高分六號(hào)衛(wèi)星WFV 新增譜段對(duì)農(nóng)作物識(shí)別精度的改善

文 | 姚保民 王利民 王鐸 劉佳 季富華

中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所

一、前言

遙感技術(shù)是獲取農(nóng)作物種植面積最為有效的途徑之一，增加敏感譜段能夠有效提高農(nóng)作物種植面積的精度，相關(guān)學(xué)者在這些方面開(kāi)展了較多的研究。如紅邊譜段農(nóng)作物光譜反射率差異的研究，紅邊譜段提升農(nóng)作物類(lèi)型識(shí)別能力的研究，以紅邊譜段為主的特征指數(shù)設(shè)計(jì)的研究等等。隨著光學(xué)傳感器光譜分辨率設(shè)計(jì)能力的快速提升，更多的譜段作用被不斷挖掘，在各行業(yè)的應(yīng)用范圍也在逐漸拓展，能力也在不斷提高。

高分六號(hào)（GF-6）衛(wèi)星于2018年6月2日成功發(fā)射，其上攜帶一臺(tái)寬幅相機(jī)，有16m 空間分辨率的8 譜段多光譜（WFV）圖像產(chǎn)品，新增了海岸藍(lán)、黃、紅邊譜段，為國(guó)產(chǎn)高分衛(wèi)星數(shù)據(jù)在農(nóng)作物種植面積識(shí)別中發(fā)揮更大的作用提供了契機(jī)。本文以河北中部、山東北部地區(qū)玉米、花生種植面積提取為例，以GF-6 WFV 數(shù)據(jù)與GF-1 WFV 數(shù)據(jù)重疊譜段作為基線，對(duì)新增譜段的識(shí)別能力進(jìn)行了初步分析。

二、高分六號(hào)WFV 譜段特征及測(cè)試數(shù)據(jù)處理

GF-6 WFV 數(shù)據(jù)共計(jì)有海岸藍(lán)譜段（C）、藍(lán)譜段（B）、綠譜段（G）、黃譜段（Y）、紅譜段（R）、紅邊譜段1（RE 1）、紅邊譜段2（RE 2）、近紅外譜段（NIR）8 個(gè)譜段，其譜段編號(hào)、名稱(chēng)、中心波長(zhǎng)及譜段范圍如表1 所示。該數(shù)據(jù)可以從中國(guó)資源衛(wèi)星應(yīng)用中心網(wǎng)站（http://www.cresda.com/CN/）注冊(cè)下載。數(shù)據(jù)幅寬≥860km，實(shí)際提供時(shí)是3 小景方式，3 小景的穿軌×沿軌范圍分別為238km×285km、385km×285km 和238km×285km左右。

表1 測(cè)試區(qū)GF-6 WFV 數(shù)據(jù)譜段編號(hào)及波長(zhǎng)范圍

本文研究選擇的數(shù)據(jù)是2019年8月28日，產(chǎn)品號(hào)為1119916442 的WFV 數(shù)據(jù)，影像覆蓋范圍區(qū)為河北中部、山東北部及天津中南部，該時(shí)期此范圍內(nèi)的大宗農(nóng)作物主要是玉米，經(jīng)濟(jì)作物有花生、紅薯、棉花、蔬菜等，園地有蘋(píng)果園、梨園，以及其他的觀賞苗木圃等。

對(duì)該景影像預(yù)處理步驟主要包括輻射定標(biāo)、大氣校正和正射校正。輻射定標(biāo)系數(shù)和光譜響應(yīng)函數(shù)從中國(guó)資源衛(wèi)星應(yīng)用中心網(wǎng)站下載，并采用6S 模型進(jìn)行了大氣校正，基于區(qū)域網(wǎng)平差的方法進(jìn)行了幾何精校正。預(yù)處理后的影像譜段排列方式是按照中心波長(zhǎng)由小到大的順序重新進(jìn)行了排列。圖1 給出預(yù)處理后的影像范圍，圖中影像合成方式為NIR/G/B假彩色合成。

圖1 測(cè)試區(qū)GF-6 WFV 數(shù)據(jù)及覆蓋范圍和訓(xùn)練樣方（NIR/G/B 合成）

三、新增譜段識(shí)別效果的研究思路與方法

以GF-6 WFV 影像為數(shù)據(jù)源，對(duì)比GF-6 WFV 較GF-1 WFV 衛(wèi)星新增的海岸藍(lán)、黃、紅邊1、紅邊2 譜段的分類(lèi)作用。使用基準(zhǔn)譜段近紅外譜段、紅譜段、綠譜段和藍(lán)譜段，依次增加新增譜段進(jìn)行分類(lèi)和精度驗(yàn)證，不同譜段組合的測(cè)試方案如表2 所示。

根據(jù)測(cè)試范圍內(nèi)農(nóng)作物類(lèi)型特征，以及農(nóng)作物遙感監(jiān)測(cè)業(yè)務(wù)中的實(shí)際需求，本文的分類(lèi)體系劃分為玉米類(lèi)作物、花生類(lèi)作物以及其他地物類(lèi)型3 類(lèi)；玉米類(lèi)作物是指紅邊譜段反射率相對(duì)較低的作物類(lèi)型，花生類(lèi)作物是指紅邊譜段反射率相對(duì)較高的作物類(lèi)型，其他地物類(lèi)型包括園地、裸地、城鎮(zhèn)和村莊、水體等。

