基于面向对象GF-2 遥感数据的元谋热区番茄识别

doi:10.15933/j.cnki.1004-3268.2021.12.020

河南农业科学 ›› 2021, Vol. 50 ›› Issue (12): 170-180.DOI: 10.15933/j.cnki.1004-3268.2021.12.020

所属专题：遥感助力农业信息精准监测专题

• 农业信息与工程·农产品加工 • 上一篇下一篇

基于面向对象GF-2 遥感数据的元谋热区番茄识别

陈越豪^1,2，何光熊^1,2,3,4，李婕^1,2，史亮涛^3,4，方海东^3,4，史正涛^1,2

（1.云南师范大学地理学部，云南昆明 650500；2.云南师范大学云南省高原地理过程与环境变化重点试验室，云南昆明 650500；3.云南省农业科学院热区生态农业研究所，云南元谋 651300；4.元谋干热河谷植物园，云南元谋 651300）

收稿日期:2021-03-03 出版日期:2021-12-15 发布日期:2022-01-28
通讯作者: 史正涛（1964-），男，甘肃宁县人，教授，主要从事遥感技术开发与应用。E-mail：shizhengtao@163.com
作者简介:陈越豪（1996-），男，广东揭阳人，在读硕士研究生，研究方向：遥感技术开发与应用。E-mail：1329213225@qq.com
基金资助:
云南省重点研发计划项目（2019BC001-02）；云南省水利厅水利科技项目（2014003）；国家自然科学基金项目（41461015）

Tomato Recognition in Yuanmou Hot Area Based on Object‐Oriented GF‐2 Remote Sensing Data

CHEN Yuehao^1,2，HE Guangxiong^1,2,3,4，LI Jie^1,2，SHI Liangtao^3,4，FANG Haidong^3,4，SHI Zhengtao^1,2

（1.Department of Geography，Yunnan Normal University，Kunming 650500，China；2.Yunnan Key Laboratory of Plateau Geographical Processes and Environmental Change，Yunnan Normal University，Kunming 650500，China；3.Hot Zone Ecological Agriculture Research Institute，Yunnan Academy of Agricultural Sciences，Yuanmou 651300，China；4.Yuanmou Dry Hot Valley Botanical Garden，Yuanmou 651300，China）

Received:2021-03-03 Published:2021-12-15 Online:2022-01-28

摘要/Abstract

摘要： 为了准确掌握元谋热区番茄种植的空间分布信息，实现合理调整农业结构以及区域特色农作物经济规模化发展的目标，以GF-2为数据源，基于面向对象的分类思想，以ESP尺度参数评价工具对遥感影像进行分割尺度评价。设置最优分割尺度参数后获得影像对象，随后利用光谱、纹理及植被指数构建多种识别方案，使用最大似然法和支持向量机不同分类器，对元谋热区番茄进行了遥感识别，并着重探讨了基于GF-2数据对于番茄信息提取的最佳辅助识别特征组合方法。结果表明：基于GF-2遥感影像数据构建的归一化植被指数、比值植被指数、灰度共生矩阵与局部二值模式纹理多特征组合方案在最大似然法中对番茄的识别精度最高，总体分类精度为97.20%，Kappa系数为0.91；在支持向量机中，番茄识别精度最高的组合是构建的归一化植被指数、比值植被指数以及灰度共生矩阵纹理的多特征组合方案，总体分类精度为96.44%，Kappa系数为0.87；最大似然法总体识别效果优于支持向量机。综上，基于GF-2影像数据对象所构建的多种辅助识别特征组合能够实现元谋番茄的精细识别。

关键词: GF-2数据, 纹理提取, 番茄识别, 面向对象, 最大似然法, 支持向量机

Abstract: In order to accurately grasp the spatial distribution information of tomato planting in Yuanmou hot area，realize the goal of rationally adjusting the agricultural structure and the economic scale development of regional characteristic crops，this paper used GF‐2 as the data source，based on the object‐oriented classification idea，and used the ESP scale parameter evaluation tool to evaluate the remote sensing image on segmentation scale.After setting the optimal segmentation scale parameter，the image object was obtained，and then the spectrum，texture and vegetation index were used to construct a variety of recognition schemes，remote sensing recognition of tomatoes in the Yuanmou hot area was implemented by using different classifiers of maximum likelihood method and support vector machine.The best auxiliary recognition feature combination method for tomato information extraction based on GF‐2 data was explored. The results showed that the multi‐feature combination scheme of normalized vegetation index，ratio vegetation index，gray level co‐occurrence matrix and local binary pattern texture constructed based on GF‐2 remote sensing image data in the maximum likelihood method had the highest recognition accuracy for tomatoes，with an overall accuracy of 97.20% and a Kappa coefficient of 0.91；in the support vector machine，the combination with the highest recognition accuracy for tomatoes was the multi‐feature combination scheme based on normalized vegetation index，ratio vegetation index，and gray degree co‐occurrence matrix texture，with an overall accuracy of 96.44% and a Kappa coefficient of 0.87.The overall accuracy of the maximum likelihood method for tomato recognition was higher than that of the support vector machine.The research results indicate that the combination of multiple auxiliary recognition features constructed based on GF‐2 image data objects can realize the fine recognition of Yuanmou tomato.

