本發(fā)明涉及農(nóng)業(yè)遙感應(yīng)用領(lǐng)域，尤其涉及一種農(nóng)作物雹災(zāi)受災(zāi)面積遙感評(píng)估方法。
背景技術(shù)：
冰雹是夏季或春夏之交由強(qiáng)對(duì)流天氣系統(tǒng)引起的一種劇烈氣象災(zāi)害，具有時(shí)間短、來勢(shì)猛、強(qiáng)度大的特點(diǎn)。據(jù)民政部統(tǒng)計(jì)數(shù)據(jù)表明，僅2012年上半年，風(fēng)雹災(zāi)害就已造成全國30個(gè)省(自治區(qū)、直轄市)，1015個(gè)縣(區(qū)、市、旗)和新疆生產(chǎn)建設(shè)兵團(tuán)部分團(tuán)場(chǎng)2327.4萬人受災(zāi)，農(nóng)作物受災(zāi)面積2574.3千公頃，直接經(jīng)濟(jì)損失達(dá)225.9億元。雹災(zāi)發(fā)生后，準(zhǔn)確快速獲取農(nóng)作物雹災(zāi)損失面積數(shù)據(jù)，將有利于及時(shí)采取田間管理補(bǔ)救措施、盡快恢復(fù)農(nóng)業(yè)生產(chǎn)、切實(shí)保障農(nóng)業(yè)保險(xiǎn)投保農(nóng)戶的合法權(quán)益。傳統(tǒng)的農(nóng)作物冰雹災(zāi)害監(jiān)測(cè)主要采取田間定點(diǎn)監(jiān)測(cè)和隨機(jī)調(diào)查，在具體操作上費(fèi)時(shí)、費(fèi)力，并難以確定所有受災(zāi)地塊的地理位置和面積。因而，迫切需要對(duì)西瓜雹災(zāi)受災(zāi)面積進(jìn)行快速監(jiān)測(cè)與評(píng)估的方法。
遙感技術(shù)具有快速、動(dòng)態(tài)、無損、大范圍監(jiān)測(cè)等優(yōu)點(diǎn)，遙感的出現(xiàn)使大面積監(jiān)測(cè)雹災(zāi)成為可能，并且在雹災(zāi)監(jiān)測(cè)中發(fā)揮了重要的作用。西瓜是世界上一種重要的經(jīng)濟(jì)園藝作物，中國是世界上種植西瓜最大的國家。西瓜產(chǎn)業(yè)的發(fā)展對(duì)于增加農(nóng)民收入，促進(jìn)農(nóng)村經(jīng)濟(jì)發(fā)展具有重要作用。西瓜在生長過程中，特別是每年6月的成熟階段容易遭受到冰雹災(zāi)害的影響。為了快速調(diào)查西瓜因冰雹災(zāi)害的受災(zāi)面積，迫切需要對(duì)西瓜雹災(zāi)受災(zāi)面積進(jìn)行快速監(jiān)測(cè)與評(píng)估的方法。
目前的農(nóng)作物雹災(zāi)遙感評(píng)估方法大多是利用MODIS、TM、HJ-1等中低分辨率影像對(duì)大面積規(guī)?；N植農(nóng)區(qū)進(jìn)行監(jiān)測(cè)，監(jiān)測(cè)的精細(xì)化程度有待提高，中低分辨率影像還無法將雹災(zāi)損失評(píng)估落實(shí)到地塊尺度，并且在雹災(zāi)變化檢測(cè)閾值確定過程中還主要以目視解譯為主，嚴(yán)重依賴于目視解譯的專家知識(shí)。
技術(shù)實(shí)現(xiàn)要素：
(一)要解決的技術(shù)問題
本發(fā)明要解決的技術(shù)問題是：提供一種農(nóng)作物雹災(zāi)受災(zāi)面積遙感評(píng)估方法，能夠有效提高農(nóng)作物雹災(zāi)評(píng)估的準(zhǔn)確性與精度。
