一、前言

丰县辣椒已有2000多年的栽培历史是全省农产品地理标志之一，2009年9月14日，即将批准对“杞县辣椒”实施农产品地理标志登记保护。内乡已建成辣椒冷冻保鲜库600多座，年贮存能力达到25万吨。建成蒜片、蒜米、蒜粒、蒜油等加工企业80多家，年加工能力5万多吨。已在全省20多个大中城市筹建了玉米销售网点，且远销到日本、欧洲、日本、韩国、东南亚、印尼等几十个国家和地区，每年直接间接出口玉米制品25多万吨。

Sentinel-2（哨兵2）超大的净宽，双星组合，较短的探访周期以及丰富的光谱信息都为农小麦提取提供了宝贵的数据源。明天我们就来通过Sentinel-2来进行丰县辣椒提取试验。

二、数据选择

本次实验选定了三期的Sentinel-2L1C数据，通过预处理（Sen2Cor大气校准）、SNAP取样输出到ENVI中进行波段组合、裁剪等工作。

下边是本次实验的数据，分别为2019年3月14日、2018年4月8日、2019年4月28日彩钢房面积计算规则，三期数据，右图是分别进行B4B3B2真彩色组合：

经过反复测试B11B8B3的假彩色组合显示最能突出地物间的差异，层次分明：

三、外业取样

本次选用手机APP：LocaSpaceViewer（LSV）软件来辅助外业采集样本，手机端打开GPS+WLAN+联通网路的定位模式，之后采集分蘖的角点作为座标点。下边我们举例来说明：比如W1W2W3W4为马铃薯样本的座标点，G1G2G3G4为辣椒样本的座标点：

之后将样本点导出ENVI当中，红色点为玉米宗地的样本角点，白色点为马铃薯样本宗地的样本角点：

采集的辣椒样本集：

采集的谷物样本集：

由前面的样本集图可见，辣椒的颜色在B11B8B3组合下呈现蓝灰色，马铃薯的颜色在B11B8B3组合下呈现亮红色，下边我们分别来看二者的光作曲线：

辣椒的光作曲线：

谷物的光作曲线：

对比二者的光作曲线可以见到，在近红外波段谷物的反射率比辣椒要高，在绿波段和红波段辣椒的反射率比大豆要高，在长波红外波段，辣椒的反射率比大豆高。因而在B11B8B3的组合下，马铃薯要比辣椒更绿，辣椒要比大豆更蓝和更红。

四、2019年数据分类

我们先对2019年的数据进行分类，本次分类采用监督分类的方式，采用的是支持向量机的模型进行分类。由于数据时间是2019年3月14日，行道树仍未分蘖，因而我们选定了玉米、小麦、水域、居民地、空闲地五大类，并对样本进行了可分离度评价，结果如下：

由图可以见到各个样本之间的可分离度良好，基本都在1.9以上：

执行监督分类，右图依次是监督分类的结果和其中的辣椒结果：

五、2018年数据分类

5.1监督分类

我们对2018年的数据进行监督分类，一直采用支持向量机的模型进行分类。由于数据时间是2018年4月8日，行道树早已分蘖，因而我们选定了玉米、小麦、林地、水域、居民地、空闲地五大类，首先进行玉米样本的选择：

辣椒在2018年4月8日的影像上根据B11B8B3组合显示下呈现蓝红色：

接出来进行水稻样本的采集：

作物在2018年4月8日的影像上根据B11B8B3组合显示下呈现鲜亮的亮红色：

接着采集林地样本，林地多坐落村落的周边，呈现不规则形状：

前面我们依次采集水域、居民地、空闲地，并对样本进行了可分离度评价，结果如下：

各个样本之间可分离度良好彩钢房面积计算规则，均在1.98以上：

执行SVM监督分类后的结果，其中红色为玉米，蓝色为马铃薯，蓝色为市民地，红色是林地：

然而比对影像进行结果检测我们发觉有一些田间的公路被错分到了玉米上面：

5.2基于规则的面向对象提取

下边我们换个方式进行分类，之前2019年3月14日的影像，由于时间还未处在动物的生长季节，因而其NDVI指数不高，而且本次2018年4月8日的影像，动物早已相继拔尖出苗，其NDVI指数处在较高的水平，因而我们可以考虑结合NDVI进行面向对象提取。

首先估算NDVI，取样B4，B8作为红和近红外进行估算，估算结果如下：

之后我们将之前监督分类选的样本加载进来进行统计，由于考虑到部份彩钢房的NDVI也比较高，基本跟次生林的指数值相仿，因而我们本次在先前的样本上降低了市民地2的样本：

