基于Landsat数据用ENVI for ArcGIS 对作物残余物进行制图
分享
-
2016-06-04
传统的耕种方法是控制杂草和其他自己生长的作物。这种耕作方法去除了作物残留物，扰乱了自然土壤结构，土壤暴露易受侵蚀。而保护性耕作，无论是采用免耕或最小耕作方法，在下一季的播种前后，都留下了很多各种前一季的作物残余物。
用户需求
耕作的信息是农业和环境分析和政策的重要组成部分。不同的做法会对水土流失，水分保持和作物产量产生影响。需要从Landsat数据中提取耕作的信息。
解决方案
由于耕作时间和种植类型不同，解决的办法是使用ENVI/IDL，获取时间序列上的最小的NDTI（归一化耕作指数），能清晰的反应耕作是发生在何时何地。
遥感图像分析软件ENVI可以快速获取耕作范围，耕作范围是农业的温室气体排放量估算，水土流失，水质模型，以及验证是否符合水土保持和碳排放量方案的重要已知条件。对于大尺度分析所需要的数据资料是很难获得，而高光谱和ASTER的短波红外（SWIR）的数据非常适用于该监测。
Guy Serbin博士在马里兰州的贝尔茨维尔美国农业部/农业研究服务局水文与遥感实验室从事博士后工作时，与Craig Daughtry博士和E. Raymond Hunt Jr合作，利用高光谱数据研究了作物残茬覆盖与耕作方式。Serbin的研究表明，对于单个场景，Landsat数据得到的结果不如高光谱和ASTER数据。高光谱和ASTER数据指数很适用于做这种分析，因为传感器能反应作物残留物（包括植物残体，衰老植被，或者不进行光合作用的植物）特定的吸收特性而不是土壤中的矿物质。
2009年ASPRS会议之后，在James Campbell博士的建议下，Serbin和弗吉尼亚理工大学在读博士Baojuan Zheng，开始采用Landsat数据对耕作进行遥感监测。Zheng博士找到了一种新的方法：利用时间序列的Landsat生成的NDTI，并用Serbin博士后研究中的地面实测数据进行了验证，结果表明这种方法和高光谱和ASTER得到的结果是一致的。之后，Serbin就职于Inuteq公司的图像处理分析师，与美国农业部签订了一份合同，决定把郑博士的工作，即使用Landsat数据监测耕作残余物的流程用ArcGIS和ENVI实现。
“耕作和种植发生在不同的时间，”Serbin说，“因此，单景影像是没有用的。而时间序列上能清晰的反应出耕作和种植的情况”郑博士用了NDTI（归一化耕作指数）的时间序列，但由于NDTI对绿色植被比作物残余物或土壤更敏感。讲耕作分离出去的最好办法是提取的时间序列NDTI最低值（minNDTI）。
Zheng博士发现，时间序列需要覆盖整个种植季节，来确定耕作发生的时间。通过使用生长季节的每一景数据，在没法获取某个单景NDTI时，minNDTI提供了一个衡量耕作的标准。Landsat和哨兵-2卫星能进行长期的全球范围内的成像，这为时间序列上的大尺度区域或特定区域的耕作制图提供了数据源。虽然这项工作目前尚未被用于区域建模，Serbin认为很容易大规模的实施。
Zheng博士的方法是成功的，同时发现，计算地表反射率的步骤会影响大数据集的处理，大气表观反射率（TOA）可以作为不同时相的数据的归一化标准。Serbin同时发现利用大气表观反射率（TOA）测量的精度可以满足生产要求，因此，使用大气表观反射率可以满足精度和大数据处理效率的要求。
图1：ArcMAP中的Landsat流程化处理工具
Serbin将耕作或种植的识别过程进行自动化的设计。ArcGIS是一个操作处理和数据可视化的成熟的平台，Serbin在ArcGIS界面下编写了一个python脚本，执行以下程序调用：
通过minNDTI方法得到的结果和高光谱和ASTER得到的指数，以及实测数据进行验证，结果是非常准确的，而且不受时间序列噪声的影响。这项研究的结果表明Landsat可以广泛地用于这项工作。
这些耕作地图显示了耕作用途连贯的空间格局，耕作用途包括土壤、种植模式，和其他景观特征。该模式也可能促进政府的节能计划，就是能鼓励农民采用保护性耕种发或免耕法进行耕作。
图2：由Zheng博士生成的图像，这些图像是利用多时相Landsat NDTI获取的minNDTI生成的作物残留物，这些图像显示不同耕作期玉米和大豆的信息，2007年的爱荷华州马歇尔县和2006年的伊利诺斯香槟县。
保护性耕种
保护性耕种考虑了环保性和实践性。土壤侵蚀可减少60％至90％，因为作物残余物如玉米秸秆或麦茬可以保护土壤，不被风或雨侵蚀，形成了土壤表层的一个保护盖，直到下一季作物的耕种。随着作物残留物分解，形成了有机质，提高土壤质量，使水能吸收更容易，并进一步减少径流。这种耕作方法减少了土壤表面的水分蒸发，防止灰尘和燃油排放造成的可能的空气污染。
Jeremy Patterson目前在堪萨斯州的科普兰附近的农场工作。他的家人自1924年以来就在那里耕种，但这些年的干旱记录促使他尝试免耕和保护性耕作。“最大的好处是节约水分，这是在干旱情况下最重要的。我们目前不做完全的耕作，“Jeremy说。“这是我们第三年纪录干旱条件。自今年一月，我们只有4.22英寸水分。 2011年是有记录以来最干旱的一年，2012只稍微好一点，“
Jeremy采用带状灌溉玉米。“这意味着，在秋季的时候我们把所有的肥料成带状的每30英寸施一些，然后把土壤和残留物留着地里，春天的时候直接沿着带状的种植”，帕特森说。“在干旱地区，我们使用保护性耕作，在两年内只耕作一次，这样做主要是为了除去一切杂草。”
