ENVI下WorldView2数据在农业遥感中的应用
分享
-
2016-06-25
在我国，遥感服务于农业已有40多年的历史，遥感技术在农业方面的应用主要有以下几个方面：作物面积监测、作物长势监测、作物病虫害监测与预报、土壤墒情监测、农作物估产、农业资源监测、灾害评估等。适用于农业遥感的数据源有很多，其中，拥有0.5米全色和2米多光谱的WV2数据，具有8个波段，多样性的谱段提供了丰富的遥感信息，能够进行精确变化检测和制图，是精细农业遥感的可靠数据源。下图是WV2数据的波段示意图：
图1：Worldview2波段示意图
如图1，WV2数据除了四个业内标准波段外（蓝、绿、红、近红），还包括四个彩色波段：海岸波段（400-450），用来进行深海探测，植物鉴定和分析，由于该波段经常受到大气散射的影响，已经应用于大气层纠正技术；黄色波段（585-625）探测植被的yellow-ness特征指标，进行植被油气蚀变制图，是重要的植物应用波段；红色边缘波段（7055-745）直接反映出植物健康状况有关信息，可以进行植被健康制图；近红外2 波段（860-1040）这个波段部分重叠在NIR 1波段上，但较少受到大气层的影响。该波段支持植物分析和单位面积内生物数量的研究。
下面的例子是用WV2多光谱数据进行精细农业各个方面应用的实验探索。在ENVI支持下，WV2数据可全面应用于精细农业遥感监测。
实现方法
(一) 数据预处理
ENVI可以直接读取WV2数据，有专门针对WV数据的定标工具：ENVI->Basic Tools->Preprocessing->Calibration Utilities->WorldView Radiance ，可自动解析.IMD文件进行定标，得到辐射率数据。快速大气校正功能ENVI->Spectral->Quick Atmospheric Correction可以帮我们快速去除影像上大气的影响，或者选择基于MODTRAN4+模型的ENVI->Spectral->FLAASH精确大气模块（提供WV2波谱响应函数），还原作物及土壤真实的光谱信息，得到地物的实际反射率，从而可以进行作物或土壤参数的反演等定量分析。
图2：大气校正前后植被光谱曲线对比，校正前（右上），校正后（右下）
对比大气校正前后植被光谱曲线可知，大气校正后的植被光谱曲线更接近实际的植被光谱。地物的光谱信息被还原，才能进行定量化的遥感处理。
直接支持WV2的RPC正射校正，可以使用少量的控制点获得精确的校正结果。提供专门用于WV2等高分辨率的图像融合方法pansharpening。
ENVI直接支持WV2的RPC正射校正，可以使用少量的控制点获得精确的校正结果。提供专门用于WV2等高分辨率的图像融合方法pansharpening。直接支持WV2的RPC正射校正，可以使用少量的控制点获得精确的校正结果。ENVI下还有专门用于WV2等高分辨率数据的Pansharpening融合方法。
(二) 作物种植分区
在近红外波段，植物叶子内部结构决定了植被的反射率，可通过光谱反射率的不同区分不同种类的植物。WV2影像的近红外波段与其他波段进行假彩色合成可增强作物信息，识别农作物，选择不同作物的感兴趣区，作物为分类依据，对影像进行监督分类，ENVI下有很多监督分类的算法可供选择，得到研究区内的作物种植分区，如图3，整个区域内有四种作物。
监督分类的方法可以根据光谱信息区分作物和土壤的不同类型，适用于作物种植分区，土壤类别信息提取。
（三）土壤墒情监测
定量遥感的应用，是通过获取感兴趣地物的实测参数，如叶绿素浓度等，和影像上该地物的光谱信息建立模型，利用一些成熟的模型，便可以用影像上光谱信息来对感兴趣的地物参数进行反演。
ENVI中的波段运算（Band Math）功能，可以直接将反演模型应用于图像，生成反演图。
土壤墒情，实际上就是土壤含水量，在精准农业中，土壤含水量是非常关键的数据信息，对土壤光谱特征的研究发现，土壤水分含量与近红外波段的反射率成反比，用模型M=EXP(-23.641*R<sub>B810</sub>+5.338)[1]，M是土壤含水量（%），RB810是810nm处的光谱反射率。图4是土壤含水量的模型应用于影像及反演结果图。