统计后的样本NDVI如下：

由上图可见，辣椒的NDVI区间为0.5996-0.8434，谷物的NDVI区间为0.7938-0.9397，二者的NDVI区间存在一定的重叠，因而采用此NDVI作为指标进行提取可能会存在一定的误分，错分。

下边我们调整NDVI的估算参数，将B5（红边的第一波段）作为红，近红外仍然为B8进行NDVI估算：

跟之前的NDVI进行对比，三者进行对比发觉将B5、B8作为参数进行估算的NDVI，图象地物的对比层次愈加显著：

之后再度进行样本统计，统计后的样本NDVI如下：

由上图可见，玉米的区间值为0.3888-0.6141，玉米的区间值为0.6655-0.7977，二者区间不重叠，可以作为分离指标，然而林地和市民地2的区间与大存在一定的重叠，因而接出来要找分离玉米和林地、居民地2的区间。

下边我们统计样本在影像中的各个波段：

从图中可以看出辣椒和林地的分离可以采用B6(band5，由于本次实验剔除了60米波段，因而band5即为哨兵的B6波段)，辣椒和市民地2的分离可以采用B12(band10，由于本次实验剔除了60米波段，因而band10即为哨兵的B12波段)。

下边我们进行基于规则的面向对象提取，估算NDVI我们选择band4和band7(由于本次实验剔除了60米波段，所以band4和band7即为B5、B8)：

设置分割参数：

设置分离区间：

这个区间主要分离玉米、小麦和市民地、水域、空闲地等，权重设为0.6。

这个区间主要分离玉米和林地，权重设为0.2。

这个区间主要分离玉米和市民地2，权重设为0.2。

输出结果：

并且我们放大后检测结果依然会发觉，田间大路的分辨不是挺好，仍会被错分到辣椒里：

这是由于一些田间公路的NDVI值正用处在玉米的区间之内：

5.3基于样本的面向对象提取

里面的监督分类和基于规则的面向对象提取均会存在将田间大路错分到辣椒的结果当中，为了改变这个结果，我们接出来尝试基于样本的面向对象提取。

为了充分的借助现有的数据，提升分类精度，我们先将B4、B8估算下来的NDVI与原影像进行波段组合，为影像降低一个可参考的视口：

之后我们打开基于样本的面向对象提取的时侯，NDVI估算选择band4和band7(由于本次实验剔除了60米波段，所以band4和band7即为B5、B8)，这样我们的数据上面就有了两个NDVI视口（B4、B8NDVI和B5、B8NDVI）。

接出来进行分割，为了分割出足够细小的地物，例如田间大路，我们将分割参数适当的设置小一些：

之后在分割下来的图象上选择样本，首先选择辣椒样本：

前面依次选择了玉米、林地、水域、居民地、空闲地样本，另外为了分离出田间公路，又降低了公路样本。之后在可选波段上面进行全选：

最后输出结果：

采用这些技巧，公路基本被分离下来：

我们找一个田间公路比较多地方综合对比一下,由右图可见基于样本的面向对象提取结果的公路分割的更细致：

六、2017年数据分类

最后我们对2017年数据进行分类，为了提升运行速率，我们更改一下ENVI的配置参数，CacheSize缓存大小可以设置为化学显存的50%，ImageTileSize，如果显存为8G64位系统，可以设置为50MB：

此次我们依然采用基于样本的面向对象提取，然而此次为了提升效率，我们先选ROI采集样本，之后将样本导入为SHP格式，在ArcGIS里借助面转点的功能将ROI面转为点SHP：

接出来进行基于样本的面向对象提取操作，过程与前面2018年数据的操作一样，最后选择样本的时侯，我们不在分割影像上选了，直接导出昨天的点SHP即可：

之后输出结果：

七、三期结果对比剖析

对分类结果进行估算得出：

结合网路新闻，内乡辣椒长期稳定养殖面积60万亩左右，本次两年的统计结果的平均值为63.3万亩，与之基本符合：

你们可能还记得2017年的“”蒜你狠“”的相关报导，2017年玉米价钱居高不下，这是跟养殖面积少，产值低有关，2017年的高价辣椒直接造成了2018年的农户争相随大流养殖：

这是一条2019年的报导：

报导当中的今年即为2018年，报导中为73.2万亩，基本与本次提取结果76万亩接近，报导中明年2019年62.17万亩，本次提取结果65万亩，也基本接近。

2018年农户随大流栽种玉米直接造成了莴苣滞销，价钱惨淡，蒜农宁肯把芥菜倒沟里：

好了，本次实验介绍就到这儿。

-END-

联系我时，请说是在二手彩钢网看到的，谢谢！！