基于無人機遙感的耕地分類方法研究

李祖勤

摘 ?要：該研究利用無人機平臺采集農田可見光遙感影像，對農田的面積、形狀和位置信息進行監測和提取;基于可見光波段的植被指數、紋理信息和形狀信息，采用面向對象的方法研究耕地面積提取的最佳方案，該方法的總準確度為86.40%，Kappa系數為0.80。實驗結果表明，利用無人機可見光遙感數據進行耕地分類提取具有較高的精度，但也有一些細分地塊存在誤導的情況，需要進一步優化完善。

關鍵詞：無人機 ?可見光波段 ?遙感 ?耕地面積提取 ?面向對象方法

中圖分類號：S127 ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ?文章編號：1672-3791（2021）02（a）-0077-04

Classification Method of Cultivated Land Based on UAV Visible Light Remote Sensing

LI Zuqin

（Fujian Institute of Surveying and Mapping， Fuzhou， Fujian Province， 350003 China）

Abstract： In this study， the UAV platform was used to collect visible light remote sensing images of farmland to monitor and extract the area information， shape information and position information of farmland. Based on the vegetation index， texture information and shape information in the visible light band， the object-oriented method was used to study the best scheme for extracting cultivated land area. The overall accuracy of this method is 86.40% and the Kappa coefficient is 0.80. The experimental results show that the UAV visible light remote sensing data can be used to classify and extract cultivated land with high precision. However， there are some cases where the finely divided plots are misleading， so further optimization and improvement are needed.

Key Words： UAV; Visible band; Remote sensing; Extraction of cultivated land area; Object oriented method

耕地邊界和面積的確定是發展精準農業的基礎[1]。準確掌握區域內耕地類型和空間分布，對于精準農業管理、優化種植空間、最大限度地提高農產品投入產出比具有重要意義[2]。

無人機遙感技術作為一種新技術，具有成本低、效率高、分辨率高、靈活性強等優點。對于中小型地區的遙感作業，無人機可見光遙感圖像的優勢更加突出，具有廣泛的應用場景。研究利用無人機可見光遙感技術獲取耕地面積信息的方法具有重要的現實意義。

1 ?數據采集與預處理

1.1 研究區概況

該文研究區域位于河南鄭州某實驗區。試驗區氣候屬亞熱帶季風氣候，溫暖多雨，光熱充足，夏季長，霜期短。試驗區主要有土地、森林和房屋3種類型。

1.2 遙感圖像采集

實驗圖像采集平臺采用深圳DJI公司的Mavic2變焦四旋翼無人機。配備了1/23英寸1200萬像素CMOS傳感器，鏡頭可以實現24～48mm的光學變焦（相當于全畫幅）。相機采用三軸穩定云臺，消除了飛機俯仰引起的遙感圖像失真，提高了成像精度[3]。無需特殊的起降場，可在空中長時間懸停，為遙感圖像的獲取提供了極大的便利。視覺傳感器和GPS使飛行更加安全。

數據采集時間為2019年10月18日。遙感影像高度為400 m，航路長度為4650 m，無人機巡航速度為20km/h， ? ?共采集原始影像147幅。

1.3 數據處理

首先利用Lightroom將原始圖像轉換為JPG圖像，并將圖像及其對應的POS數據導入PIX4D MAPPER軟件進行正射影像校正和圖像拼接[4]。最后得到滿足數字航空攝影測量航空三角規范中1∶10000平面精度要求的影像。該圖像包含1070×6860像素，空間分辨率為4.11cm，面積約為187畝（1畝=667m2）。該文選取正射影像中間的農田集中區作為感興趣區域。R、G、B的灰度值以TIF格式圖像存儲。

2 ?耕地提取方法

該研究使用一種面向對象的方法來提取有關耕地面積的信息。它的優點是可以充分利用高分辨率圖像的光譜、紋理、形狀等信息來自動識別地物，提高地物的分類精度，有效地減少了像素分類的椒鹽噪聲[5]。

2.1 不同類型耕地的光譜特征