基于面向对象分类的芒果林遥感提取方法研究.PDF

Resources Science 第39卷 第8期 2017年8月 2017，39（8）：1584-1591 Vol.39，No.8Aug.，2017 引用格式：任传帅，叶回春，崔贝，等. 基于面向对象分类的芒果林遥感提取方法研究[J]. 资源科学，2017 ，39 （8）：1584- 1591. [Ren C S ，Ye H C ，Cui B ，et al. Acreage estimation of mango orchards using object-oriented classification and remote sensing[J]. Resources Science ，2017 ，39（8）：1584-1591.] DOI：10.18402/resci.2017.08.14 基于面向对象分类的芒果林遥感提取方法研究 1，3 1，2 1，2 1，2 任传帅 ，叶回春 ，崔 贝 ，黄文江 （1. 中国科学院遥感与数字地球研究所数字地球重点实验室，北京100094； 2. 海南省地球观测重点实验室，三亚572029 ；3. 中国科学院大学，北京100049） 摘 要：中国芒果种植面积居世界第二，并有持续增长的趋势。国内外利用遥感手段提取农作物的相关研究 较多，但有关芒果林遥感提取的研究仍较少。本研究基于2016 年12 月的高分辨率卫星SPOT-6 数据，结合植被覆 盖度（FVC ）和坡度（SLOPE ）因子，利用面向对象分类方法对芒果林地信息进行提取，结果表明，利用FVC 和SLOPE 参与分割的面向对象分类方法，提取芒果林地的生产者精度达92.81% ，用户精度达97.19% 。该方法相比于最大似 然法分类以及FVC 和SLOPE 未参与分割的面向对象分类，提取芒果林地的生产者精度分别提高了19.28%和 3.62% ；用户精度分别提高了8.62%和3.86%。本研究可为果园用地的遥感识别与信息提取有效的方法借鉴。 关键词：芒果林地；面向对象分类；植被覆盖度；数字高程模型；遥感提取 DOI：10.18402/resci.2017.08.14 1 引言 观、快速、实时获取大面积地物信息的优势，且已经 随着人们对高质量生活的追求以及农民对高 被广泛地应用于农作物、森林树种的识别提取，为 经济回报的追逐，中国农产品逐渐从传统的棉、粮、 芒果林地遥感提取提供了理论借鉴。 油种植向园艺（如水果和蔬菜）、畜牧和水产转变。 目前，应用遥感技术进行芒果林地信息提取的 芒果具有“热带水果之王”的美称，近年来芒果种植 研究相对较少，但在植被信息提取方面，国内外学 面积逐年扩大，产量也大幅上升，现阶段芒果已经 者已经做了大量研究。Julien 等利用NDVI 、 成为世界五大水果之一。中国芒果种植面积居世 Landsat TM 和地表温度数据采用最大似然法对西 2 班牙巴拉克斯地区农作物进行分类，在将农作物分 界第二，2010 年中国芒果种植面积达12.9 万hm （不 含台湾），种植区域主要分布在海南、台湾、广东、广 为灌溉区和非灌溉区时获得了87% 的分类精度，但 西及四川、贵州、云南等省份，其中海南省是中国芒 同时提出将农作物进行二次分类（区分出大麦、小 2 [2] 果种植面积最大的省份（4.13万hm ），约占全国芒