基于HJ-1 星和GF-1 號影像融合特征提取冬小麥種植面積

張宏 李衛國 張曉東 盧必慧 張琤琤 李偉 馬廷淮

摘要：為提高基于國產環境與災害監測預報衛星（HJ-1/CCD）影像大范圍提取冬小麥種植面積的精度，以江蘇省宿遷市沭陽縣為研究區域，對冬小麥拔節期30 m×30 m的HJ-1/CCD多光譜影像和2 m×2 m的高分1號衛星全色影像（GF-1/PMS）進行融合與面向對象分類研究。將GF-1/PMS全色影像進行8、16和24 m重采樣，得到4種空間分辨率（含2 m）的全色影像，分別與HJ-1/CCD多光譜影像利用光譜銳化法（Gram-Schmidt，GS）進行融合。通過對融合影像進行質量評價，選擇適合研究區冬小麥種植田塊格局的適宜尺度影像。將HJ-1/CCD多光譜影像重采樣，得到與適宜尺度融合影像相同尺度的影像，在兩景影像中分別選取包含光譜、紋理信息的訓練融合影像樣本（samples of fused image，SFI）和重采樣影像樣本（samples of resampling image，SRI），采用面向對象分類方法對適宜尺度融合影像（fused image，FI）和重采樣影像（resampling image，RI）進行冬小麥種植面積提取。結果表明，16 m×16 m融合影像的效果優于2 m×2 m、8 m×8 m和24 m×24 m 融合影像，其均值、標準差、平均梯度和相關系數分別為161.15、83.01、4.55和0.97。面向對象分類后，SFI對重采樣影像RI16m分類的總體精度為92.22%，Kappa系數為0.90。SFI對融合影像FI16m分類的總體精度為94.44%，Kappa系數為0.93。SRI對重采樣影像RI16m分類的總體精度為84.44%，Kappa系數為0.80。SFI對融合影像FI16m分類效果最好，說明基于融合影像和融合影像提取樣本（SFI）結合的面向對象分類方法能準確提取冬小麥種植面積。另外，重采樣影像和融合影像提取樣本（SFI）相結合的面向對象分類方法也可較好提取冬小麥種植面積。為利用國產中空間分辨率HJ-1/CCD衛星和高分1號衛星融合影像有效提取大區域冬小麥種植面積信息提供了參考。

關鍵詞：HJ-1/CCD衛星影像；GF-1/PMS衛星影像；冬小麥種植面積；特征提取；影像融合；面向對象分類

doi：10.13304/j.nykjdb.2022.0703

中圖分類號：S127 文獻標志碼：A 文章編號：10080864（2024）02010911