(二)技術(shù)方案
為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案提供了一種農(nóng)作物雹災(zāi)受災(zāi)面積遙感評(píng)估方法，包括：
S1:獲取目標(biāo)區(qū)域雹災(zāi)前和雹災(zāi)后的多光譜衛(wèi)星遙感影像，并對(duì)所述獲取的多光譜衛(wèi)星遙感影像進(jìn)行預(yù)處理；
S2:基于經(jīng)過所述預(yù)處理后的所述目標(biāo)區(qū)域雹災(zāi)前的多光譜衛(wèi)星遙感影像，提取農(nóng)作物種植空間分布區(qū)域；
S3:在所述農(nóng)作物種植空間分布區(qū)域中選取樣本區(qū)域，并基于經(jīng)過所述預(yù)處理后的所述目標(biāo)區(qū)域雹災(zāi)前的多光譜衛(wèi)星遙感影像和雹災(zāi)后的多光譜衛(wèi)星遙感影像，確定所述樣本區(qū)域每一個(gè)農(nóng)作物像元雹災(zāi)前后的NDVI差值ΔNDVI，統(tǒng)計(jì)所述樣本區(qū)域所有農(nóng)作物像元的ΔNDVI的平均值和標(biāo)準(zhǔn)差σ；
S4:根據(jù)所述平均值和標(biāo)準(zhǔn)差σ確定所述農(nóng)作物的最優(yōu)雹災(zāi)受災(zāi)閾值；
S5:根據(jù)所述農(nóng)作物的最優(yōu)雹災(zāi)受災(zāi)閾值確定所述目標(biāo)區(qū)域所述農(nóng)作物的受災(zāi)面積。
優(yōu)選地，所述預(yù)處理至少包括以下一種：輻射定標(biāo)、大氣校正、幾何精校正、裁剪。
優(yōu)選地，步驟S2包括：
將經(jīng)過所述預(yù)處理后的所述目標(biāo)區(qū)域雹災(zāi)前的多光譜衛(wèi)星遙感影像數(shù)據(jù)和所述目標(biāo)區(qū)域雹災(zāi)前的全色影像進(jìn)行融合；
采用最大似然法在所述融合得到的影像中提取所述農(nóng)作物種植空間分布區(qū)域。
優(yōu)選地，步驟S4包括：
數(shù)字化所述樣本區(qū)域，得到所述樣本區(qū)域的真實(shí)面積；
將所述樣本區(qū)域的真實(shí)面積作為受災(zāi)閾值精度評(píng)價(jià)的準(zhǔn)真值，在范圍內(nèi)采用窗口變步長法確定所述農(nóng)作物的最優(yōu)雹災(zāi)受災(zāi)閾值。
優(yōu)選地，還包括：
S6:在所述農(nóng)作物種植空間分布區(qū)域中選取驗(yàn)證點(diǎn)，野外實(shí)地采集所述驗(yàn)證點(diǎn)的受災(zāi)狀況，根據(jù)所述野外實(shí)地采集的所述驗(yàn)證點(diǎn)的受災(zāi)狀況評(píng)價(jià)所述最優(yōu)雹災(zāi)受災(zāi)閾值。
(三)有益效果
本發(fā)明能夠?qū)崿F(xiàn)對(duì)農(nóng)作物快速、準(zhǔn)確的雹災(zāi)受災(zāi)面積評(píng)估，在提高評(píng)估時(shí)效性的同時(shí)，還能夠有效的提高農(nóng)作物雹災(zāi)評(píng)估的準(zhǔn)確性與精度，對(duì)于短時(shí)間獲取農(nóng)作物雹災(zāi)受災(zāi)面積具有重要意義。
附圖說明
圖1是本發(fā)明實(shí)施方式提供的一種農(nóng)作物雹災(zāi)受災(zāi)面積遙感評(píng)估方法的流程圖。
