DB32／T+5234-2025+小麦种植面积卫星多光谱图像智能监测规程

小麦种植面积卫星多光谱图像智能监测规程Technicalcodeofpracticeforintelligentmonitoringofwheatplanting2025-10-30发布江苏省市场监督管理局Ⅰ前言 Ⅲ 2规范性引用文件 3术语和定义 4缩略语 5种植面积智能监测流程 6卫星图像选择、处理及其质量控制 7调查数据准备及其质量控制 8精度检验与评价 9监测产品制作 参考文献 Ⅲ本文件按照GB/T1.1—2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件由江苏省农业农村厅提出并组织实施。本文件由江苏省农作物标准化技术委员会归口。本文件起草单位：扬州大学、江苏省农业科学院、扬州市耕地质量保护站、江苏诺丽慧农农业科技有限公司、农芯（南京）智慧农业研究院有限公司。吴文彪。1小麦种植面积卫星多光谱图像智能监测规程本文件确立了小麦种植面积智能监测流程，规定了卫星图像选择、处理及其质量控制、调查数据准备及其质量控制、精度检验与评价及监测产品制作等要求。本文件适用于利用多光谱卫星图像在江苏区域内对小麦种植面积进行监测与调查。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。QX/T364卫星遥感冬小麦长势监测图形产品制作规范DB32/T3781遥感监测小麦苗情及等级划分3术语和定义下列术语和定义适用于本文件。种植面积卫星图像监测monitoringwheatplantingareabysatelliteimage在收集分析作物光谱特征的基础上，通过卫星图像记录的地表信息，识别作物的类型，统计作物的种植面积。监测时期monitoringperiod监测小麦生长的某一时间段。传感器sensor通过电磁波、光谱等非接触方式，能感测事物并能将感测的结果传递给使用者的仪器。辐射定标radiometriccalibration将传感器记录的无量纲的图像灰度值（ditigalnumber，DN）转换成具有实际物理意义的大气顶层辐射亮度或反射率。投影变换projectiontransformation将一种地图投影点的坐标变换为另一种地图投影点的坐标的过程。2DB32/T5234—20253.6归一化植被指数normalizeddifferencevegetationindex近红外波段反射率与红光波段反射率之差与之和的比值。3.7监督分类法supervisedclassification用被确认类别的样本像元或对象去识别其他未知类别像元或对象的过程。3.8总体精度overallaccuracy被正确分类的像元总数与总像元数的比值。注1：总体精度为分类精度指标之一。注2：像元总数等于所有地表真实分类中的像元总和。3.9几何精校正geometriccalibration消除图像中的几何变形，产生一幅符合某种地图投影或图形表达要求的新图像。3.10大气校正atmosphericcorrection消除或减弱获取卫星遥感影像时在大气传输过程中因吸收或散射作用而引起的辐射畸变。［来源：NY/T3922—2021，3.11］3.11大田麦区large‑scalewheatplantingarea小麦产区内，形成的集中连片、适于规模化生产和统一管理，且种植面积不小于1km2的麦田区域。4缩略语下列缩略语适用于本文件。DEM：数字高程模型（DigitalElevationModel）NDVI：归一化植被指数（NormalizedDifferenceVegetationIndex）OA：总体精度（OverallAccuracy）5种植面积智能监测流程5.1概述小麦种植面积智能监测流程图见图1。5.2确定监测区地物种类根据多光谱卫星图像上地物的光谱可分性，结合实地调查和收集的资料，确定监测区的主要地物种城镇及乡村居民点等明确的非耕地对象采用监督分类的方法进行勾划。5.3建立主要地物类型分类标志根据图像上的色调、亮度、形状、纹理、地形以及地物间的相关关系，结合收集和实地调查的地物分布数据，利用最大似然法提取各类典型地物的光谱训练样本，建立小麦、大麦、韭菜等主要地物类型的分类标志，为后续分类提供依据。3DD-'.1L5&"A@3L5&"A@35K'/>'11J$(AJ$(AU/%7*U/%7*S.L/6+"+"3+"3DD3S.L/图1小麦种植面积智能监测流程图5.4小麦种植面积智能监测基于多光谱遥感图像，利用红光与近红外波段计算得到归一化植被指数（NDVI以表征植被生长状况。根据0.15<NDVI中期<0.2且NDVI后期>0.3，提取出小麦种植区域，实现小麦种植面积智能监测。5.5监测结果修正监测结果中仍然存在小部分“错分”或“漏分”的现象，对于光谱混淆明显，导致错分的地物类型，需要根据收集到的监测区土地利用图、功能区划图及调查资料等相关资料，对种植面积监测结果进行判读修正。对于小麦种植面积占60%以上的混合像元，可将该像元判读为小麦。DB32/T5234—202546卫星图像选择、处理及其质量控制6.1卫星图像选择6.1.1选择多时相图像图像收集时间范围为1月上旬—5月中旬的小麦返青期至成熟期，至少保证小麦生长前期（1月上分别有一期卫星图像。6.1.2卫星图像波段选择确保所选的卫星图像至少具有红波段（620nm~760nm）和近红外波段（760nm~1040nm）的覆盖。6.1.3空间分辨率选择选择空间分辨率大于30m的卫星图像。