湖北省一季稻種植面積遙感監測方法研究

鄂月勝，王新生，汪權方，何津，陳志杰

(湖北大學 資源環境學院，湖北 武漢 430062)

農業部遙感應用中心自1999年成立以來，遙感監測業務化工作從最初的單一作物冬小麥，發展到今天全國性玉米、水稻、棉花、油料作物等大宗農作物，機構設置、工作規模等方面都有了長足的進步，也取得了比較顯著的成績，為國民社會經濟發展作出了突出的貢獻.盡管遙感監測工作經過多年的實踐，已經越來越完善，但是，在實際的業務流程化運行中，工作人員需要在較短時間內完成某一類作物的全部遙感監測工作，特別是影像解譯，時間非常緊迫，導致精度方面存在瑕疵.就一季稻而言，主要表現為目標農作物分類不純，存在誤分、漏分等現象.因此，為解決這一問題，找出一種好的方法十分迫切.

本文中以湖北省一季稻種植面積遙感監測為例，采用2種數據源，運用幾種通用的影像分類方法及其組合，來對研究區影像進行解譯，并對分類結果進行了綜合評估，以期找到最合適的方法，可供流程化運行參考.

1 研究區域與數據

研究區域選取位于湖北省江漢平原南部的仙桃市.該地區地理坐標介于北緯30°04′～30°32′、東經112°55′～113°49′，屬沖積平原，西北高而東南低，地勢平坦，土壤肥沃；亞熱帶季風氣候，年平均氣溫16.5 ℃，一月最冷，無霜期258 d，年平均日照時數1 934.8 h，農業生產條件較為優越，是湖北省一季稻主產區之一.

文中所用數據類型農業部遙感應用為中心提供的2009年SPOT-4 HRVIR傳感器數據，產品級別為Level-1B，即經過了Level-1A級輻射校正和系統級幾何校正，由于衛星軌道、姿態及地球自轉等因素造成的數據幾何畸變得到了糾正，地面分辨率20 m，時相為8月初，處于一季稻生長期內，影像質量較好，區分度較高.同時為了提高一季稻種植面積提取精度，收集了該區域的土地利用類型矢量數據以及同期快鳥影像，以用于精度評價.

2 解譯方法

2.1數據預處理在分類處理之前，先對研究數據進行預處理，包括影像裁剪、幾何精校正、輻射校正等，突出目標地物信息，結合矢量數據，獲得目標地物先驗知識.

為了減小影像預處理對遙感監測精度的影響，幾何精校正時參考點選取用GPS野外實地調查特征點，與GoogleEarth比對，誤差在3 m范圍之內；圖像重采樣方法選用最臨近法，簡單、速度快，使輸出的圖像仍然保持原來的像元值.

對高分辨率的快鳥影像進行目視解譯并矢量化，統計目標地物面積(該面積為扣除細小地物后面積).

2.2 分類方法

1)監督分類法

監督分類法主要是利用遙感數據的統計特征，假定各類地物的反射光譜為正態分布函數，按正態分布規律用最大似然判別準則進行判別.最大似然法其算法內在缺陷少，可靠性好，分類精度較高，缺陷是需要先驗概率和條件概率密度函數模型，模型的精度直接影響分類精度.

為了獲得比較精確穩定的概率密度函數模型，本文中結合一季稻地面樣方和野外采樣所得的一季稻分布數據，在此基礎上選取訓練樣區，采用監督分類法得到研究區域的遙感分類圖象，并加以少量人工干預，最終在GIS軟件支持下得到一季稻種植信息.

2)非監督分類

非監督分類是以不同影像地物在特征空間中類別特征的差別為依據的一種無先驗(已知)類別標準的圖像分類，是以集群為理論基礎，通過計算機對圖像進行集聚統計分析的方法.根據待分類樣本特征參數的統計特征，建立決策規則來進行分類,而不需事先知道類別特征.把各樣本的空間分布按其相似性分割或合并成一群集，每一群集代表的地物類別，需經實地調查或與已知類型的地物加以比較才能確定，是模式識別的一種方法.

本文中依據最短距離決策規則，對待分類影像進行分類，然后結合地面樣方和野外實測數據確定類別歸屬屬性，最后人工干預得到一季稻種植信息.

3)植被指數閾值法

不同作物物候期的不同導致了反映作物生長的植被指數(NDVI)的差異，分析NDVI的光譜特征，可有效提取作物種植面積信息.

本文中根據先驗知識，選取若干區域目標地物和非目標地物NDVI值，根據其統計特征，設定閾值a、b，對耕地區中NDVI滿足的判定其為一季稻種植區域，最后人工干預確定目標地物種植面積.

4)光譜閾值法

對于多光譜數據，同一波段不同地物接收反射能量是不一致的，同一地物在不同波段反射率也存在差異，因此，如果能利用波段間地物反射率的變化規律，反映不同作物光譜特征，則可以有效提取不同作物的種植面積.

