基于光谱指数的流域尺度农业塑料大棚制图

2022-05-25 13:23郭锦涛
黑龙江粮食 2022年4期
关键词:塑料大棚光谱阈值

□ 郭锦涛 洪 亮

(1.云南师范大学地理学部, 云南 昆明 650500;2.云南师范大学西部资源环境地理信息技术教育部工程技术研究中心, 云南 昆明 650500)

农业塑料大棚的使用有助于提高作物产量,但是,长期大量使用塑料大棚会破坏土壤结构,同时,农业化肥产生的残留物质(如氮、磷等)会随着地表径流汇入河网,对生态环境造成负面影响[1]。因此,需要一种能够动态监测并绘制塑料大棚时空分布的方法,从而为当地政府更好地管理、规划塑料大棚使用以及环境保护提供参考。相比传统测量技术,遥感技术能够快速获取大范围内塑料大棚覆盖的信息。

基于遥感技术的塑料大棚覆盖信息提取方法主要分为两类:(1)基于光谱特征和分类器的提取方法[2],此类方法依赖于样本的质量,分类成本较高。(2)基于光谱指数和阈值模型的提取方法,该方法计算效率高、精度可靠、成本较低、提取规则可重复利用,Wang等[3]、Yang等[4]基于中低等分辨率遥感影像提出了一些塑料大棚的自动识别模型,并取得一定的研究成果。

目前研究成果主要适用于塑料大棚成片、连续分布或地表覆盖类型相对简单的区域,随着城市化和农业现代化的进程,大部分区域地表覆盖类型正趋于复杂化,以上方法在复杂区域对塑料大棚的提取效果仍需进一步验证。而流域是在分水线约束下形成的闭合性区域,区域内地理环境复杂,地物类型多样,是研究和讨论已有方法制图效果的良好样区。基于此,本文选择滇池流域为研究区,比较分析三种塑料大棚光谱指数方法的分类效果,以期为复杂环境下塑料大棚提取提供参考。

一、研究区

滇池流域位于云南省中部,24°29~25°28N,102°29~103°01E之间。流域内土地覆盖类型复杂,农业生产水平较高,主要生产蔬菜、花卉和苗木等经济作物,流域东南及南部大量农田被改造为塑料大棚。

二、数据和方法

(一)数据及预处理

本文使用由欧空局(ESA)提供的Sentinel-2光学遥感影像进行塑料大棚提取。本文选择两幅2019年3月15日采集的Sentinel-2ALevel-1C产品,并使用SNAP7.0软件进行预处理。

(二)特征分析

滇池流域内农业塑料大棚在真彩色影像上主要呈现为五种类型:黑色塑料大棚、棕色塑料大棚、灰蓝色塑料大棚、绿色塑料大棚和白色塑料大棚。本文将五种类型塑料大棚统一归类为塑料大棚,并将背景地物归类为其他类型。通过选取13种地物的样本各200个,根据5%~95%的置信区间统计并绘制样本在Sentinel-2的12个波段和8个光谱指数的特征均值曲线图(图1)。由图1可知,五种类型塑料大棚的光谱特征差异较大,且五种类型塑料大棚分别与不同背景地物在各个特征上存在相似性,区分度较低。

图1 不同类型塑料大棚特征分析

(三)光谱指数方法

塑料薄膜在近红外(NIR)、短波红外1(SWIR1)和短波红外2(SWIR2)处具有三个吸收带,在实际分类中,地表地物类型复杂,且塑料大棚与其他地物在各光谱指数中类间差异较小,仅使用单一光谱指数提取塑料大棚精度较低,因此,已有研究通常采用多个指数构建阈值模型进行塑料大棚提取。决策树分类法是一种基于规则逐级分层的非参数分类模型[3],被广泛使用于阈值模型的构建。

1.指数

(Green house vegetable landex traction model)指数由Zhao等[5]提出,公式如(1)所示。指数主要利用塑料大棚在短波红外1波段反射率>近红外波段反射率>红波段(R)反射率的性质进行构建。指数的阈值上限为0.05。

式中,slope为坡度特征。

2.PGI指数

PGI(PlasticGreenhouseIndex)指数由Yang等[4]提出。综上可知,对于地物类型较复杂,且塑料大棚类型多样的区域,PGHI具有更好的分类效果。PGI指数提取塑料大棚的阈值上限为6.7,阈值下限为1.3。

式中,NDVI=(NIR-R)/(NIR+R),

NDBI=(SWIR1-NIR)/(SWIR1+NIR)

3.PGHI指数

式中,CSBI=SWIR2/SWIR1,

Brightness=(R+G+B)/3,PMLI=R/B

PGHI(PGHIndex)指数由Ji等[6]提出,公式如(3)所示,该方法使用亮度特征(Brightness)去除暗水体、植被和暗不透水面,近红外波段(NIR)用于去除亮水体,塑料地膜覆盖指数(Plastic-mulchedLandcoverIndex,PMLI)用于去除农用塑料地膜覆盖农田,彩钢瓦建筑指数(Color Steel Buildings Index,CSBI)用于去除彩钢瓦建筑,PGHI指数用于去除裸地和亮不透水面,PGHI指数的阈值下限为0.43。