图3：集中的带状的种植
图4：保护性耕种
对衰老植被进行遥感监测和制图的另一个实际应用是牧场健康监测和火的易燃性监测。衰老植被覆盖是牧场土壤健康和放牧方式的一个重要指标。另外，干燥的植物材料容易着火，每年野火都会造成人类生命和几十亿美元的损失。Serbin和他的小组进行的工作将有助于对这些特征制图。
结论
无论是农业生产还是防火减灾，ENVI图像分析得到的结果可以直接输入GIS系统进行空间分析。将ENVI和IDL的图像分析功能集成到ArcGIS中，进行Landsat数据对耕作制图的应用，Zheng博士实现Landsat数据为基础的耕作地图应用。 Serbin和Zheng博士展示了强大又灵活的遥感和GIS的结合方法，实现了科学准确的农业分析。 ArcGIS 中集成了 20 多个 ENVI 遥感图像分析工具，在 ArcToolbox 中，可以直接使用 ENVI 的工具，包括高光谱，多光谱，全色， Lidar 和 SAR 的处理工具提取信息。 ENVI 是唯一能与 ArcGIS 能无缝一体化集成的图像处理软件，而且可以用 IDL 进行功能的扩展，自定义桌面或基于 Web 的图像处理工作流，可以让用户通过任何设备在任何地点，进行图像分析，可以 ArcGIS 用户通过桌面或者服务的方式或是在线方式来从他们的影像中提取信息。
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0101caih.html
用户需求
耕作的信息是农业和环境分析和政策的重要组成部分。不同的做法会对水土流失，水分保持和作物产量产生影响。需要从Landsat数据中提取耕作的信息。
解决方案
由于耕作时间和种植类型不同，解决的办法是使用ENVI/IDL，获取时间序列上的最小的NDTI（归一化耕作指数），能清晰的反应耕作是发生在何时何地。
遥感图像分析软件ENVI可以快速获取耕作范围，耕作范围是农业的温室气体排放量估算，水土流失，水质模型，以及验证是否符合水土保持和碳排放量方案的重要已知条件。对于大尺度分析所需要的数据资料是很难获得，而高光谱和ASTER的短波红外（SWIR）的数据非常适用于该监测。
Guy Serbin博士在马里兰州的贝尔茨维尔美国农业部/农业研究服务局水文与遥感实验室从事博士后工作时，与Craig Daughtry博士和E. Raymond Hunt Jr合作，利用高光谱数据研究了作物残茬覆盖与耕作方式。Serbin的研究表明，对于单个场景，Landsat数据得到的结果不如高光谱和ASTER数据。高光谱和ASTER数据指数很适用于做这种分析，因为传感器能反应作物残留物（包括植物残体，衰老植被，或者不进行光合作用的植物）特定的吸收特性而不是土壤中的矿物质。
2009年ASPRS会议之后，在James Campbell博士的建议下，Serbin和弗吉尼亚理工大学在读博士Baojuan Zheng，开始采用Landsat数据对耕作进行遥感监测。Zheng博士找到了一种新的方法：利用时间序列的Landsat生成的NDTI，并用Serbin博士后研究中的地面实测数据进行了验证，结果表明这种方法和高光谱和ASTER得到的结果是一致的。之后，Serbin就职于Inuteq公司的图像处理分析师，与美国农业部签订了一份合同，决定把郑博士的工作，即使用Landsat数据监测耕作残余物的流程用ArcGIS和ENVI实现。
“耕作和种植发生在不同的时间，”Serbin说，“因此，单景影像是没有用的。而时间序列上能清晰的反应出耕作和种植的情况”郑博士用了NDTI（归一化耕作指数）的时间序列，但由于NDTI对绿色植被比作物残余物或土壤更敏感。讲耕作分离出去的最好办法是提取的时间序列NDTI最低值（minNDTI）。
Zheng博士发现，时间序列需要覆盖整个种植季节，来确定耕作发生的时间。通过使用生长季节的每一景数据，在没法获取某个单景NDTI时，minNDTI提供了一个衡量耕作的标准。Landsat和哨兵-2卫星能进行长期的全球范围内的成像，这为时间序列上的大尺度区域或特定区域的耕作制图提供了数据源。虽然这项工作目前尚未被用于区域建模，Serbin认为很容易大规模的实施。
Zheng博士的方法是成功的，同时发现，计算地表反射率的步骤会影响大数据集的处理，大气表观反射率（TOA）可以作为不同时相的数据的归一化标准。Serbin同时发现利用大气表观反射率（TOA）测量的精度可以满足生产要求，因此，使用大气表观反射率可以满足精度和大数据处理效率的要求。
Serbin将耕作或种植的识别过程进行自动化的设计。ArcGIS是一个操作处理和数据可视化的成熟的平台，Serbin在ArcGIS界面下编写了一个python脚本，执行以下程序调用：
- 选择输入文件的列表，Landsat WRS-2的行列号和获取时间，以二进制的形式，其中包括年份和成像日期。
- 用envipy.RunTool在ArcMAP中调用ENVI函数，得到数据的表观反射率（TOA），再计算NDVI、NDTI，同时计算云量过多的（NDVI>0.3）区域，为每一景数据生成0值掩膜文件。
- 用ENVI和IDL函数将掩膜后的时序NDTI数据合成为一个多波段的数据文件，计算生成NDTI的最小值图像，用其代替缺失时相的数据。
- ...
