ENVI下WorldView2数据在农业遥感中的应用
分享
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
0 个评论
相关问题
- 作为Desktop用户对数据的获取比较乏力,可能缺了哪些知识?
- 有谁知道哪里可以免费获取各省市地图数据呢,包括详细的shape文件数据
- 安装完arcgis10.3后,为何没有Envi tools这个工具箱?
- 有栅格数据a(大数据),小数据b,怎么从a中扣掉b,得到a数据剩下的部分?栅格能裁剪取反吗?
- 做出一副遥感影像图,需要哪些准备工作?
- 在windows server2008 R2 64位中安装了portal 10.5 设置好托管arcgis server站点,并用data store为托管数据库,发布数据出错
- cityengine怎么导入arcgis的shp数据,对shp数据有什么要求
- ENVI中Image to Map中X/Y Pixel Size的参数如何设置?
- ArcGIS数据库数据逐图幅裁剪
- 网络分析中用路构建网络数据集的问题
- 基于ArcGIS的CAD数据向GIS数据转换方法