Key words: GF‐2 data, Texture extraction, Tomato recognition, Object‐oriented, Maximum likelihood method, Support vector machine

中图分类号:

S127
TP79

陈越豪, 何光熊, 李婕, 史亮涛, 方海东, 史正涛. 基于面向对象GF-2 遥感数据的元谋热区番茄识别[J]. 河南农业科学, 2021, 50(12): 170-180.

CHEN Yuehao, HE Guangxiong, LI Jie, SHI Liangtao, FANG Haidong, SHI Zhengtao. Tomato Recognition in Yuanmou Hot Area Based on Object‐Oriented GF‐2 Remote Sensing Data[J]. Journal of Henan Agricultural Sciences, 2021, 50(12): 170-180.

图/表 8

参考文献

［1］赵俊，代建菊，赵洪坤，等.云南省2018年大中果型番茄生产现状及对策研究［J］.长江蔬菜，2019（9）：4‐5.
ZHAO J，DAI J J，ZHAO H K，et al.The production status and countermeasures of large and medium‐sized tomato in
Yunnan Province in 2018［J］.Yangtze River Vegetables，2019（9）：4‐5.
［2］鲁永新，姚光强，鲁敏，等.元谋干热气候资源特征分析［J］.水文，2019，39（4）：68‐73.
LU Y X，YAO G Q，LU M，et al.Analysis on the characteristics of Yuanmou dry hot climate resources［J］.Hydrology，2019，39（4）：68‐73.
［3］杨喜贵. 元谋县樱桃番茄产业化发展探讨［J］.云南农业，2013（9）：47‐48.
YANG X G.Discussion on the development of cherry tomato industrialization in Yuanmou County［J］.Yunnan Agriculture，2013（9）：47‐48.
［4］郭燕，武喜红，程永政，等.用高分一号数据提取玉米面积及精度分析［J］.遥感信息，2015，30（6）：31‐36.
GUO Y，WU X H，CHENG Y Z，et al.Using Gaofen No.1 data to extract corn area and accuracy analysis［J］.Remote Sensing Information，2015，30（6）：31‐36.
［5］王利军，郭燕，王来刚，等.GF6卫星红边波段对春季作物分类精度的影响［J］.河南农业科学，2020，49（6）：165‐173.
WANG L J，GUO Y，WANG L G，et al.The effect of GF6 satellite red edge band on the classification accuracy of
spring crops［J］.Journal of Henan Agricultural Sciences，2020，49（6）：165‐173.
［6］刘佳，王利民，滕飞，等.RapidEye卫星红边波段对农作物面积提取精度的影响［J］.农业工程学报，2016，32（13）：140‐148.
LIU J，WANG L M，TENG F，et al.The effect of the red edge band of the RapidEye satellite on the accuracy of crop area extraction［J］.Transactions of the Chinese Society of Agricultural Engineering，2016，32（13）：140‐148.
［7］贺鹏，徐新刚，张宝雷，等.基于多时相GF-1遥感影像的作物分类提取［J］.河南农业科学，2016，45（1）：152‐159.
HE P，XU X G，ZHANG B L，et al.Crop classification and extraction based on multi‐temporal GF‐1 remote sensing
images［J］.Journal of Henan Agricultural Sciences，2016，45（1）：152‐159.
［8］张恒瑞，段喜明，魏征，等.基于无人机多光谱遥感的华北地区夏玉米LAI监测［J］.山西农业科学，2021，49（5）：608‐614.
ZHANG H R，DUAN X M，WEI Z，et al.Study on LAI monitoring of summer corn in North China based on UAV multispectral remote sensing ［J］.Journal of Shanxi Agricultural Sciences，2021，49（5）：608‐614.
［9］王帅，郭治兴，梁雪映，等.基于无人机多光谱遥感数据的烟草植被指数估产模型研究［J］.山西农业科学，2021，49（2）：195‐203.
WANG S，GUO Z X，LIANG X Y，et al.Study on yield estimation model of tobacco vegetation index based on UAV multi‐spectral remote sensing data［J］.Journal of Shanxi Agricultural Sciences，2021，49（2）：195‐203.
［10］白雪，段永红.小麦冠层光谱获取及信息分析综述［J］.山西农业科学，2020，48（3）：462‐466.
BAI X，DUAN Y H.Review of wheat canopy spectrum acquisition and information analysis［J］.Journal of Shanxi Agricultural Sciences，2020，48（3）：462‐466.
［11］王蓉，冯美臣，杨武德，等.基于Sentinel-2A影像的县域冬小麦种植面积遥感监测［J］.山西农业科学，2019，47（5）：854‐860.
WANG R，FENG M C，YANG W D，et al.Remote sensing monitoring of winter wheat planting area in county based on Sentinel‐2A imagery［J］.Journal of Shanxi Agricultural Sciences，2019，47（5）：854‐860.

