遥感监测技术方案样本.doc

资料内容仅供您学习参考，如有不当或者侵权，请联系改正或者删除。
农业生态遥感监测的内容为 北京市1期冬小麦面积监测, 北京市2期玉米( 春、 夏玉米) 面积监测, 北京市4期设施农业占地面积, 秋季露地菜面积监测。具体的生产流程如下:
1、 专题信息获取
专题信息主要指北京市冬小麦、 玉米、 设施农业、 秋季菜田四类专题, 具体监测方法和生产流程如下:
1.1 专题监测方法
( 1) 小麦、 玉米监测
小麦监测北京市 冬小麦数据, 以 4-5月遥感影像为主; 玉米监测 北京市玉米, 以 6-9月遥感影像为主, 具体的技术方法如下:
在综合考虑北京市地形特点, 小麦、 玉米种植结构特点的基础上, 经过对小麦、 玉米种植物候, 遥感生产的经验总结和对多种数据的对比、 分析, 提出一套基于”分目标、 分区域、 分数据、 分技术”的”四分”技术方法, 融生产标准规范、 质量控制体系和用户响应机制为一体的小麦、 玉米播种面积统计统计遥感调查方法。该方法按照一定的分层指标将北京市行政村进行划分, 再对不同层级的村执行不同的数据计划和技术对策, 最后采取分层抽样法评估信息提取结果的精度, 并对未满足精度要求的区域进行成果修订( 图1-1) 。

图1-1 总体技术路线图
为提高小麦、 玉米播种面积统计遥感调查精度, 充分发挥多源数据及人机交互解译的能力, 研究出基于”四分”总体技术方法的小麦、 玉米专题统计遥感生产流程。”四分”技术: 指”分目标、 分区域、 分数据、 分技术”。四分技术是对按照一定标准划分的区域, 分别采取不同的目标、 数据和技术策略, 使信息提取更具有针对性、 有效性, 达到提高精度的目的。具体包括两大关键技术: 解译分区技术体系和精度评估技术。
1) 人机解译分层技术
根据北京市小麦、 玉米分布范围, 结合北京市地形特点和小麦、 玉米种植特点, 将分布区分为三大带: ”山区带、 丘陵带、 平原带”。继而根据所分的三大区域, 进一步研究小麦、 玉米的种植特点和光谱纹理特征, 结合地形地势、 分布趋势、 地块破碎程度、 地块大小、 占耕地面积以及解译难易程度等多方面指标, 经过定性定量相结合将北京市小麦、 玉米种植区域进一步细化区分, 针对不同区域采用不同的目标、 数据和技术策略, 抓住重点、 难点, 优化当前提取方法, 提高小麦、 玉米统计遥感调查精度。
2) 精度评估技术
为了检验小麦、 玉米专题生产成果的精度, 确保满足市农业局指标统计的精度, 本项目实施过程中建立了一套精度评估技术体系。该体系主要是为了解决专题精度是否达标的问题, 并对未达标的成果进行科学合理的修订反推。该精度评估技术体系是建立统计学抽样原理的基础上, 经过结合小麦、 玉米现势数据或历年数据, 以村为统计抽样单元进行分层抽样评估。成果的精度评估将经过遥感面积和反推的实际面积对比分析得出, 最终确保小麦、 玉米成果市域的统计精度能够满足市农业局的业务要求。
( 2) 设施农业监测
设施农业主要监测设施占地面积, 设施农业的类型主要分为大棚, 中、 小棚, 温室三类, 每季度监测一次, 共4次, 遥感影像以各季度内影像为主进行监测, 具体的监测技术路线如下:
在综合考虑北京市地形特点和设施农业分布特点的基础上, 经过对前期设施农业占地面积遥感生产经验的总结和对多种数据的对比、 分析, 探索了一套基于人机交互解译, 集生产标准规范、 质量控制体系和用户响应机制于一体的地块级设施农业占地面积统计遥感调查方法。该方法首先分析不同地域的设施农业种植规律、 采集解译知识信息, 再利用人机交互解译方法、 结合外业调查进行地块级信息提取, 提取中按照地域注意设施农业与其它易混淆地物类别的区分, 最后采用抽样技术评估信息提取结果的精度, 并对未满足精度要求的区域进行成果修订。
下图为基于人机交互解译技术和精度评估技术体系的总体技术路线图:

图1-2 总体技术路线图
为提高设施农业占地面积统计遥感调查精度, 充分发挥多源数据及人机交互解译的能力, 研究了分区域的人机交互解译总体技术方法的设施农业专题统计遥感生产流程。具体包括两大关键技术: 分区人机交互解译技术和精度评估技术。
1) 分区人机交互解译技术
人机交互解译分区技术是按照易与设施农业发生混淆的地物类别( 厂房、 禽类养殖舍、 牲畜养殖舍等) 对设施农业分布地域进行划分, 研究不同区域的不同干扰地物分布特点和光谱纹理特征, 对不同区域区分不同的排除重点, 有针对性地剔除干扰信息, 使设施农业信息提取具有更高的精度。
2) 精度评估技术
遥感是一门验证科学, 结合抽样调查的精度评估是一种非常适合于遥感解译的精度评价方法。根据对几种基本的抽样方法( 简单随机抽样、 分层抽样、 整群抽样、 系统抽样等) 研究, 确定采用分层随机抽样。
根据专题信息和抽样方法的特点, 先将研究区域设施农业按照设施村级面积数据划分为6个级层, 对每层随机抽取样本村进行实地调查; 利用实测数据, 科学地计算遥感调查结果的精度。
( 3) 秋季露地菜田监测
北京市 秋季露地菜田的监测以 7-10月份遥感影像为主进行, 具体技术流程如下:
露地菜田遥感解译受其它干扰物影响较大, 因此, 结合多个时相遥感影像, 利用分层分类的方法进行菜田信息提取( 图4-23) 。首先, 利用蔬菜及干扰物在9、 10月份影像上的特殊光谱反映将其从农田全覆盖本底数据中分离出来; 其次, 根据6月下旬多光谱影像中的植被反映, 从水田地类中剔除水稻, 解译出水生蔬菜, 再从非水田中分离出部分种植较早的秋菜; 然后, 利用葡萄、 大豆和早种红薯在7月上中旬的植被反映, 将其分离出来。

图1-3 秋季菜田分层分类提取技术路线

1.2 专题生产流程
农业遥感现状监测基本生产流程为: 专题业务知识梳理, 数据获取, 数据预处理, 解译知识库建立, 专题信息提取, 外业调查, 成果精度评价, 成果整理分析等。
（1） 专题业务知识梳理
业务知识梳理主要包括: 专题物候规律梳理, 专题区域种植特征梳理, 专题政策导向梳理, 统计上报数据分析等。
（2） 数据采集
1） 遥感数据
为达到各专题遥感调查的业务要求, 结合各专题物候期和统计时间节点要求, 参照分区域结果, 采集适宜空间分辨率和时相的遥感数据源。
影像时相选择
冬小麦专题生产影像选择4-5月覆盖一次, 玉米专题生产影像选择7-8月覆盖一次, 设施以全色数据为主, 要求每个季度覆盖全北京市一次, 秋季露地菜田专题生产影像选择7-8月覆盖一次, 9月覆盖一次, 10月覆盖一次, 11月覆盖一次。
影像光谱选择
应选用最佳时相范围内的遥感影像, 并要求影像层次丰富、 图像清晰、 色调均匀、 反差适中。遥感影像的波段数量大于等于3个, 含有可见光和近红外波段。
影像分辨率选择
A: 多光谱
空间分辨率不低于30米, 时间分辨率不低于15天, 每景尽量保证覆盖全北京市。
B: 全色
空间分辨率不低于4米, 一个季度覆盖全北京市一次。
云量控制
影像中云层覆盖小于5%, 且不能集中覆盖在大田作物, 设施或菜田范围内。
侧视角要求
影像接受的侧视角一般要求在15度以内, 最大不超过20度。
2） 基础数据
基础数据主要包括: 行政界线数据, 地形数据, 航空遥感正射影像数据, 耕地地块数据等。

