文章详情
所在位置: 首页> 技术文章> 精准农业>

基于无人机成像高光谱的作物覆盖度提取研究(二)

基于无人机成像高光谱的作物覆盖度提取研究(二)

                                                   ——四川双利合谱科技有限公司


二、数据预处理分析:

本文利用四川双利合谱科技有限公司的GaiaSky-mini高光谱成像系统(光谱范围400 nm - 1000 nm)采集野外作物的的高光谱数据,以分析作物的覆盖度分布情况。图5为采集现场。

 

5 数据采集现场

Gaiask-mini拍摄的原始影像数据进行数据的预处理,预处理过程主要包括两部分。第一部分是辐射定标;第二部分为噪声去除。

首先进行辐射定标。辐射定标的计算公式如1所示。

(1)

其中,Reftarget为目标物的反射率,Refpanel为标准参考板的反射率,DNtarget为原始影像中目标物的的数值,DNpanel为原始影像中标准参考板的数值,DNdark为成像光谱仪系统误差。

其次是噪声去除,本文运用国外较为常用的最小噪声分离方法(Minimum Noise Fraction RotationMNF)进行噪声去除。最小噪声分离工具用于判定图像数据内在的维数(即波段数),分离数据中的噪声,减少随后处理中的计算需求量。MNF本质上是两次层叠的主成分变换。第一次变换(基于估计的噪声协方差矩阵)用于分离和重新调节数据中的噪声,这步操作使变换后的噪声数据只有最小的方差且没有波段间的相关。第二步是对噪声白化数据(Noise-whitened)的标准主成分变换。为了进一步进行波谱处理,通过检查最终特征值和相关图像来判定数据的内在维数。数据空间可被分为两部分:一部分与较大特征值和相对应的特征图像相关,其余部分与近似相同的特征值以及噪声占主导地位的图像相关。由于此次采集的高光谱影像没有白板校正,因此数据预处理的第一步辐射定标没有进行分析处理,直接作MNF降噪分析。图6MNF降噪前后的成像高光谱数据中DN值的变化。

6  MNF变换前(左)后(右)高光谱影像DN变化

下图分别为不同作物及土壤的光谱反射率值。从图7可知,不同作物在绿光区域均有明显的反射峰,在红光区域有明显的吸收谷,在可见光波段与近红外波段之间,即大约0.73um附近,反射率急剧上升,形成“红边”现象,“绿峰”、“红谷”、“红边”均是绿色植物曲线的最为明显的三个特征;但不同作物“绿峰”、“红谷”高低不一样,红边位置也不相同。土壤的光谱反射率值在可见光和近红外区域缓慢上升,其反射率光谱曲线与作物的光谱反射率曲线差别较大。

 

7  不同作物、土壤的光谱反射率值

三、基于无人机影像数据的作物覆盖度提取

植被覆盖度是指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比。容易与植被覆盖度混淆的概念是植被盖度,植被盖度是指植被冠层或叶面在地面的垂直投影面积占植被区总面积的比例。两个概念主要区别就是分母不一样。植被覆盖度常用于植被变化、生态环境研究、水土保持、气候等方面。

植被覆盖度的测量可分为地面测量和遥感估算两种方法。地面测量常用于田间尺度,遥感估算常用于区域尺度。

1. 估算模型

目前已经发展了很多利用遥感测量植被覆盖度的方法,较为实用的方法是利用植被指数近似估算植被覆盖度,常用的植被指数为NDVI。下面是李苗苗等在像元二分模型的基础上研究的模型:

VFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil)  2

其中,NDVIsoil为完全是裸土或无植被覆盖区域的NDVI值,NDVIveg则代表完全被植被所覆盖的像元的NDVI值,即纯植被像元的NDVI值。两个值的计算公式为:

NDVIsoil=VFCmax*NDVImin- VFCmin*NDVImax/( VFCmax- VFCmin)  3

NDVIveg=(1-VFCmin)*NDVImax- (1-VFCmax)*NDVImin/( VFCmax- VFCmin)  4

利用这个模型计算植被覆盖度的关键是计算NDVIsoilNDVIveg。这里有两种假设:

基于无人机成像高光谱的作物覆盖度提取研究(二)

1 当区域内可以近似取VFCmax=100%VFCmin=0%

公式(1)可变为:

VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin)   5

NDVImax NDVImin分别为区域内最大和最小的NDVI值。由于不可避免存在噪声,NDVImax NDVImin一般取一定置信度范围内的最大值与最小值,置信度的取值主要根据图像实际情况来定。

2 当区域内不能近似取VFCmax=100%VFCmin=0%

当有实测数据的情况下,取实测数据中的植被覆盖度的最大值和最小值作为VFCmax VFCmin,这两个实测数据对应图像的NDVI作为NDVImaxNDVImin

当没有实测数据的情况下,取一定置信度范围内的NDVImaxNDVIminVFCmaxVFCmin根据经验估算。

基于无人机成像高光谱的作物覆盖度提取研究(二)

2. 实现流程

我们下面我们以当区域内可以近似取VFCmax=100%VFCmin=0%”情况下

整个影像中NDVIsoil NDVIveg 取固定值,介绍在ENVI中实现植被覆盖度的计算方法。

使用的数据是经过辐射校准噪声去除高光谱影像。

(1)  选择Basic Tools-> Band Math,利用高光谱影像计算NDVI,输入的公式为(float(b1)-float(b2)/ float(b1)-float(b2)),图8NDVI的密度分割图

 

8  无人机高光谱影像的NDVI密度分割图

(2)   选择Basic Tools->Statistics ->Compute Statistics,在文件选择对话框中,选择统计文件并计算统计参数,如图9所示

 

 

9选择统计文件及统计参数

基于无人机成像高光谱的作物覆盖度提取研究(二)

(3)  得到研究区的统计结果。在统计结果中,最后一列表示对应NDVI值的累积概率分布。我们分别取累积概率为5%95%NDVI值作为NDVIminNDVImax,如图10所示。这里得到:

NDVImax=0.875057NDVImin=0.077420

 

10统计结果

 

(4)    根据公式(4),我们可以将整个地区分为三个部分:当NDVI小于0.077420VFC取值为0;NDVI大于0.875057VFC取值为1;介于两者之间的像元使用公式(4)计算。利用ENVI主菜单->Basic Tools->Band Math,在公式输入栏中输入:

(b1 lt 0.077420)*0+(b1 gt 0.875057)*1+(b1 ge 0.077420 and b1 le 0.875057)* ((b1-0.077420)/ (0.875057-0.077420))

b1:选择NDVI图像

基于无人机成像高光谱的作物覆盖度提取研究(二)

(5)    得到一个单波段的植被覆盖度图像文件,像元值表示这个像元内的平均植被覆盖度。在Display显示。

(6)    选择Tools->Color Mapping->Density Slice,单击Clear Range按钮清除默认区间。

(7)    选择Options->Add New Ranges,根据上面的对照表依次添加8个区间,分别为每个区间设置一定的颜色,单击Apply得到如下的植被覆盖图(图11)。

 

                               

  11植被覆盖度遥感估算结果

川公网安备 51011202000202号