［12］MCCAMLCY J L，NEIGH C S R，CARROLL，et al.Extracting smallholder cropped area in Tigray，Ethiopia with wall‐to‐wall sub‐meter WorldView and moderate resolution Landsat 8 imagery［J］.Remote Sensing of Environment，2017，202（12）：142‐151.

［13］KARAKIZI C，OIKONOMOU M，KARANTZALOS，et al.Vineyard detection and vine variety discrimination from very high resolution satellite data［J］.Remote Sensing，2016，8（3）：2‐25.
［14］吴锦玉，刘晓龙，柏延臣，等.基于GF-2数据结合多纹理特征的塑料大棚识别［J］.农业工程学报，2019，35（12）：173‐183.
WU J Y，LIU X L，BAI Y C，et al.Plastic greenhouse recognition based on GF‐2 data combined with multi‐texture features［J］.Transactions of the Chinese Society of Agricultural Engineering，2019，35（12）：173‐183.
［15］七珂珂，申茜，罗小军，等.基于GF-2影像的沈阳市黑臭水体遥感分级识别［J］.遥感技术与应用，2020，35（2）：424‐434.
QI K K，SHEN Q，LUO X J，et al.Classification and recognition of black and smelly water bodies in Shenyang based on GF‐2 images［J］.Remote Sensing Technology and Application，2020，35（2）：424‐434.
［16］任传帅，黄文江，叶回春，等.利用高分二号数据提取香蕉林信息及精度分析［J］.遥感信息，2017，32（6）：78‐84.
REN C S，HUANG W J，YE H C，et al.Extracting banana forest information and accuracy analysis using Gaofen No. 2 data［J］.Remote Sensing Information，2017，32（6）：78‐84.
［17］张飞飞，杨光，田亦陈.基于国产GF-2遥感影像的大麻地块提取方法研究：以安徽省六安市苏埠镇为例［J］.安徽农业大学学报，2016，43（4）：582‐586.
ZHANG F F，YANG G，TIAN Y C.Research on the extraction method of hemp plots based on domestic GF‐2 remote sensing image：Taking Subu Town，Lu’an City，Anhui Province as an example［J］.Journal of Anhui Agricultural University，2016，43（4）：582‐586.
［18］郭燕，贺佳，王利军，等.基于高分二号数据的小麦快速识别与精度分析［J］.河南农业科学，2018，47（10）：143‐148.
GUO Y，HE J，WANG L J，et al.Rapid identification and precision analysis of wheat based on Gaofen‐2 data［J］.Journal of Henan Agricultural Sciences，2018，47（10）：143‐148.
［19］滑永春，李增元，高志海，等.基于GF-2民勤县白刺包提取技术［J］.国土资源遥感，2017，29（1）：71‐77.
HUA Y C，LI Z Y，GAO Z H，et al.Extraction technology of Nitraria tangutorum in Minqin County based on GF‐2［J］.Remote Sensing for Land and Resources，2017，29（1）：71‐77.
［20］刘艳伟，王淑莹，屠星磊，等.元谋干热河谷区近60年干湿状况和气温变化特征分析［J］.排灌机械工程学报，2018，36（2）：172‐178.
LIU Y W，WANG S Y，TU X L，et al.Analysis on the characteristics of dry and wet conditions and temperature changes in Yuanmou dry‐hot valley in the past 60 years［J］.Journal of Drainage and Irrigation Machinery Engineering，2018，36（2）：172‐178.
［21］赵俊，杨长楷，李思武，等.元谋热区番茄主要病害及其综合防治［J］.北方园艺，2011（12）：192‐195.
ZHAO J，YANG C K，LI S W，et al.The main tomato diseases in Yuanmou hot area and their integrated control［J］. Northern Horticulture，2011（12）：192‐195.
［22］张素青，贾玉秋，程永政，等.基于GF-1影像的水稻苗情长势监测研究［J］.河南农业科学，2015，44（8）：173‐176.
ZHANG S Q，JIA Y Q，CHENG Y Z，et al.Monitoring of rice seedling condition based on GF‐1 image［J］.Journal of Henan Agricultural Sciences，2015，44（8）：173‐176.
［23］DRAGUT L，TIEDE D，LEVICK S R.A tool to estimate scale parameter for multiresolution image segmentation of
remotely sensed data［J］.International Journal of Geographical Information Science，2010，24（1）：859‐871.
［24］杨泽宇，张洪艳，明金，等.深度学习在高分辨率遥感影像冬油菜提取中的应用［J］.测绘通报，2020（9）：110‐113.
YANG Z Y，ZHANG H Y，MING J，et al.Application of deep learning in the extraction of winter rape from high‐resolution remote sensing images［J］.Bulletin of Surveying and Mapping，2020（9）：110‐113.
［25］王芳，杨武年，王建，等.遥感影像多尺度分割中最优尺度的选取及评价［J］.遥感技术与应用，2020，35（3）：623‐633.
WANG F，YANG W N，WANG J，et al.Selection and evaluation of the optimal scale in multi‐scale segmentation of remote sensing images［J］.Remote Sensing Technology and Application，2020，35（3）：623‐633.
［26］王久玲，黄进良，王立辉，等.面向对象的多时相HJ星影像甘蔗识别方法［J］.农业工程学报，2014，30（11）：145‐151.