(四)地物可分性评价

为比较地物在不同指数中的可分性,本文采用J-M距离(Jeffreys-matusitaDistance)作为评价类别间可分性的指标。J-M距离公式如下:

式中,J为J-M距离,Bij为i类别和j的样本之间在某一特征上的巴氏距离,μi为i类别在某一特征的均值,δi为i类别在某一特征的标准差。J-M距离的取值范围为0~2,当J<1时,表明不同类别之间在该特征下不具备可分性;当J>1时,值越大,其分可分性越高。

(五)精度评价方法

为了定量评价三种方法的提取精度,本文使用混淆矩阵评估分类准确性。基于GoogleEarth提供的高分辨率遥感影像进行人工样本选择,确保样本均匀分布在整个研究区,包含塑料大棚、水体、植被、不透水表面和裸土等五类地物。其中塑料大棚样本总面积为81.35km2,背景地物样本总面积80.75km2。

三、结果分析

(一)精度评价

三种指数分类精度如表1所示,可知,基于决策树方法分类的总体精度均在76%以上,Kappa系数均在0.5以上,所有地物的制图精度均在60%以上。三种方法中,PGHI指数对于塑料大棚的漏分误差和错分误差均最低;指数对于塑料大棚的漏分误差最高;PGI指数对于塑料大棚的错分误差最高,为14.71%。总体而言,PGHI指数各项精度评价指标均最高。

表1 不同方法提取塑料大棚精度

(二)塑料大棚提取结果对比

图2为三种方法提取塑料大棚的分类结果,结合图1可知,塑料大棚主要分布在滇池东南沿岸,三种方法均能有效提取塑料大棚。但三种方法都存在将其他地物误分为塑料大棚的情况,其中,和PGI这两种方法误分比较严重。PGI指数的误分主要发生在城市和山区,主要错分类型为暗裸土;指数的误分主要发生在城市区域,主要误分地物为植被和;PGHI指数的误分主要发生在城市区域,主要为低矮建筑和公路等不透水面与植被混合的像元。

图2 滇池流域塑料大棚覆盖图

由图3可知,三种方法在不同区域提取效果存在差异。在山谷地带(区域1),指数对塑料大棚的漏提取现象严重;在农业生产区(区域2),指数将大量暗裸土误分为塑料大棚,PGI指数将部分亮度较高的裸土误分为塑料大棚,而PGHI指数可以将塑料大棚之间的小路去除,分类结果精细程度更高;在郊区(区域3),三种指数均存在错误分类问题,主要为植被和不透水面混合的像元,其中,指数错误分类问题最严重。

图3 不同区域塑料大棚提取结果

针对误分、漏分问题,计算不同类型塑料大棚与其他地物之间三种塑料大棚指数的J-M距离如图4所示。可知,(1)受类内光谱差异较大、类间光谱差异较小的影响,三种指数均无法涵盖所有类型塑料大棚;(2)PGHI指数分类的漏分误差主要来源于黑色、棕色、白色三种类型塑料大棚的漏提取;(3)PGHI和PGI指数中五种塑料大棚与其他地物的整体可分性高于指数,其中,灰蓝色、绿色和白色塑料大棚SWIR1波段的反射率小于NIR波段(图1),不满足指数的构建规则,导致该方法对塑料大棚的漏分误差较高,达到39.25%。

图4 不同指数塑料大棚与地物的分离度

五、结语

本文以Sentinel-2为数据源,采用三种塑料大棚光谱指数方法对滇池流域塑料大棚进行制图,结合对地物的特征和J-M距离进行分析,结果表明:基于PGHI指数的阈值模型整体分类效果最佳,总体精度为89.13%,Kappa为0.7817,塑料大棚的制图精度和用户精度分别为83.42%和93.42%,该方法能够识别出塑料大棚之间的间隔,制图精细程度较高,能够适用于流域尺度等复杂地理环境的塑料大棚提取,为获取流域尺度塑料大棚覆盖信息提供了一种有效的方法。但目前方法均无法涵盖所有类型塑料大棚,需要通过进一步的分析,构造出泛化性更强的塑料大棚光谱指数。

猜你喜欢
塑料大棚光谱阈值
基于三维Saab变换的高光谱图像压缩方法
河南省钢骨架塑料大棚拱架结构标准化设计研究*
煤炭矿区耕地土壤有机质无人机高光谱遥感估测
非对称保温塑料大棚内主动通风式酿热补气系统应用初探
非平稳声信号下的小波变换去噪方法研究
基于3D-CNN的高光谱遥感图像分类算法
基于改进阈值的MRI图像降噪
土石坝坝体失稳破坏降水阈值的确定方法
一种改进小波阈值去噪法及其仿真
塑料大棚