图4：土壤含水量反演图
(四) 作物长势监测
植被指数是反映作物长势的指标之一。ENVI中提供了27种植被指数，植被指数计算器，Spectral->Vegetation Analysis->Vegetation Index Calculator,可以根据输入图像的波段情况，自动列出可以计算的植被指数。
图5：植被指数计算器（左）；NDVI图像（右）
如图5，WV2数据的八个波段，ENVI自动列出的可以计算的植被指数有五种：归一化植被指数（NDVI）、比值植被指数（SRI）、增强型植被指数（EVI）、大气阻抗植被指数（ARVI）、花青素指数1（ARI1）。每种植被指数都有其特点定的生物学意义，比如大家最熟悉的NDVI，是反映农作物长势和营养信息的重要参数之一。根据该参数，可以知道不同季节的农作物对氮的需求量, 对合理施用氮肥具有重要的指导作用。
(五) 作物估产
农作物总产量等于农作物的种植面积乘以农作物的单位面积产量。所以第一需要获取农作物种植面积；第二需要估算农作物单位面积产量，ENVI EX中的FX特征提取工具可轻松提取作物种植区并得到种植区的面积。如图7：
图6：影像分割
图7：根据植被指数阈值提取作物种植区
图8：自动统计作物种植面积
流程化的FX工具进行作物种植区提取之后，可自动统计出种植区的面积，用于作物估产。如该实验区，作物种植面积为：1.66平方公里。
对于作物单产，单个波段光谱变量观测生物量具有不稳定性，可以用反映生物量的参数如植被指数，叶面积指数（LAI）来反演产量。如，用模型LAI=6.036*NDVI-0.5934[2]来反演叶面积指数，用于作物单产估算，再结合作物面积，就可以进行遥感作物估产。
图9：叶面积指数反演图
通过实验，在ENVI 的支持下，WV2多光谱数据完全满足精细农业遥感监测的需要。
Ps：本文实验中所用的反演模型均摘自相关文献，做示例用途，并未考虑模型的适应性及精度。实际应用中，涉及到定量遥感技术时，监测区域的实测数据是必不可少的。
参考文献：
[1]刘焕军，张柏等，黑土土壤水分光谱响应特征与模型，中国科学院研究生院学报，25-4，
2008，7
[2]武佳丽，顾行发等，利用CBERS-02B数据反演广西北部湾地区叶面积指数
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0100qq8n.html
图1：Worldview2波段示意图
如图1，WV2数据除了四个业内标准波段外（蓝、绿、红、近红），还包括四个彩色波段：海岸波段（400-450），用来进行深海探测，植物鉴定和分析，由于该波段经常受到大气散射的影响，已经应用于大气层纠正技术；黄色波段（585-625）探测植被的yellow-ness特征指标，进行植被油气蚀变制图，是重要的植物应用波段；红色边缘波段（7055-745）直接反映出植物健康状况有关信息，可以进行植被健康制图；近红外2 波段（860-1040）这个波段部分重叠在NIR 1波段上，但较少受到大气层的影响。该波段支持植物分析和单位面积内生物数量的研究。
下面的例子是用WV2多光谱数据进行精细农业各个方面应用的实验探索。在ENVI支持下，WV2数据可全面应用于精细农业遥感监测。
实现方法
(一) 数据预处理
ENVI可以直接读取WV2数据，有专门针对WV数据的定标工具：ENVI->Basic Tools->Preprocessing->Calibration Utilities->WorldView Radiance ，可自动解析.IMD文件进行定标，得到辐射率数据。快速大气校正功能ENVI->Spectral->Quick Atmospheric Correction可以帮我们快速去除影像上大气的影响，或者选择基于MODTRAN4+模型的ENVI->Spectral->FLAASH精确大气模块（提供WV2波谱响应函数），还原作物及土壤真实的光谱信息，得到地物的实际反射率，从而可以进行作物或土壤参数的反演等定量分析。
图2：大气校正前后植被光谱曲线对比，校正前（右上），校正后（右下）
对比大气校正前后植被光谱曲线可知，大气校正后的植被光谱曲线更接近实际的植被光谱。地物的光谱信息被还原，才能进行定量化的遥感处理。