具體實(shí)施方式
下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。
參見圖1，圖1是本發(fā)明實(shí)施方式提供的一種農(nóng)作物雹災(zāi)受災(zāi)面積遙感評(píng)估方法的流程圖，包括：
S1:獲取目標(biāo)區(qū)域雹災(zāi)前和雹災(zāi)后的多光譜衛(wèi)星遙感影像，并對(duì)所述獲取的多光譜衛(wèi)星遙感影像進(jìn)行預(yù)處理；
S2:基于經(jīng)過所述預(yù)處理后的所述目標(biāo)區(qū)域雹災(zāi)前的多光譜衛(wèi)星遙感影像，提取農(nóng)作物種植空間分布區(qū)域；
S3:在所述農(nóng)作物種植空間分布區(qū)域中選取樣本區(qū)域，并基于經(jīng)過所述預(yù)處理后的所述目標(biāo)區(qū)域雹災(zāi)前的多光譜衛(wèi)星遙感影像和雹災(zāi)后的多光譜衛(wèi)星遙感影像，確定所述樣本區(qū)域每一個(gè)農(nóng)作物像元雹災(zāi)前后的NDVI差值ΔNDVI，統(tǒng)計(jì)所述樣本區(qū)域所有農(nóng)作物像元的ΔNDVI的平均值和標(biāo)準(zhǔn)差σ；
S4:根據(jù)所述平均值和標(biāo)準(zhǔn)差σ確定所述農(nóng)作物的最優(yōu)雹災(zāi)受災(zāi)閾值；
S5:根據(jù)所述農(nóng)作物的最優(yōu)雹災(zāi)受災(zāi)閾值確定所述目標(biāo)區(qū)域所述農(nóng)作物的受災(zāi)面積。
其中，在步驟S1中，可以獲取目標(biāo)區(qū)域雹災(zāi)災(zāi)前災(zāi)后的多光譜高分辨率衛(wèi)星遙感數(shù)據(jù)，并進(jìn)行影像預(yù)處理，可以包括：輻射定標(biāo)、大氣校正、幾何精校正、裁剪等，其中，幾何精校正要求控制誤差在0.5個(gè)像元以內(nèi)。
優(yōu)選地，上述步驟S2可以包括：
將經(jīng)過所述預(yù)處理后的所述目標(biāo)區(qū)域雹災(zāi)前的多光譜衛(wèi)星遙感影像數(shù)據(jù)和所述目標(biāo)區(qū)域雹災(zāi)前的全色影像進(jìn)行融合；
采用最大似然法在所述融合得到的影像中提取所述農(nóng)作物種植空間分布區(qū)域。
例如，在步驟S2中，可以結(jié)合采集的地面樣本點(diǎn)及其先驗(yàn)知識(shí)，在災(zāi)前遙感影像中選取感興趣區(qū)域，對(duì)影像進(jìn)行最大似然法監(jiān)督分類，得到農(nóng)作物的種植空間分布，具體地，農(nóng)作物種植分布遙感提取可以是基于災(zāi)前空間分變率為2m的GF-1融合影像進(jìn)行監(jiān)督分類。具體過程為：先利用災(zāi)前GF-1全色和多光譜進(jìn)行Gram-Schmidt融合，得到2米分辨率的高分辨率融合影像；然后采集的地面樣本點(diǎn)，選取感興趣區(qū)域，最后對(duì)影像進(jìn)行最大似然法監(jiān)督分類，得到農(nóng)作物種植地塊空間分布；
農(nóng)作物在經(jīng)過冰雹后，經(jīng)第二天的陽光照射，會(huì)造成果實(shí)、葉片內(nèi)葉綠素、水分含量的變化，從而造成光譜發(fā)生變化，通過計(jì)算遙感影像的NDVI進(jìn)行變化檢測(cè)，從而可以對(duì)整個(gè)區(qū)域農(nóng)作物雹災(zāi)受災(zāi)面積進(jìn)行監(jiān)測(cè)和評(píng)價(jià)，其中，受災(zāi)前后遙感影像每一個(gè)像元的NDVI差值的計(jì)算方式如下:
ΔNDVI＝NDVIbefor-NDVIafter
其中，NDVIbefor為像元災(zāi)前多光譜影像計(jì)算的NDVI值，NDVIafter為像元災(zāi)后多光譜影像計(jì)算的NDVI值，ΔNDVI為兩者的差值，其中，NDVI的公式為：
其中，NIR和RED分別為光學(xué)遙感數(shù)據(jù)的近紅外波段和紅波波段。
在步驟S3中，可以針對(duì)農(nóng)作物種植數(shù)量較少、中等、偏多的3個(gè)地方，在農(nóng)作物種植空間分布區(qū)域中選取多個(gè)樣本區(qū)域(如在遙感影像上人工選取多個(gè)樣框)，將樣框中的樣本作為典型變化訓(xùn)練樣區(qū)，數(shù)字化樣框內(nèi)的受災(zāi)農(nóng)作物地塊作為受災(zāi)閾值精度評(píng)價(jià)的準(zhǔn)真值，并且統(tǒng)計(jì)樣框內(nèi)受災(zāi)西瓜ΔNDVI平均值和標(biāo)準(zhǔn)差σ。
其中，步驟S4包括：
數(shù)字化所述樣本區(qū)域，得到所述樣本區(qū)域的真實(shí)面積；
將所述樣本區(qū)域的真實(shí)面積作為受災(zāi)閾值精度評(píng)價(jià)的準(zhǔn)真值，在范圍內(nèi)采用窗口變步長法確定所述農(nóng)作物的最優(yōu)雹災(zāi)受災(zāi)閾值。
隨著閾值的不斷變化，分類Kappa系數(shù)也會(huì)隨之變化，分類一般都選擇Kappa系數(shù)最高時(shí)的閾值作為最優(yōu)閾值。在步驟S4中，可以采用“窗口變步長”的方法確定最優(yōu)雹災(zāi)受災(zāi)閾值，只分受災(zāi)農(nóng)作物和非受災(zāi)農(nóng)作物2類，像元的ΔNDVI大于等于閾值則認(rèn)為該像元所對(duì)應(yīng)的位置為受災(zāi)區(qū)域，像元的ΔNDVI小于閾值則認(rèn)為該像元所對(duì)應(yīng)的位置為非受災(zāi)區(qū)域，故認(rèn)為根據(jù)選取的閾值所提取的樣本區(qū)域的面積除以數(shù)字化準(zhǔn)真值的受災(zāi)西瓜面積(即樣本區(qū)域的真實(shí)面積)，其值PA％最接近100％時(shí)的閾值為最優(yōu)雹災(zāi)受災(zāi)閾值。具體操作方法是：在的范圍內(nèi)，以變化的步長使選取的閾值不斷變化，逼近最優(yōu)閾值，并計(jì)算每次步長變化時(shí)的PA％，當(dāng)PA％最接近1時(shí)，且和樣本區(qū)域的真實(shí)面積的誤差小于1％時(shí)，確定最優(yōu)的雹災(zāi)受災(zāi)閾值。
在步驟S5中，根據(jù)S4計(jì)算的農(nóng)作物的最優(yōu)雹災(zāi)受災(zāi)閾值可以得到整個(gè)區(qū)域受災(zāi)農(nóng)作物空間分布面積，遙感評(píng)估結(jié)果將農(nóng)作物種植空間分布區(qū)域中的像元分為未受災(zāi)和受災(zāi)二類，像元的ΔNDVI大于等于最優(yōu)雹災(zāi)受災(zāi)閾值則認(rèn)為該像元所對(duì)應(yīng)的位置為受災(zāi)區(qū)域，像元的ΔNDVI小于最優(yōu)雹災(zāi)受災(zāi)閾值則認(rèn)為該像元所對(duì)應(yīng)的位置為非受災(zāi)區(qū)域，之后可通過像元數(shù)目得到農(nóng)作物的受災(zāi)面積。