圖1 一季稻與其他地物光譜曲線

結合一季稻和其他地物地面樣方數據，通過對待分類影像光譜特征進行分析，發現如下規律：一季稻區域象元光譜特征普遍表現為band2≤band3和band3>band4(見圖1)，同時也有一小部分區域表現出band2≥band3>band4，且band2和band3之間差異很小，其他地物則要么未表現出band2≤band3且band3>band4規律，要么當band2≥band3>band4時band2和band3之間差異很大，對此，實驗利用band2和band3之間的差值構建了一個新的波段band5，組合后band2≤band3的一季稻區域表現出band3>band4>band5，且band5<50，而其他地物則無此規律.利用以上規律可以很好將目標地物一季稻提取出來，然后進行人工干預，確定一季稻種植面積.

需要說明的是，無論是何種方法，基于地物復雜性和光譜分類同譜異質性等自身缺陷，分類后都必須適當人工干預，對分類結果進行修正.各方法分類結果見圖2.

圖2 分類結果

3 分類方法比較

為了驗證以上方法對一季稻的區分精度，以同區域2009年快鳥影像目視解譯矢量化得到的一季稻面積作為評估標準，分類結果見表1.由表可知，精度方面光譜閾值法相對誤差最小，非監督分類方法次之，監督分類和NDVI閾值法相對誤差較大.

表1 分類結果對比

就方法而言，光譜閾值法在結合先驗知識條件下，充分利用影像波段之間規律，突出了目標地物與其他地物各波段反射率之間的差異，增加了目標地物信息量；同時，對于其他地物規律相近的，可以根據自己的需求，通過構建新的波段等擴大與目標地物之間的差異，進而獲取目標地物信息；再次，波段規律能夠反映絕大多數目標地物共有的規律，具有客觀性，相比監督分類等基于統計規律的方法更易區分不同地物，實際操作時，人工干預也比較少，結果更具代表性.就時效性而言，非監督分類方法所花時間最少，光譜閾值法次之，其他方法則相對較長.

總體而言，光譜閾值法在精度和時效性方面皆有一定優勢，且方法簡單，可供流程化運行，因此，該方法用來區分一季稻較為合適.

4 討論

本文中以SPOT4數據作為數據源，討論了目前衛星遙感作物種植分布的幾種常用方法，計算得到了研究區域一季稻的種植分布，并對其進行檢驗分析，得到以下結論：

1)通過采用不同方法對幾種遙感分類方法精度進行比較分析，結果表明按照上述方法和技術路線研究區域一季稻種植信息與實際種植信息相一致，特別是光譜閾值法，精度較高.同時，為了確定該方法是否具有普適性，第1作者在做湖北省油菜面積遙感監測時也應用了此方法，在應用中該方法對于油菜與除小麥外的其他植被具有顯著區分效果，至于油菜與小麥因兩者之間差異較小，則通過擴大差異的方法進行區分，取得了較好效果.因此，筆者認為光譜閾值法具有一定推廣價值和廣闊的應用前景.

2)本文中基于傳統的光譜分類，未考慮地物復雜性，未將混合象元加以考慮，因此，要想進一步提高作物種植面積計算結果，必須將混合象元分解技術利用進來.

[1] 武永利，王云峰，張建新，等.應用線性混合模型遙感監測冬小麥種植面積[J].農業工程學報，2009，24(2)：136-140.

[2] 邢素麗，張廣錄.我國農業遙感的應用現狀與展望[J].農業工程學報，2003，19(6):174-178.

[3] 韓秀梅，張建民.農業遙感技術應用現狀[J].農業與技術，2006，26(6):32-35.

[4] 陳水森，柳欽火，陳良富，等.糧食作物播種面積遙感監測研究進展[J].農業工程學報，2005，21(6):166-171.

[5] 楊邦杰，裴志遠，周清波，等.我國農情遙感監測關鍵技術研究進展[J].農業工程學報，2002，18(3):191-194.

[6] 許文波，田亦陳.作物種植面積遙感提取方法研究進展[J].云南農業大學學報，2005，20(1):94-98.

[7] 楊鵬，唐華俊，劉佳.作物遙感估產中自動分類研究進展與展望[J].中國農業資源與區劃，2000，21 (3):57-60.

[8] 王延頤.南方稻區遙感水稻長勢監測與估產研究[J].遙感技術與應用，1991，6(3):1-6.

[9] Benedetti Roberto，Paolo Rossini. On the use of NDVI profiles as a tool for agricultural statistics: the case study of wheat yield estimate and forecast in Emilia Romagna[J].Remote Sensing Environment，1993，45:311-326.

[10] Rasmussen M S. Assessment of millet yields and production in northern Burkina Faso using integrated NDVI from the AVHRR[J].International Journal of Remote Sensing，1992，18(13):3431-3442.

[11] 江東，王乃斌.NDVI 曲線與農作物長勢的時序互動規律[J].生態學報，2002，22 (2):247-253.

[12] 湯傳勇，盧遠.利用面向對象的分類方法提取水稻種植面積[J].遙感應用，2010(1):53-56.

[13] 康曉風，王乃斌，楊小喚.糧食種植面積提取方法的發展與現狀[J].資源科學，2002，24(5)：8-12.