图1-4 行政界限图 图1-5 高分辨率航片

图1-6 DEM数据 图1-7 耕地数据

图1-8 1:1万地形图数据
（3） 数据预处理
数据预处理包括三方面内容, 包括: 基于行政村的解译分区划分、 遥感数据预处理、 基础数据及业务数据预处理。
1) 基于行政村的解译分区划分
参考各专题历年统计上报数据, 根据各专题种植结构和种植规模, 结合地块破碎程度、 地块大小、 占耕地面积以及解译难易程度等多方面指标, 经过定性定量相结合的方式将北京市各专题种植区域进行划分, 如冬小麦划分为一般种植、 复杂种植、 规模种植和较少种植。
2) 影像数据预处理
利用辅助参考信息对遥感影像进行辐射校正、 正射校正、 几何精校正以及图像增强和融合等处理, 最终满足专题信息提取的数据预处理标准要求。数据融合事例如下图所示:

图1-9 影像数据预处理
3) 基础数据及业务数据预处理
将专题信息生产过程中所需的非图像数据进行地理编码, 使其与图像数据配准到共同的地理坐标系下。这种处理能够将获取的非遥感数据按照一定的地理网格系统重新量化和编码, 以便完成各种地理数据的定量和定位。下图为业务数据预处理事例:

图1-10 基础数据及业务数据预处理
质量控制:
ü 在保证控制点均匀分布的前提下, 平原区多光谱影像的控制点残差应小于0.5个像元;
ü 在保证控制点均匀分布的前提下, 山区多光谱影像的控制点残差应小于1个像元;
ü 在保证控制点均匀分布的前提下, 平原区全色影像的控制点残差应小于1个像元;
ü 在保证控制点均匀分布的前提下, 山区全色影像的控制点残差应小于2个像元;
ü 融合影像应保留原多光谱影像大部分光谱信息和全色影像大部分纹理信息, 影像色彩真实均匀, 明暗程度适中、 清晰, 纹理信息突出。
ü 影像数据、 基础数据和空间化的业务数据应具有同样的投影和坐标系。
（4） 专题信息提取
1） 解译知识库建立
在专题遥感信息生产启动初期, 一方面由解译人员进行前期外业调查, 对当年专题分布趋势情况有一个事先的了解; 另一方面收集了解当年相关的政策信息, 提前预估政策引导可能带来的影响。以此作为后续解译工作的一部分先验知识。