6.2图像处理6.2.1辐射定标基于卫星数据头文件提供的信息，利用绝对定标系数将DN值图像转换为表观反射率图像，计算公式为：ρ=gain×DN+bias…………（1）式中：ρ——大气表观反射率；bias——偏移量；gain——绝对定标系数增益。6.2.2几何精校正采用多项式对卫星图像校正。均匀选取卫星图像上不同类型地物的控制点，要求每景卫星图像至少选取30个控制点，对地形起伏较大地区加密控制点，选择空间分辨率为10m的图像，采用双线性内插进行卫星图像重采样，结合数字高程模型（DEM）消除地形引起的像点位移得到正射校正图像。6.2.3坐标投影转换针对全球、大洲、国家级别的大尺度空间范围，将卫星图像坐标系统转为Albers等积正割圆锥投影，其参数设置如下：投影类型AlbersConicalEqualArea，第一条标准纬线纬度25°N，第二条标准纬线纬度47°N，中央经线经度105°E，坐标原点0°,东移0°,北移0°,椭球体和大地基准面WGS⁃8；针对省域、城市群如长三角地区的中小尺度空间范围，将卫星图像坐标系统转为UTMZone51N投影，其参数设置如下：投影类型为TransverseMercator（横轴墨卡托中央经线经度为123°E，原点纬度0°,比例因子0.9996，东移500000m，北移0m（北半球椭球体和大地基准面WGS⁃84。6.2.4NDVI计算基于多光谱卫星图像的近红外波段反射率和红光波段反射率，参照NY/T3922的规定计算NDVI，计算公式为：DB32/T5234—20255RNIR+RREDNDVI=RNIR-RREDRNIR+RRED式中：RNIR——多光谱卫星图像近红外波段反射率；RRED——多光谱卫星图像红光波段反射率。6.2.5大气校正收集和图像匹配当天的气象数据（包括能见度、气溶胶光学厚度、水汽含量等参数基于图像头文件提供的成像时间、太阳高度角、传感器观测几何等信息，结合各波段的响应函数，选用6S（SecondSimula⁃tionofSatelliteSignalintheSolarSpectrum）大气辐射传输模型进行计算。首先输入传感器波段特征和太阳-目标-传感器几何关系，同时结合实测气象数据或标准大气模型（如MODTRAN气溶胶模型、中纬度夏季大气廓线）初始化大气参数。随后，利用6S模型的正向模拟功能，通过离散纵标法求解辐射传输方程，计算大气顶层的辐射亮度值，并分解出大气程辐射、邻近效应贡献及地表-大气耦合项等分量。地表反射率的反演通过构建辐射平衡方程实现，采用迭代优化算法求解地表反射率，使模拟值与实测辐射亮度的残差最小化。最终，将反演得到的地表反射率值重采样至图像空间分辨率，生成经过大气校正的地表反射率产品，并输出大气透射率、球形反照率等辅助参数用于质量验证。6.3质量控制6.3.1云层覆盖总云层覆盖超过10%则不可使用。6.3.2图像外观图像层次丰富、色彩清晰、色调均匀、反差适中，无信息丢失，无明显条纹、点状和块状噪声，无严重畸变。7调查数据准备及其质量控制7.1数据准备7.1.1收集数据资料依据GB/T40767和GB/T33469的要求收集监测区已有的土地覆盖与利用图、功能区划图和调查资料等相关资料，根据小麦种植区域随机划分取样区域，用高程图（DEM）收集调查区的地形数据，并根据采样片区生长时间制定每个样区的取样时间。7.1.2布设样方于江苏省小麦主要生产区均匀布设样方200个左右。样方应远离村庄、道路、工矿用地、水体等非耕地区域，为了保证样方（100m×100m）在卫星图像上是纯净像元，所以要选取750m×750m范围内全是小麦的地块，用北斗卫星于样方中心定位，定位精度1m以内，样方间隔至少10km，建立样方经纬度信息文本文件。7.1.3调查内容调查时间应与遥感图像获取时间基本一致，确保数据的时效性。调查指标包括北斗位置（包括经度、6纬度以及海拔值）、小麦品种、生育期、小麦取样及面积量计算。7.2质量控制7.2.1纸质图要求参照GB/T17694标准，确保定位坐标、小麦品种、生育期等关键信息标注清晰，检查图表面、平整7.2.2电子图要求参照GB/T24356执行，核查调查指标（如定位坐标、品种代码、生育期标签）与实地记录的一致性，确保图像获取时间、传感器参数与调查时间、定位数据匹配。8精度检验与评价8.1精度检验对监测区小麦提取结果精度检验，可以采用两种方法：有地面调查样点区域，选取地面样本点用于精度验证；无地面调查样点区域采用在小麦生育期内、空间分辨率小于30m的卫星图像数据，随机选取的不少于50个的小麦样本进行精度评价。8.2精度评价参照NY/T3527标准，根据监测结果和地面验证数据，应用公式（3）计算监测总体精度。全省尺度上总体分类精度应达到85%以上，地市尺度上总体分类精度应达到90%以上，县级尺度上总体分类精度达到95%以上为合格。iiPc=×100%（3）式中：Pc——总体精度；pii——卫星遥感分类为i类而实测也为i类的样本数目；k——类别的数量；p——样本的总数。9监测产品制作采用卫星图像处理软件或地理信息系统软件对监测区小麦种植面积进行量算统计，面积以hm2为单9.2监测产品内容监测产品内容如表1所示。7表1监测产品内容产品类型组成要素具体内容/要求监测报告时间信息描述卫星图像获取时间及监测时间段监测范围明确监测地理区域范围卫星及传感器说明使用的卫星平台和传感器型号监测概况描述图像提取过程及关键监测结果专题图图名规范化的专题图名称图例清晰标示小麦地块的图例符号/色块比例尺标注标准地图比例尺小麦分布空间可视化展示小麦种植分布区域地理信息包含行政边界、重要地名、水系等基础