No. 5, 823-854
[51] D.L.Hall and J.Llinas. An introduction to multisensor data fusion. Proc. IEEE, 1997,Vol.85,6～23
[52] Jon Alti Benediktsson. Introduction special issue on data fusion. Geoscience and Remote Sensing,1999,Vol. 37, No. 3, 1187
[53] L.O.Jimenze, A.Morales-Morell, and A.Creus. Classification of hyperdimensional data based on feature and decision fusion approaches using projection pursuit, Majority Voting, and Neural Networks. Geoscience and Remote Sensing, 1999,Vol. 37, No. 3, 1360～1366
[54] J.A.Benediktsson and I.Kanellopoilos. Classification of multisource and hyperspectral data based on decision fusion. Geoscience and Remote Sensing, 1999,Vol. 37, No. 3, 1367～11377
[55] T. Duda and Canty. Unsupervised classification of satellite imagery:choosing a good algorithm.Remote Sensing,2002,Vol.23 No. 11,2193～2212
[56] 田庆久，宫鹏．地物波谱数据库研究现状与发展趋势．遥感信息，2002，3，2～6
[57] 陈冬林，李勤爽．知识型遥感图像光谱特征融合探讨．遥感信息，2001，2，6～8
[58] 谢永华，傅德胜．基于小波变换的多源遥感图像的信息融合．遥感技术与应用，2001，16(4)．260～263
[2] 杨邦杰，裴志远，焦险等．基于CBERS-1卫星图像的新疆棉花遥感监测技术体系．农业工程学报,2003，19(6)：146～149
[3] 胡如忠，刘海启．遥感技术应用与欧美农作物估产．北京：气象出版社，2002，34～59
[4] 焦险峰，杨邦杰，裴志远．全国棉花种植面积遥感监测抽样方法设计．农业工程学报,2002，18(4)：159～162
[5] Yafit Cohen,Maxim Shoshany. A national knowledge-based crop recognition in Mediterranean environment. International Journal of Applied Earth Observation and Geoinfoemation, 2002, 4:75～87
[6] S. Panigrahy, S.A.Sharrna. Mapping of crop rotation using multidate Indian Remote Sensing Satellite digital data. Photogrammetry & Remote Sensing, 1997,52:85～91
[7] 董谢琼，徐虹，浦吉存．GIS、GPS支持下的云南春季作物遥感信息提取．中国农业气象,2003，24(4)：35～36
[8] 郑玉坤，庄大方．多时相AVHRR数据的傅立叶分析．中国科学院研究生院学报,2003,20(1)：62～67
[9] 延吴，王长耀，牛铮，等．多时相NOAA-AVHRR数据主成分分析的生物学意义．遥感技术与应用,2001．16(4)：209～212
[10] 刘浩，邵芸，王翠珍．多时相Radarsat数据在广东肇庆地区稻田分类中的应用．国土资源遥感，997,34(4)：1～6
[11] 陈沈斌，孙九林．建立我国主要农作物卫星遥感估产运行系统的主要技术环节及解决途径．自然资源学报，1997,12(4)：363～368
[12] 边馥苓．地理信息系统原理和方法．北京：测绘出版社，1996,37～48
[13] 宛延闿．工程数据库系统．北京：清华大学出版社，1999
[14] 庄大方．土地利用／士地覆盖变化空间信息的遥感和地理信息系统方法研究：[博士学位论文]，北京：中国科学院，2001
[15] 王卉．一种解决GIS多源数据无缝集成的方法．测绘工程,2003,12(2)：11～13
[16] 赵英时．遥感应用分析原理与方法．北京：科学出版社，2003，58～59
[17] 严蔚敏，吴伟民．数据结构．北京：清华大学出版社,1997,4～5
[18] 唐泽圣、周嘉玉、李新友．计算机图形学基础．北京：清华大学出版社，1995，280～288
[19] 陈述彭，赵英时．遥感地学分析．北京：测绘出版社，1990,147～167。
[20] 党安荣，王晓栋，陈晓峰，等．ERDAS IMAGINE遥感图像处理与方法．北京：清华大学出版社，2003，116～117．
[21] Thomas M. Lillesand,Ralph W.Kiefer.Remote sensing and image interpretation.New York:
John Wiley & Sons, lnc, 2002, 576～586
[22] 吴连喜．多源遥感数据融合的理论与实践：[博士学位论文]，北京：中国农业大学，2002
[23] 陈萍，刘宝银，张杰．航大遥感多源数据的复合信息及其应用研究—以黄河口为例．黄渤海海洋,2000,18(2)：29～35
[24] 李登科，刘安麟，邓凤尔，等．黄土高原丘陵沟壑区坡耕地3S技术调查．遥感信息,2002，6：15～18
[25] 吴全，杨邦杰，张松岭，等．基于3S技术的中国西部草地资源信息系统．农业工程学报，2001．17(5)：142～145
[26] 甘肃农业大学主编，《草原调查与规划》，北京：农业出版社，1985，56～82,111～114
[27] 寇有观，萧鉥．农业遥感．北京：农业出版社,1988,118～130。
[28] 刘纪远主编．中国资源环境遥感宏观调查与动态研究．北京：中国科学技术出版社，1996，26～30
[29] 陈仲新，刘海启，周清波等．全国冬小麦面积变化遥感监测抽样外推方法研究．农业工程学报，2000，16(5)：126～129
[30] 金勇进，蒋妍，李序颖．抽样技术．北京：中国人民大学出版社,2002,195～210