通过minNDTI方法得到的结果和高光谱和ASTER得到的指数，以及实测数据进行验证，结果是非常准确的，而且不受时间序列噪声的影响。这项研究的结果表明Landsat可以广泛地用于这项工作。
这些耕作地图显示了耕作用途连贯的空间格局，耕作用途包括土壤、种植模式，和其他景观特征。该模式也可能促进政府的节能计划，就是能鼓励农民采用保护性耕种发或免耕法进行耕作。
图2：由Zheng博士生成的图像，这些图像是利用多时相Landsat NDTI获取的minNDTI生成的作物残留物，这些图像显示不同耕作期玉米和大豆的信息，2007年的爱荷华州马歇尔县和2006年的伊利诺斯香槟县。
保护性耕种
保护性耕种考虑了环保性和实践性。土壤侵蚀可减少60％至90％，因为作物残余物如玉米秸秆或麦茬可以保护土壤，不被风或雨侵蚀，形成了土壤表层的一个保护盖，直到下一季作物的耕种。随着作物残留物分解，形成了有机质，提高土壤质量，使水能吸收更容易，并进一步减少径流。这种耕作方法减少了土壤表面的水分蒸发，防止灰尘和燃油排放造成的可能的空气污染。
Jeremy Patterson目前在堪萨斯州的科普兰附近的农场工作。他的家人自1924年以来就在那里耕种，但这些年的干旱记录促使他尝试免耕和保护性耕作。“最大的好处是节约水分，这是在干旱情况下最重要的。我们目前不做完全的耕作，“Jeremy说。“这是我们第三年纪录干旱条件。自今年一月，我们只有4.22英寸水分。 2011年是有记录以来最干旱的一年，2012只稍微好一点，“
Jeremy采用带状灌溉玉米。“这意味着，在秋季的时候我们把所有的肥料成带状的每30英寸施一些，然后把土壤和残留物留着地里，春天的时候直接沿着带状的种植”，帕特森说。“在干旱地区，我们使用保护性耕作，在两年内只耕作一次，这样做主要是为了除去一切杂草。”
对衰老植被进行遥感监测和制图的另一个实际应用是牧场健康监测和火的易燃性监测。衰老植被覆盖是牧场土壤健康和放牧方式的一个重要指标。另外，干燥的植物材料容易着火，每年野火都会造成人类生命和几十亿美元的损失。Serbin和他的小组进行的工作将有助于对这些特征制图。
结论
无论是农业生产还是防火减灾，ENVI图像分析得到的结果可以直接输入GIS系统进行空间分析。将ENVI和IDL的图像分析功能集成到ArcGIS中，进行Landsat数据对耕作制图的应用，Zheng博士实现Landsat数据为基础的耕作地图应用。 Serbin和Zheng博士展示了强大又灵活的遥感和GIS的结合方法，实现了科学准确的农业分析。 ArcGIS 中集成了 20 多个 ENVI 遥感图像分析工具，在 ArcToolbox 中，可以直接使用 ENVI 的工具，包括高光谱，多光谱，全色， Lidar 和 SAR 的处理工具提取信息。 ENVI 是唯一能与 ArcGIS 能无缝一体化集成的图像处理软件，而且可以用 IDL 进行功能的扩展，自定义桌面或基于 Web 的图像处理工作流，可以让用户通过任何设备在任何地点，进行图像分析，可以 ArcGIS 用户通过桌面或者服务的方式或是在线方式来从他们的影像中提取信息。
文章来源：http://blog.sina.com.cn/s/blog_764b1e9d0101caih.html
