DB32 T 5234—2025 小麦种植面积卫星多光谱图像智能监测规程.pdf

《DB32 T 5234—2025 小麦种植面积卫星多光谱图像智能监测规程.pdf》由会员分享，可在线阅读，更多相关《DB32 T 5234—2025 小麦种植面积卫星多光谱图像智能监测规程.pdf（11页珍藏版）》请在麦多课文档分享上搜索。

1、7,江苏省市场监督管理局发 布中 国 标 准 出 版 社出 版小麦种植面积卫星多光谱图像智能监测规程Technical code of practice for intelligent monitoring of wheat planting area by satellite multispectral image20251030 发布20251130 实施CCS B 22DB32/T 52342025ICS 65.020.20DB32/T 52342025前言 1 范围 12 规范性引用文件 13 术语和定义 14 缩略语 25 种植面积智能监测流程 26 卫星图像选择、处理及其质量控制

2、47 调查数据准备及其质量控制 58 精度检验与评价 69 监测产品制作 6参考文献8目 次DB32/T 52342025前言本文件按照 GB/T 1.12020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。本文件主要起草人：洪青青、谭昌伟、张云倩、邱琳、王晶晶、刘翔麟、毛伟、陈明、赵海涛

3、张永涛、吴文彪。DB32/T 52342025小麦种植面积卫星多光谱图像智能监测规程1范围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/T 364 卫星遥感冬小麦长势监测图形产品制作规范DB32/T 3781 遥感监测小麦苗情及

4、等级划分3术语和定义下列术语和定义适用于本文件。3.1种植面积卫星图像监测monitoring wheat planting area by satellite image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。3.2监测时期monitoring period监测小麦生长的某一时间段。3.3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。来源：NY/T 43702023，4.1，有修改3.4辐射定标radiometric calibration将传感器记录的无量纲的图像灰度值（ditigal

5、number，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。3.5投影变换projection transformation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。1DB32/T 523420253.6归一化植被指数normalized difference vegetation index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supervised classification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overall accuracy被正确分类的像元总数与总像元数的比值。注 1：总体精度

6、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geometric calibration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atmospheric correction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/T 39222021，3.113.11大田麦区largescale wheat planting area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 1 km2 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

7、型（Digital Elevation Model）NDVI：归一化植被指数（Normalized Difference Vegetation Index）OA：总体精度（Overall Accuracy）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类为耕地或非耕地。将主要河流、河道、沟渠、池塘、水洼地、主要公路、乡村路、城镇街道、建筑厂房用地、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

8、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。2DB32/T 52342025D-.15KL5&A3/11S.L/6+D3S.L/+3 U/%7*U/%7*J$(A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 0.15NDVI 中期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

9、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。3DB32/T 523420256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 月上旬2 月上旬，为前期图像）、生长中期（3 月下旬4 月下旬，为中期图像）、生长后期（5 月，为后期图像）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（620 nm

10、760 nm）和近红外波段（760 nm1 040 nm）的覆盖。6.1.3空间分辨率选择选择空间分辨率大于 30 m 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：=gain DN+bias（1）式中：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 10 m 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

11、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 Albers Conical Equal Area，第一条标准纬线纬度 25N，第二条标准纬线纬度47N，中央经线经度 105E，坐标原点 0，东移 0，北移 0，椭球体和大地基准面 WGS8；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 UTM Zone 51N 投影，其参数设置如下：投影类型为 Transverse Mercator（横轴墨卡托），中央经线经度为 123

12、E，原点纬度 0，比例因子 0.999 6，东移 500 000 m，北移 0 m（北半球），椭球体和大地基准面 WGS84。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/T 3922 的规定计算 NDVI，计算公式为：4DB32/T 52342025NDVI=R NIR-R REDR NIR+R RED（2）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，

13、结合各波段的响应函数，选用 6S（Second Simulation of Satellite Signal in the Solar Spectrum）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。

14、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/T 40767 和 GB/T 33469 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

15、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（100 m100 m）在卫星图像上是纯净像元，所以要选取 750 m750 m 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 1 m 以内，样方间隔至少 10 km，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、5DB32/T 52342025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

16、照 GB/T 17694 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、平整度、符号、线条、图廓点及公里网完整。7.2.2电子图要求参照 GB/T 24356 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 30 m 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/T 35

17、27 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。P c=i=1kpiip 100%（3）式中：P c 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9.1统计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 为单位，精确到 0.01。9.2监测产品内容监测产品内容如表 1 所示。6DB32/T 52342025表 1 监测产品内容产品类型监

18、测报告专题图统计图表组成要素时间信息监测范围卫星及传感器监测概况图名图例比例尺小麦分布地理信息统计区名称分区面积面积占比全省总面积数据说明具体内容/要求描述卫星图像获取时间及监测时间段明确监测地理区域范围说明使用的卫星平台和传感器型号描述图像提取过程及关键监测结果规范化的专题图名称清晰标示小麦地块的图例符号/色块标注标准地图比例尺空间可视化展示小麦种植分布区域包含行政边界、重要地名、水系等基础地理要素按省、市、县等级列出行政区名称不同区域的具体小麦种植面积（公顷/亩）各区域占全省小麦总面积的比例（%）省级汇总的小麦总种植面积包含数据来源、统计时间等补充信息监测报告详细说明遥感数据来源（如图像时

19、间、卫星及传感器）、监测区域范围、信息提取方法及分析结果等内容。专题图用于空间展示小麦种植分布，内容包括图名、图例、比例尺、小麦空间分布信息以及行政区域地理信息。统计图表用于量化展示各行政区小麦种植面积及其占比，内容包括统计区名称、分区面积、全省总面积及面积占比等信息。9.3制作监测图叠加各类行政边界线、道路、居民点等编图要素，加载公里格网、坐标、比例尺等地图整饰信息，图廓整饰内容按 QX/T 364 和 DB32/T 3781 要求执行，依据监测需求，制作全省及不同麦区小麦种植面积监测图。7DB32/T 52342025参 考 文 献1 GB/T 17694 地理信息 术语2 GB/T 24356 测绘成果质量检查与验收3 GB/T 33469 耕地质量等级4 GB/T 40767 地理空间数据交换基本要求5 NY/T 3527 农作物种植面积遥感监测规范6 NY/T 3922 中高分辨率卫星主要农作物长势遥感监测技术规范7 NY/T 43702023 农业遥感术语 种植业8