WANG J L，HUANG J L，WANG L H，et al.Object‐oriented multi‐temporal HJ satellite image sugarcane recognition method［J］.Transactions of the Chinese Society of Agricultural Engineering，2014，30（11）：145‐151.
［27］BAATZ M.Multiresolution segmentation：An optimum approach for high quality multi‐scale image segmentation ［J］.Angewandte Geogaraphische Information Severbeitung，2000（12）：12‐23.
［28］毕恺艺，牛铮，黄妮，等.基于Sentinel-2A时序数据和面向对象决策树方法的植被识别［J］.地理与地理信息科学，2017，33（5）：16‐20，27，127.
BI K Y，NIU Z，HUANG N，et al.Vegetation recognition based on Sentinel‐2A time series data and object‐oriented decision tree method［J］.Geography and Geo‐Information Science，2017，33（5）：16‐20，27，127.
［29］宋明辉.基于高分二号数据的面向对象城市土地利用分类研究［J］.遥感技术与应用，2019，34（3）：547‐552，629.
SONG M H.Research on object‐oriented urban land use classification based on Gaofen No.2 data［J］.Remote Sensing Technology and Application，2019，34（3）：547‐552，629.
［30］熊俊楠，彭超，程维明，等.基于MODIS-NDVI的云南省植被覆盖度变化分析［J］.地球信息科学学报，2018，20（12）：1830‐1840.
XIONG J N，PENG C，CHENG W M，et al.Analysis of vegetation coverage changes in Yunnan Province based
on MODIS‐NDVI［J］.Journal of Geo‐Information Science，2018，20（12）：1830‐1840.
［31］杨彦荣，宋荣杰，胡国强，等.基于随机森林和纹理特征的苹果园遥感提取［J］.现代电子技术，2020，43（3）：40‐44.
YANG Y R，SONG R J，HU G Q，et al.Remote sensing extraction of apple orchard based on random forest and
texture features［J］.Modern Electronic Technology，2020，43（3）：40‐44.
［32］蔡文婷，赵书河，王亚梅，等.结合Sentinel-2光谱与纹理信息的冬小麦作物茬覆盖度估算［J］.遥感学报，2020，24（9）：1108‐1119.
CAI W T，ZHAO S H，WANG Y M，et al.Winter wheat crop stubble coverage estimation based on Sentinel‐2 spectrum and texture information［J］.Journal of Remote Sensing，2020，24（9）：1108‐1119.
［33］黄昕，张良培，李平湘.融合形状和光谱的高空间分辨率遥感影像分类［J］.遥感学报，2007，11（2）：193‐200.
HUANG X，ZHANG L P，LI P X.High spatial resolution remote sensing image classification combining shape
and spectrum［J］.Journal of Remote Sensing，2007，11（2）：193‐200.
［34］黄伟康，刘勇，符启位，等.七十五份长荚豇豆品种资源农艺性状的主成分与聚类分析［J］.北方园艺，2020（7）：10‐19.
HUANG W K，LIU Y，FU Q W，et al.Principal component and cluster analysis of agronomic traits of 75 long‐viscous cowpea varieties ［J］.Northern Horticulture，2020（7）：10‐19.
［35］李杰，刘陈立，汪红，等.基于多源遥感数据的罗平油菜种植面积提取方法研究［J］.西南林业大学学报（自然科学），2018，38（4）：133‐138.
LI J，LIU C L，WANG H，et al.Study on the extraction method of Luoping rape planting area based on multi‐source remote sensing data［J］.Journal of Southwest Forestry University（Natural Science），2018，38（4）：133‐138.
［36］高媛，竞霞，刘良云，等.基于多核支持向量机的小麦条锈病遥感监测研究［J］.麦类作物学报，2020，40（1）：118‐126.
GAO Y，JING X，LIU L Y，et al.Remote sensing monitoring of wheat stripe rust based on multi‐core support vector machine［J］.Journal of Triticeae Crops，2020，40（1）：118‐126.
［37］蒙良莉，凌子燕，蒋卫国，等.基于Sentinel遥感数据的红树林信息提取研究：以广西茅尾海为例［J］.地理与地理信息科学，2020，36（4）：41‐47.
MENG L L，LING Z Y，JIANG W G，et al.Research on mangrove information extraction based on sentinel remote sensing data：A case study of Maowei sea in Guangxi［J］.Geography and Geo‐Information Science，2020，36（4）：41‐47.
［38］田苗，王鹏新，严泰来，等.Kappa系数的修正及在干旱预测精度及一致性评价中的应用［J］.农业工程学报，2012，28（24）：1‐7.
TIAN M，WANG P X，YAN T L，et al.Modification of Kappa coefficient and its application in drought prediction accuracy and consistency evaluation［J］.Transactions of the Chinese Society of Agricultural Engineering，2012，28（24）：1‐7.
［39］许文宁，王鹏新，韩萍，等.Kappa系数在干旱预测模型精度评价中的应用：以关中平原的干旱预测为例［J］.自然灾害学报，2011，20（6）：81‐86.
XU W N，WANG P X，HAN P，et al.Application of Kappa coefficient in accuracy evaluation of drought prediction model：Take the drought prediction of Guanzhong Plain as an example［J］.Journal of Natural Disasters，2011，20（6）：81‐86.