图1-11 解译知识建立
2） 专题信息提取
充分利用多源( 最佳时相、 最佳对比时相以及最新时相的不同空间分辨率、 光谱分辨率) 遥感影像数据, 利用多时相对比的方式进行人机交互解译提取各专题信息。同时叠加去年各个专题本底数据源, 在此参考数据源的基础上提取当年的专题成果。同时充分利用好已有的其它相关专题成果数据以及辅助参考数据, 辅助专题信息解译, 提高判读精度。
质量控制:
ü 每天作业人员按照标准要求提交当日生产的中间成果, 并填写”每日工作进展记录表”。
ü 质量监督员每天检查作业人员生产出来的中间成果, 抽查率不低于30％。从图斑判读是否正确、 图斑属性是否正确、 图斑形状是否规整以及图斑之间拓扑关系是否正确等几个方面进行检查, 检查完成后填写”图斑勾绘考核详细表”。凡是不符合要求的中间成果要及时的返工, 时间不超过1天。
ü 由专题技术负责人每天检查”每日工作进展记录表”和”图斑勾绘考核详细表”。对每个作业人员的状态以及整个专题生产的进度及时掌握。同时针对出现问题的作业人员进行及时的沟通了解。另外每周进行一次专题成果抽查, 抽查率不低于10％。
（5） 外业调查与内业修订
外业调查主要针对内业信息生产过程中性质和大小不能确定的图斑进行调查。经过典型图斑抽样调查, 确定疑似图斑的真伪、 类型、 范围、 位置等, 及时反馈到内业成果修订环节中, 以便补充遗漏图斑, 剔除判定错误的图斑, 保证冬小麦信息提取结果的可靠性和精度。外业调查验证包括外业计划制定、 外业设备和相关内容准备、 外业实地调查和外业成果的整理等环节。
① 外业计划制定
根据内业信息提取的完成情况, 综合分析各区县疑似图斑的多少、 分布情况的复杂程度、 所涉及到的分层等级等因素, 确定外业调查的优先等级, 优先等级相当的区县按照从大区到小区、 从远及近的原则制定外业调查计划, 统一调配人员、 车辆。
② 外业准备
外业调查用的仪器设备包括手持GPS、 数码相机、 笔记本电脑、 外业记录表、 车载充电设备等。在开展外业调查前, 要根据外业计划中确定的调查区县提取出该区典型的疑似图斑, 设计外业调查路线, 路线要尽可能多的穿越冬小麦主要种植区。然后以疑似图斑、 外业调查路线、 调查路线周边冬小麦图斑为主要要素, 以融合影像为底图制作外业用纸质工作图。并将外业调查用矢量数据( 疑似图斑、 外业调查路线、 冬小麦图斑) 和影像数据( 航空照片、 融合影像、 多光谱影像) 导入笔记本电脑。
③ 实地调查与记录
外业实地调查采用”沿途勾绘”的方法, 对沿途看到的冬小麦图斑进行真伪判定。到达疑似图斑所在地后, 停车拍照, 部分地块要测量面积, 并将冬小麦的生长状况、 周围环境等信息详细的记录在调查记录表上。完成调查后, 在笔记本电脑上填写调查点确认信息, 表明该点已调查完成。
④ 调查结果整理
完成外业调查后, 对调查获得的各种数据进行规范化处理。按照外业调查数据整理规范要求, 将外业调查记录表、 纸质工作图、 外业照片按区县、 调查日期进行编号。根据外业记录表、 纸质工作图、 外业照片、 疑似图斑矢量数据、 外业调查线路数据提供的信息编制电子版外业调查表格, 详细记录外业调查获得的各种信息, 用于辅助内业信息修订。在完成外业调查表格编制后, 将外业调查记录表存入档案库。在完成内业信息修订后, 纸质工作图也要存入档案库。
⑤ 基于外业验证结果的信息修订
参照外业调查结果, 主要针对错判和漏判冬小麦信息进行修订。在当前区县范围内, 根据实地调查的不确定图斑的解译特征, 寻找与其解译特征近似的图斑, 补充漏判的冬小麦种植地块, 去除误判的冬小麦地块。

图1-12 外业验证与内业修订过程
质量控制:
ü 检查外业计划制定的是否合理可行。
ü 检查外业设备配备是否齐全, 功能是否完好。
ü 检查外业定点调查图斑的选择是否满足要求。
ü 检查外业路线设计是否满足要求。
ü 检查外业调查底图的要素是否全面。
ü 检查”外业调查记录表”是否按照标准要求填写。
ü 抽查外业调查成果是否按照标准要求整理。
ü 抽查外业定点调查的点位是否正确, 照片方向是否能够对应。
ü 检查外业调查的图斑是否在专题图斑的”判读属性”中反映出来。
ü 抽查修订的图斑是否符合内业修订的要求。
（6） 成果整理输出
在完成全部内业信息提取工作, 并经过精度评估后, 即得到结合了统计模型的地块尺度玉米播种面积数据, 继而可开始整理各种成果数据, 输出成果。
ü 矢量数据标准化
根据”符合业务, 信息丰富”的要求, 提交的矢量数据要建立各种标准化的属性信息, 形成属性库, 方便查询各种信息。数据入库前, 要进行拓扑检查, 确保图斑的唯一性和边界的准确性。

图1-13 矢量数据标准化
ü 统计报表的整理
对全北京市以村、 镇、 区县为单位进行数据统计, 便于进行数据对比分析和整理。