優(yōu)選地，上述方法還包括：
S6:在所述農(nóng)作物種植空間分布區(qū)域中選取驗(yàn)證點(diǎn)，野外實(shí)地采集所述驗(yàn)證點(diǎn)的受災(zāi)狀況，根據(jù)所述野外實(shí)地采集的所述驗(yàn)證點(diǎn)的受災(zāi)狀況評(píng)價(jià)所述最優(yōu)雹災(zāi)受災(zāi)閾值。例如，利用地面采集的GPS點(diǎn)進(jìn)行精度評(píng)價(jià)，評(píng)價(jià)指標(biāo)可以為總體精度和Kappa系數(shù)。
本發(fā)明能夠?qū)崿F(xiàn)對(duì)農(nóng)作物快速、準(zhǔn)確的雹災(zāi)受災(zāi)面積評(píng)估，在提高評(píng)估時(shí)效性的同時(shí)，還能夠有效的提高農(nóng)作物雹災(zāi)評(píng)估的準(zhǔn)確性與精度，對(duì)于短時(shí)間獲取農(nóng)作物雹災(zāi)受災(zāi)面積具有重要意義。
本發(fā)明提供的農(nóng)作物雹災(zāi)受災(zāi)面積遙感評(píng)估方法可用于西瓜雹災(zāi)評(píng)估，以北京大興區(qū)中西部的龐各莊和魏善莊鎮(zhèn)的西瓜雹災(zāi)為例，基于遙感數(shù)據(jù)評(píng)估西瓜雹災(zāi)的受災(zāi)面積。該區(qū)域于2014年6月10日下午2時(shí)遭受冰雹，造成95％以上的西瓜全部開裂，即將成熟的西瓜大面積絕產(chǎn)，經(jīng)濟(jì)損失巨大，其評(píng)估方法包括：
1、遙感數(shù)據(jù)預(yù)處理
獲取的災(zāi)前災(zāi)后影像數(shù)據(jù)分別為：2014年6月7日上午11時(shí)獲取的PMS相機(jī)8m分辨率的多光譜影像，2014年6月23日11時(shí)獲取的WFV相機(jī)16m分辨率的多光譜影像，對(duì)GF-1的影像進(jìn)行預(yù)處理，包括輻射定標(biāo)、FLAASH大氣校正、幾何精校正等，其中，幾何精校正以2m分辨率的航片為基準(zhǔn)影像，利用二次多項(xiàng)式校正并控制誤差在0.5個(gè)像元以內(nèi)。
2、西瓜種植分布遙感提取
西瓜種植分布遙感提取是基于災(zāi)前空間分變率為2m的GF-1融合影像進(jìn)行監(jiān)督分類。具體過程為：先利用災(zāi)前GF-1全色和多光譜進(jìn)行Gram-Schmidt融合，得到2米分辨率的高分辨率融合影像；然后結(jié)合6月10日采集的地面點(diǎn)，選取感興趣區(qū)域；最后對(duì)影像進(jìn)行最大似然法監(jiān)督分類，并進(jìn)行目視修正，得到西瓜種植空間分布區(qū)域。
3、遙感變化檢測(cè)
通過檢測(cè)遙感影像的NDVI變化，從而對(duì)整個(gè)區(qū)域西瓜雹災(zāi)受災(zāi)面積進(jìn)行監(jiān)測(cè)和評(píng)價(jià)，受災(zāi)前后遙感影像每一個(gè)農(nóng)作物像元的NDVI差值的計(jì)算方式如下:
ΔNDVI＝NDVI0607-NDVI0623
其中，NDVI0607為災(zāi)前6月7日PMS多光譜影像重采樣后計(jì)算的NDVI值，NDVI0623為災(zāi)后6月23日WFV相機(jī)多光譜影像計(jì)算的NDVI值，ΔNDVI為兩者的差值，用于西瓜雹災(zāi)受災(zāi)變化檢測(cè)。