[1]	张彦, 刘婷, 包卓雅, 王来刚, 贺佳, 郭燕, 张红利, 杨秀忠. 基于Sentinel-2与GF-6 WFV数据的花生种植面积提取差异分析[J]. 河南农业科学, 2021, 50(6): 163-170.
[2]	张红涛, 朱洋, 谭联, 许帅涛, 刘迦南. 基于FA-SVM技术的烟草早期病害识别[J]. 河南农业科学, 2020, 49(8): 156-161.
[3]	张琛，房胜，王风云，李哲，郑纪业，沈宇. 基于机器学习的免套袋苹果缺陷分级[J]. 河南农业科学, 2019, 48(4): 154-160.
[4]	于国庆，郝若帆，马洪涛，吴赛敏，陈梦雅. 基于图像处理和支持向量机的粉碎性秸秆覆盖率的图像识别方法研究[J]. 河南农业科学, 2018, 47(11): 155-160.
[5]	郭燕,贺佳,王利军,段俊枝,武喜红,王来刚,刘婷,张红利,郑国清,程永政. 基于高分二号数据的小麦快速识别与精度分析[J]. 河南农业科学, 2018, 47(10): 143-148.
[6]	林中琦，牟少敏，时爱菊，孙肖肖，李磊. 基于Spark的支持向量机在小麦病害图像识别中的应用[J]. 河南农业科学, 2017, 46(7): 148-153.
[7]	于仁师，孙华丽，宋欣欣，韩仲志. 基于支持向量机的花生荚果品种识别模型优化研究[J]. 河南农业科学, 2016, 45(6): 157-160.
[8]	冯晓，乔淑，李国强，钱少俊，赵巧丽，周萌，胡峰，郑国清. 基于支持向量机回归的猪肺疫发病率预测模型研究[J]. 河南农业科学, 2016, 45(1): 138-142.
[9]	王亚云，赵艳玲，何厅厅，夏清，侯占东，石娟娟，刘亚萍. 基于PSO-SVM模型的土壤适宜性评价[J]. 河南农业科学, 2013, 42(9): 49-53.

基于面向对象GF-2 遥感数据的元谋热区番茄识别

Tomato Recognition in Yuanmou Hot Area Based on Object‐Oriented GF‐2 Remote Sensing Data

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献

相关文章 9

编辑推荐

Metrics