【光谱学堂】“空-地”高光谱数据协同下的农作物品种精细分类

现今高光谱遥感的实际应用中，非常提倡“天空地深”一体化的应用模式。由于航天数据过顶时间和天气的不可控性，地面难以同步配合，导致其中的航空（有人机和无人机）和地面平台的配合，是重中之重的应用场景。

航空获取面状图谱合一的数据，地面获取点状精细光谱数据。一般情况下，地面数据起到辅助航空数据的作用。这种辅助作用主要体现在两个方面：一是地面数据受大气干扰比较小，可以认为是JZ光谱，从而对航空数据进行误差校正；另一方面地面光谱与地面化验数据的对应机理非常明确，可以在地面数据建模试验之后，应用在航空数据上，实现更加精确的定量遥感。

试验数据的链接在这里，感兴趣的老师可以下载学习：

链接：

https://pan.baidu.com/s/1H8Ym4CttN_yPUSECorNMqQ

提取码：ZDH1

1 浏览空地数据

假设我们空中获取了高光谱图像数据，地面同步采集了光谱数据。

（1）打开ENVI，加载空中数据

选择“1_高光谱数据”作为输入文件名。弹出可用波段列表，并列出这18个波谱波段的名字。在文件名上点击右键，选择合成真彩色数据。

得到一景农田的真彩色高光谱影像，空间分辨率为0.5m。

（2）浏览地面数据

从主影像窗口菜单中选择Spectral →Spectral Libraries → Spectral Library Builder，加载地面采集的光谱数据。

这里，将ASD数据全部转存为ASCII格式，因此，选择ASCIIFile。

选择“1棉花”，打开光谱列表窗口。

单位设置为：Nanometers，点击OK。

这里，我们选择从ASCII数据导入地面光谱。值得注意的是，ASD直接采集的光谱数据在图中圈处。

按住Ctrl，将5条光谱数据全部导入。

同样，将单位设置为Nanometers，点击OK。

选中5种作物，点击Plot，查看地面采集的光谱数据。

可以看出这5种作物的光谱，存在显著的差异。

（3）存储为光谱库文件

将数据保存为光谱库文件。

命名为：5种作物地面光谱。

2 基于地面数据的农作物品种分类

因为有了地面光谱数据，具备了有指示信息的地物分类基础。挑选一种监督分类方法，例如光谱角方法，实现农作物的品种分类。

（1）光谱角分类

选择Classification →Supervised → Spectral Angle Mapper。

待分类数据选择1_高光谱数据。

端元选择自己建立的光谱库文件。

这里，可以看到光谱库存储的5种地物。

（2）“分类”和“信息提取”的区别

明确“分类”和“信息提取”的概念，“分类”指的是将图中每一个像元，在一定阈值约束下，指派到Z接近的类别去，也就是说5种监督类别地物，Z多可以分出6种地物（第6种是不属于任何类别的像元）。而“信息提取”，指的是从所有像元中，只将Z接近目的类别的那一类地物归类出来，结果通常就是1种地物。

因此，当我们只需要提取某一种地物时，比如“棉花”，就只选择Cotton的光谱就可以了。而需要将多种地物一次性分类的话，就全部选中。

（3）设置结果

将5种作物分别设置不同的颜色。

提取结果将显示为指定的颜色。

阈值可以选择一致的，都为0.1，也可以每一类自己指定。阈值设置的越严苛，提取的结果要求空地光谱的相似性越强。

将分类结果保存为“1_结果”，规则影像保存为“1结果_rule”。

3 结果分析

（1）农作物分类结果

可以看出，经过处理后，我们将一块农作物田块，进行了作物品种的精细分类。部分地块呈现黑色，是因为其是温室大棚，或者水体。

（2）农作物相似度结果

rule image是每一类计算分类结果与地面光谱数据相似程度的结果。越相似值越大。通过设置一定的色彩，可以得出更加丰富的信息。

这是小麦的相似度结果（图中色彩倒置了，颜色越暖越不相似）。

4 总结

讨论了空中数据和地面数据结合情况下，一直Z直观的应用场景。具体项目和科研执行过程中，有更加复杂的应用实例。例如罂粟的查找、矿物的探测、军事侦察等等，都需要类似的应用效果。

空、天、地、深，都有高光谱应用的需求，每一个平台上获取的光谱数据，应该是互相补充、互相标定、互相提升、互相应用的关系，而不是简单的孰优孰劣。因此，对于不同平台高光谱数据之间的对比性结论，一般情况下我个人是不认同的。

创作不易，转载请注明出处~中科谱光技术总监、ZG科学院空天信息创新研究院张东辉博士制作。

 · 文稿：张东辉

 · 编辑：李雨彤

 · 校对：张彩霞、蓝梓月

 · 审定：张立福、孙雪剑、黄瑶