基于Sentinel-2影像分辨率提升的西南山区油菜作物识别研究

摘要

[目的]由于Sentinel-2影像空间分辨率不足,目前难以在我国丘陵山区等复杂地区开展广泛应用.为进一步拓展其应用深度,本研究通过提高Sentinel-2数据空间分辨率,探索不同空间分辨率与光谱分辨率条件下低山丘陵地区作物遥感识别能力,为我国西南低山丘陵复杂地区农作物遥感识别研究提供参考.[方法]利用多光谱影像重建与融合技术,获取了Sentinel-2影像不同空间分辨率与光谱波段的多光谱影像,通过融合图像质量评价,特征波段光谱趋势分析及随机森林模型下不同空间分辨率与波段组合下油菜遥感识别精度对比及特征波段重要性度量,分析不同空间分辨率与光谱波段条件下地形复杂地区的油菜遥感识别能力.[结果]①影像融合后图像亮度均有所增加,微小细节反差和纹理变化的表达能力明显增强,图像的清晰度有较大提高,主要地物融合前后灰度曲线变化趋势基本一致.②数据空间分辨率提高能够有效提高油菜作物分类精度,总体精度由72.29％提高到79.52％,Kappa系数从0.66上升到0.75;在同等分辨率条件下,红边波段有助于提高油菜作物的制图精度,从91.30％提高到95.65％.③不同红边波段对提高作物的识别精度效果存在差异,C2(可见光B2、B3、B4-红边B5-近红外B8)组合与C1(可见光B2、B3、B4-近红外B8)组合总体精度提高4.75％,C3(可见光B2、B3、B4-红边B5、B6-近红外B8)组合与C2组合总体精度提高1.21％,红边B5波段与红边B6波段有助于提高总体精度,且B5波段比B6波段更有效;C4(可见光B2、B3、B4-红边B5、B6、B7-近红外波段B8)与C3组合制图精度提高4.35％,用户精度提高0.57％,B7波段对于油菜作物制图精度提升效果较为明显;基于随机森林模型的特征波段归一化重要性度量值表明在较高分辨率条件下,可见光蓝色波段B2与绿色波段B3的重要性度量值分别为0.94和0.82,红边波段B7和红边波段B5度量值分别为0.89和0.75,与波段组合比较中红边B7与红边B5波段更有助于提升油菜制图精度与总体精度的结果较为一致.[结论]本研究通过多光谱影像重建与融合技术实现了Sentinel-2影像空间分辨率的大幅度提升,同时基于随机森林分类完成不同红边波段组合下的油菜提取结果的精度对比和特征波段重要性量化度量,首次较为全面地探索了Sentinel-2影像高分辨率条件下不同红边波段下油菜作物遥感识别能力,可为Sentinel-2影像分辨率提升研究及探索其更广泛的应用领域提供借鉴.