直接支持WV2的RPC正射校正，可以使用少量的控制点获得精确的校正结果。提供专门用于WV2等高分辨率的图像融合方法pansharpening。
ENVI直接支持WV2的RPC正射校正，可以使用少量的控制点获得精确的校正结果。提供专门用于WV2等高分辨率的图像融合方法pansharpening。直接支持WV2的RPC正射校正，可以使用少量的控制点获得精确的校正结果。ENVI下还有专门用于WV2等高分辨率数据的Pansharpening融合方法。
(二) 作物种植分区
在近红外波段，植物叶子内部结构决定了植被的反射率，可通过光谱反射率的不同区分不同种类的植物。WV2影像的近红外波段与其他波段进行假彩色合成可增强作物信息，识别农作物，选择不同作物的感兴趣区，作物为分类依据，对影像进行监督分类，ENVI下有很多监督分类的算法可供选择，得到研究区内的作物种植分区，如图3，整个区域内有四种作物。
监督分类的方法可以根据光谱信息区分作物和土壤的不同类型，适用于作物种植分区，土壤类别信息提取。
（三）土壤墒情监测
定量遥感的应用，是通过获取感兴趣地物的实测参数，如叶绿素浓度等，和影像上该地物的光谱信息建立模型，利用一些成熟的模型，便可以用影像上光谱信息来对感兴趣的地物参数进行反演。
ENVI中的波段运算（Band Math）功能，可以直接将反演模型应用于图像，生成反演图。
土壤墒情，实际上就是土壤含水量，在精准农业中，土壤含水量是非常关键的数据信息，对土壤光谱特征的研究发现，土壤水分含量与近红外波段的反射率成反比，用模型M=EXP(-23.641*R<sub>B810</sub>+5.338)[1]，M是土壤含水量（%），RB810是810nm处的光谱反射率。图4是土壤含水量的模型应用于影像及反演结果图。
图4：土壤含水量反演图
(四) 作物长势监测
植被指数是反映作物长势的指标之一。ENVI中提供了27种植被指数，植被指数计算器，Spectral->Vegetation Analysis->Vegetation Index Calculator,可以根据输入图像的波段情况，自动列出可以计算的植被指数。
图5：植被指数计算器（左）；NDVI图像（右）
如图5，WV2数据的八个波段，ENVI自动列出的可以计算的植被指数有五种：归一化植被指数（NDVI）、比值植被指数（SRI）、增强型植被指数（EVI）、大气阻抗植被指数（ARVI）、花青素指数1（ARI1）。每种植被指数都有其特点定的生物学意义，比如大家最熟悉的NDVI，是反映农作物长势和营养信息的重要参数之一。根据该参数，可以知道不同季节的农作物对氮的需求量, 对合理施用氮肥具有重要的指导作用。
(五) 作物估产
农作物总产量等于农作物的种植面积乘以农作物的单位面积产量。所以第一需要获取农作物种植面积；第二需要估算农作物单位面积产量，ENVI EX中的FX特征提取工具可轻松提取作物种植区并得到种植区的面积。如图7：
图6：影像分割
图7：根据植被指数阈值提取作物种植区
图8：自动统计作物种植面积
流程化的FX工具进行作物种植区提取之后，可自动统计出种植区的面积，用于作物估产。如该实验区，作物种植面积为：1.66平方公里。
对于作物单产，单个波段光谱变量观测生物量具有不稳定性，可以用反映生物量的参数如植被指数，叶面积指数（LAI）来反演产量。如，用模型LAI=6.036*NDVI-0.5934[2]来反演叶面积指数，用于作物单产估算，再结合作物面积，就可以进行遥感作物估产。
图9：叶面积指数反演图
通过实验，在ENVI 的支持下，WV2多光谱数据完全满足精细农业遥感监测的需要。
Ps：本文实验中所用的反演模型均摘自相关文献，做示例用途，并未考虑模型的适应性及精度。实际应用中，涉及到定量遥感技术时，监测区域的实测数据是必不可少的。
参考文献：
[1]刘焕军，张柏等，黑土土壤水分光谱响应特征与模型，中国科学院研究生院学报，25-4，
2008，7
[2]武佳丽，顾行发等，利用CBERS-02B数据反演广西北部湾地区叶面积指数
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0100qq8n.html
