基于Planet Scope卫星及无人机多光谱影像的宝鸡峡灌区种植结构信息提取

　　

摘要：

获取高分辨率的农作物种植结构图对保障粮食安全和优化农业政策具有重要意义。但在实际应用中，利用多源遥感数据提取作物种植结构时，面临光谱分辨率差异导致的星机协同性难题，以及卫星影像中混合像元对面积信息提取的干扰。本研究探索了基于无人机多光谱数据和Planet Scope卫星遥感数据提取作物种植结构的方法，以宝鸡峡灌区的小麦、玉米、葡萄和猕猴桃为研究对象，开展空间分布与面积信息提取研究。本研究首先通过计算卫星与无人机像元的波段反射率比值，校正卫星光谱波段，从而精细化作物分布的提取阈值；其次通过机器学习算法对无人机影像进行分类，获取卫星混合像元中的作物纯净面积比例；最后基于遗传算法优化的随机森林模型，构建混合像元中植被指数与面积权重的量化关系。结果表明，多源遥感方法获取的作物分布图(6 m分辨率)中，重合像元数量较仅使用卫星影像下降35.75%，这一结果说明多源遥感数据可有效缓解“异物同谱”问题。其中，小麦和玉米的面积信息提取效果最优，相较于单时相卫星影像，典型区域中小麦和玉米的面积相对误差率分别降低19.17%和38.49%；整体来看，小麦、玉米、葡萄、猕猴桃的面积相对误差率分别为-4.83%、0.51%、6.55%、8.79%。本研究提出的从无人机到卫星跨尺度协同观测方法，为灌区主要作物种植管理措施制定提供了技术与数据保障，为作物空间分布与面积信息提取从田块尺度向灌区尺度扩展提供新思路，有助于促进灌区的精准农业技术发展。