分類(lèi)方法選擇隨機(jī)森林方法（RF），訓(xùn)練及分類(lèi)樣本是根據(jù)影像的顏色、紋理、形狀等特征，結(jié)合地面調(diào)查的實(shí)際經(jīng)驗(yàn)以目視的方法進(jìn)行選擇，共形成128 個(gè)面狀玉米類(lèi)、24 個(gè)面狀花生類(lèi)和174個(gè)面狀其他類(lèi)訓(xùn)練樣本。以總體精度和Kappa 系數(shù)兩個(gè)參數(shù)綜合考慮正確率和錯(cuò)誤率，本文采用兩個(gè)參數(shù)作為精度評(píng)價(jià)，也就是新增譜段識(shí)別能力分析的依據(jù)。

表2 基于GF-6 WFV 新增譜段測(cè)試方案表

四、新增譜段的分類(lèi)結(jié)果分析

根據(jù)上述6 種譜段組合方案，依次使用隨機(jī)森林分類(lèi)方法進(jìn)行分類(lèi)。以GF-6 WFV 影像的4 譜段分類(lèi)結(jié)果作為基準(zhǔn)，對(duì)比其他5 種分類(lèi)結(jié)果的精度。圖2 給出了總體精度和Kappa 系數(shù)的結(jié)果。

由圖2 可見(jiàn)，方案1、2、3、4、5、6 方案的總體精度分別為87.3%、88.1%、88.9%、93.2%、95.8%、95.9%，Kappa 系 數(shù) 分 別 為0.68、0.70、0.73、0.84、0.91、0.91。

精度最低的為方案1，即基準(zhǔn)譜段組合，總體精度為87.3%；精度最高方案6，即加入兩個(gè)紅邊譜段組合方案，總體精度為95.9%；這兩個(gè)方案實(shí)際上是GF-6 新增譜段參與分類(lèi)方案精度最優(yōu)能力對(duì)比，精度提高了8.6%以上。

圖2 測(cè)試區(qū)6 種方案總體精度與Kappa 系數(shù)結(jié)果

6 個(gè)方案的精度結(jié)果可以劃分為兩類(lèi)，即無(wú)紅邊的方案1、2、3 為一類(lèi)，總體精度平均為88.1%，最小和最大值分別為87.3%和88.9%；有紅邊的方案4、5、6 為一類(lèi)，總體精度平均為95.0%，最小和最大值分別為93.2%和98.6%。

將方案分為有紅邊譜段和無(wú)紅邊譜段兩大類(lèi)，則有紅邊的方案比無(wú)紅邊的方案總體高6.9%以上；兩大類(lèi)各自相比，提升能力都相對(duì)較低，無(wú)紅邊的精度提升1.3%左右，有紅邊的精度提升2.7%左右；對(duì)比方案4、5、6，方案5 的精度比方案4 的精度更接近方案6，僅差0.1%，也就是說(shuō)紅邊譜段2 比紅邊譜段1 更為有效，更接近近紅外譜段的識(shí)別能力。

圖3 為測(cè)試區(qū)作物面積提取及6 種譜段組合方案的分類(lèi)效果對(duì)比圖。從圖3 結(jié)果也可以看出，方案2 分類(lèi)結(jié)果與方案1 的變化不大，方案3 玉米面積開(kāi)始增加，如圖中橙色小框所示，玉米、花生與背景地物的可分性開(kāi)始增大，如圖中黃色小框所示，方案4、5、6 因?yàn)榧t邊譜段1 、紅邊譜段 2 加入分類(lèi)，不僅玉米、花生與背景地物差異明顯，同時(shí)兩者之間可分性也增大，如圖中橙、黃小框所示，使得分類(lèi)結(jié)果精度進(jìn)一步得到提高。

圖3 測(cè)試區(qū)作物面積提取及6 種譜段組合方案的分類(lèi)效果對(duì)比圖

五、結(jié)論

通過(guò)GF-6 新增的譜段數(shù)據(jù)對(duì)玉米、大豆等夏季作物的識(shí)別研究可以發(fā)現(xiàn)，新增譜段對(duì)作物識(shí)別精度都有一定提升作用。從譜段設(shè)置上來(lái)看，紅邊譜段的提升作用更為明顯，并且紅邊譜段2 的效果最好，提高了8.6%。表明該譜段能更好反映作物識(shí)別信息，有進(jìn)一步深入研究的必要。從譜段設(shè)置上看，譜段位置的設(shè)置比譜段數(shù)量的設(shè)置更為優(yōu)先。

從當(dāng)前的研究結(jié)果可以進(jìn)一步推測(cè)，在可見(jiàn)光-紅邊-近紅外譜段范圍內(nèi)，越接近近紅外譜段，對(duì)農(nóng)作物的識(shí)別能力可能越高。此外，譜段范圍對(duì)農(nóng)作物識(shí)別精度可能也會(huì)有較大影響，限于數(shù)據(jù)原因，沒(méi)有作深入分析。上述推測(cè)與不足，將在后續(xù)的研究中驗(yàn)證與完善。