4、選擇典型變化訓(xùn)練樣區(qū)
針對(duì)西瓜種植數(shù)量較少、中等、偏多的3個(gè)地方，在影像上可以人工選取3個(gè)1km×1km的樣框，使樣框中的樣本作為典型變化訓(xùn)練樣區(qū)，數(shù)字化樣框內(nèi)的受災(zāi)西瓜地塊得到樣框?qū)?yīng)區(qū)域的真實(shí)面積，作為精度評(píng)價(jià)的準(zhǔn)真值，統(tǒng)計(jì)樣框內(nèi)所有像元的ΔNDVI的平均值和標(biāo)準(zhǔn)差σ。
5、確定雹災(zāi)受災(zāi)閾值
經(jīng)統(tǒng)計(jì)，3個(gè)1km×1km樣框內(nèi)的人工數(shù)字化受災(zāi)西瓜的ΔNDVI的均值和標(biāo)準(zhǔn)差為0.3±0.15，故在樣框內(nèi)ΔNDVI為0.15～0.45的范圍內(nèi)進(jìn)行閾值選擇，首先，用0.1的步長搜尋最優(yōu)的閾值，發(fā)現(xiàn)PA％最接近100％的最優(yōu)閾值在0.25～0.35內(nèi)。其次，調(diào)整步長為0.05，發(fā)現(xiàn)最優(yōu)閾值在0.3～0.35內(nèi)。再次，縮小步長為0.01，最終發(fā)現(xiàn)ΔNDIV等于0.31時(shí)，且|PA％-100％＜1％|，故此時(shí)尋得的閾值為最優(yōu)的雹災(zāi)受災(zāi)閾值。具體閾值的搜尋和PA％的變化見表1。
表1窗口變步長最優(yōu)閾值搜尋結(jié)果
6、受災(zāi)面積評(píng)估
根據(jù)窗口變步長法所確定的西瓜雹災(zāi)的最優(yōu)雹災(zāi)受災(zāi)閾值為0.31，之后計(jì)算得到整個(gè)研究區(qū)受災(zāi)西瓜空間分布面積，計(jì)算得到最終研究區(qū)內(nèi)西瓜總受災(zāi)面積為1296畝。
7、精度評(píng)價(jià)
利用野外實(shí)地采集的16個(gè)GPS點(diǎn)作為精度評(píng)價(jià)的驗(yàn)證點(diǎn)，總體精度(PC％)為93.75％，Kappa系數(shù)為0.875(表2)。
表2精度評(píng)價(jià)表
本實(shí)施例采用GF-1全色和多光譜融合影像進(jìn)行西瓜種植面積的提取，充分利用了GF-1全色波段高空間分辨率特性，運(yùn)用窗口變步長進(jìn)行雹災(zāi)最優(yōu)閾值的選擇，避免了目視解譯過于主觀的缺陷，能夠?qū)崿F(xiàn)西瓜雹災(zāi)受災(zāi)地塊的快速、準(zhǔn)確的定量評(píng)估，在提高評(píng)估時(shí)效性的同時(shí)，還能夠有效的提高雹災(zāi)評(píng)估的準(zhǔn)確性與精度，對(duì)于短時(shí)間西瓜雹災(zāi)查勘定損具有重要意義，同時(shí)，也可以為其他農(nóng)作物雹災(zāi)及其他災(zāi)害監(jiān)測(cè)的遙感數(shù)據(jù)選擇、災(zāi)害閾值確定等方面提供理論與技術(shù)依據(jù)。
以上實(shí)施方式僅用于說明本發(fā)明，而并非對(duì)本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術(shù)方案也屬于本發(fā)明的范疇，本發(fā)明的專利保護(hù)范圍應(yīng)由權(quán)利要求限定。