[31] 全国农业区划委员会．中国农业自然资源和农业区划．北京：农业出版版社，1991，50～57，46～85．162～165
[32] 刘巽浩，牟正国．中国耕作制度．北京：农业出版社,1993,134～135。
[33] 周成虎，骆剑承，杨晓梅，等．遥感影像地学理解与分析．北京：科学出版社,2003，132～141
[34] 熊利亚．中国农作物遥感动态监测与估产集成系统．北京：中国科学技术出版社，1996，81～136
[35] 国家技术监督局．GB2260-95．中华人民共和国行政区划代码．北京：中国标准出版社，1996
[36] 丁秀林，任雪松．多元统计分析．北京：中国统计出版社，1999,154～170
[37] 国家统计局农村社会经济调查总队．中国县(市)社会经济统计概要．北京：中国统计出版社，2000,1076～1113
[38] 杨邦杰，张松岭，王飞，农业部资源环境信息系统设计，农业工程学报，1998(3)13～18。
[39] 唐延林，黄敬峰．农业高光谱遥感研究的现状与发展趋势．遥感技术与应用，2001，16(4)：248～250
[40] 裴志远，杨邦杰．多时相NDVI的时空特征提取与作物长势模型设计．农业工程学报,2000，16(5)：20～22．
[41] 于茂新，裴志远，吴全，杨邦杰．应用NOAA图像监测冬小麦面积的研究．农业工程学报，1998，14(3)：84～88．
[42] 杨邦杰，裴志远．作物长势的定义与遥感监测．农业工程学报，1999，15(3)：214～218．
[43] 吴炳方．全国农情监测与估产的运行化．地理学报，2000，55(1)：25～32
[44] Yang Bangjie, Pei Zhiyuan and Zhang Songling. RS-GIS-GPS based agricultural condition monitoring systems at a national scale. Transactions of CSAE, 2001, 17(1): 154～159.
[45] K. Dabrowska-zielinskaf. Kogan, A. Cioikosz, M. Gruszczynska and W. Kowalik. Modeling of crop growth conditions and crop yield in Poland using AVHRR-based indices. Remote Sensing,2002, VOL. 23, NO. 6, 1109-1123.
[46] Felix N. Kogan. Operational space technology for global vegetation assessment. Bulletin of the American Meteorological Society, 2001,Vol. 82,No.9, 1949～1964.
[47] X. Yang, and C. P. LO. Using a time series of satellite imagery to detect land use and land cover changes in the Atlanta, Georgia metropolitan area. Remote Sensing, 2002, Vol.23, NO.9,1775-1798
[48] Robert Bindschadler and Patricia Vornberger. Detecting ice-sheet topography with AVHRR,RESURS-01, and Landsat TM imagery. Photogrammetric Engineering & Remote Sensing,2001,Vol.66, No.4, 417～418
[49] Lucien Wald. Some terms of reference in data fusion. Geoscience and Remote Sensing, 1999,Vol.37, No. 3, 1190-1193
[50] C. Pohl and J.L.van Genderen. Multisensor image fusion in remote sensing: concepts, methods and applications. International Journal of Remote Sensing, 1998,Vol. 19, No. 5, 823-854
[51] D.L.Hall and J.Llinas. An introduction to multisensor data fusion. Proc. IEEE, 1997,Vol.85,6～23
[52] Jon Alti Benediktsson. Introduction special issue on data fusion. Geoscience and Remote Sensing,1999,Vol. 37, No. 3, 1187
[53] L.O.Jimenze, A.Morales-Morell, and A.Creus. Classification of hyperdimensional data based on feature and decision fusion approaches using projection pursuit, Majority Voting, and Neural Networks. Geoscience and Remote Sensing, 1999,Vol. 37, No. 3, 1360～1366
[54] J.A.Benediktsson and I.Kanellopoilos. Classification of multisource and hyperspectral data based on decision fusion. Geoscience and Remote Sensing, 1999,Vol. 37, No. 3, 1367～11377
[55] T. Duda and Canty. Unsupervised classification of satellite imagery:choosing a good algorithm.Remote Sensing,2002,Vol.23 No. 11,2193～2212
[56] 田庆久，宫鹏．地物波谱数据库研究现状与发展趋势．遥感信息，2002，3，2～6
[57] 陈冬林，李勤爽．知识型遥感图像光谱特征融合探讨．遥感信息，2001，2，6～8
[58] 谢永华，傅德胜．基于小波变换的多源遥感图像的信息融合．遥感技术与应用，2001，16(4)．260～263