農作物種植面積的改進型混合像元判別分析法提取

胡佩敏

摘要：根據線性混合模型原理提出了利用低分辨率高光譜的遙感數據計算農作物種植面積的新方法，改進型混合像元判別分析法，并運用中分辨率成像光譜儀（ＭＯＤＩＳ）數據計算了江陵縣中稻和棉花的種植面積，以當天ＴＭ數據的監督分類法得出的種植面積作為標準對此方法進行了詳細比較，并與其他兩種常規方法作物光譜特性差異法和監督分類法進行比較。結果表明，改進的混合像元判別分析法誤差最小，運用在混合像元為特性的ＭＯＤＩＳ數據上比較合適；作物光譜特性差異法原理簡單、計算方便，但小面積地物區分效果差；監督分類法誤差最大，不適合運用在低分辨率高光譜的ＭＯＤＩＳ數據上。

關鍵詞：中分辨率成像光譜儀（ＭＯＤＩＳ）；農作物種植面積；改進型混合像元判別分析法

中圖分類號：Ｓ１２７ 文獻標識碼：Ａ 文章編號：0439－８114（２０12）24－5783-05

農作物種植面積的遙感提取是在收集分析不同農作物光譜特征的基礎上，通過遙感影像記錄的地表信息識別農作物的類型，統計農作物的種植面積。農作物的識別主要是利用綠色植物獨特的波譜反射特征，將植被（農作物）與其他地物區分開［１］。不同農作物類型的識別主要依據兩點：一是農作物在近紅外波段的反射主要受葉子內部構造的控制，不同類型農作物的葉子內部構造有一定的差別［２］；二是不同區域、不同類型作物間物候歷的差異，可利用遙感影像信息的時相變化規律進行不同農作物類型的識別［３］。因此遙感影像分析方法的發展推動農作物種植面積的遙感提取方法的研究。而“同物異譜”、“異物同譜”以及“混合像元”現象制約著遙感影像分析方法的發展［４］。目前常用的提取農作物種植面積的影像分析方法有目視法、監督分類法、非監督分類法、作物特性法，這些方法主要運用到高分辨率的影像圖片上（如ＴＭ數據），因為農作物種植最小面積遠遠大于衛星的探測單元瞬時視場角所對應的地面范圍，可以把像元看成純凈像元；而對基于低分辨率、高光譜、混合像元為特性的中分辨率成像光譜儀（ＭＯＤＩＳ）數據而言，其探測單元瞬時視場角所對應的地面范圍（１ｋｍ×１ｋｍ）同時種植好幾種作物，運用傳統統計模式分析方法會產生很大的誤差，因此目前很少人運用單純的ＭＯＤＩＳ衛星圖片來計算縣級農作物面積。

為了計算混合像元中各地物的豐度，可通過獲取衛星資料上純凈地物像元的光譜特征曲線，來人工合成某種地物不同比例、不同其他地物混合情況下的光譜數據，用這些光譜數據作為已知的監督點建立判別方程來進行分類處理，并將含這種地物相同比例的混合像素歸為一類，這樣可以得到這種地物各種比例下的分布面積，將其面積與此地物所占的比例相乘便可以得到此地物的總的分布面積，這就是改進型混合像元判別分析法。

改進型混合像元判別分析法建立在線性混合模型的基礎上，是將人工合成的光譜特性作為監督點進行監督分類，因而純凈地物像元的選擇對此方法的判斷精度影響很大，而且為了避免異物同譜現象出現，只能采用能精確反映地物光譜特性的高光譜衛星數據，用高光譜特性中的地物信息最大限度地消除低空間分辨率帶來的誤差，而ＭＯＤＩＳ有２２個反射波段，只要能找到純凈地物像元的光譜數據，便可以相對精確地計算出各種地物的分布特點和面積。

２ 資料的分析與處理

選定的地點是湖北省江陵縣，江陵縣是荊州市農業大縣，處于江漢平原西南部，地勢平坦，緊靠長江，水系發達；種植制度單一，只有小麥－棉花和油菜－中稻兩種。選取的ＭＯＤＩＳ衛星資料的日期為２００１年９月１５日（晴天、無云），此時中稻處于成熟期，葉片偏黃（收獲期為９月２３日），棉花處于采摘期，葉片還是綠色。

２．１ ＭＯＤＩＳ衛星資料的預處理

ＮＡＳＡ網站上提供的ＭＯＤＩＳ數據是經過大氣校正過的ＭＯＤＩＳＬ１Ｂ（ＭＯＤ０２）格式的資料，運行ＥＮＶＩ軟件中專門針對ＭＯＤＩＳ原始數據進行坐標轉換的程序，將資料轉成Ｋｒａｓｏｖｓｋｖ地球模型、Ａｌｂｅｒｔ投影方式坐標的柵格數據；并運用江陵縣矢量地圖采用ＭＡＳＫ方式將江陵縣柵格數據取出來。

２．２ 改進型混合像元判別分析法的處理步驟

２．３ 對比數據的計算

２．３．１ 實際結果的計算 選用采用同日期的ＴＭ衛星資料的監督分類法計算的種植面積作為標準，其計算方法如下。

１）偽彩色圖的生成。在ＥＮＶＩ軟件中將７０、４０、２０μｍ波段的數據當成紅、綠、藍３種顏色形成一張偽彩色圖，中稻和棉花很容易分辨，綠色部分為棉花，紅棕色地物為中稻，水系為藍色，而城鎮為灰色。

２）監督點的選取。根據江陵縣的特點將地物分為４類，取長江和木沉淵湖作為水體地物的監督點，郝穴鎮（縣城）為城鎮的監督點，三湖農場作為棉花的監督點，而傳統中稻種植區白馬鎮作為中稻的監督點。

３）數據資料的監督分類。通過ＥＮＶＩ軟件，根據上面選取的已知監督點光譜數據，運用Ｍａｈａｌａｎｏｂｉｓ距離法來進行監督分類。

３ 結果與分析

３．１ 改進型混合像元判別分析法計算的結果分布圖與其他方法和實際的比較結果

因此運用改進型混合像元判別分析法能準確地反映棉花和中稻的分布規律，特別是在一些零星種植區和兩種農作物交叉種植區都能很好地體現，這是用傳統型監督分類法無法實現的；為了更好地比較檢驗改進型混合像元判別分析法的效果和分析改進型混合像元判別分析法的誤差來源，將圖２中各種比例的種植區分類結果分別與ＴＭ監督法統計的實際結果進行比較，得到的結果見表３。由表３可知，各分類區內實際情況與計算結果基本相符，證明改進型混合像元判別分析法的分類原理是正確的，但也有一定的誤差，其誤差來源有兩個方面：一個是混合像素內小于２５％地物的光譜特性基本消失，不容易識別；另一方面是１００％種植區里還有其他地物區分不出來。但總的來講，改進型混合像元判別分析法最大限度地利用高光譜特性提取了混合像元中農作物信息，最大精度地顯示了農作物種植分布情況。

３．２ ３種方法計算結果的比較

由于江陵縣作物種植相對單一，因此很好尋找單一地物的像元，如果找不到這樣的監督點，采用此方法會有很大的誤差。

４ 結論

改進型混合像元判別分析法是由線性混合模型發展而來，原理簡單易懂；實現容易，只要ＳＰＳＳ軟件和ＥＮＶＩ軟件就能完成計算過程；最大限度地利用高光譜特性提取了混合像元中農作物信息，最大精度地顯示了農作物種植分布情況，誤差最小。因此運用在混合像元為特性的ＭＯＤＩＳ衛星上比較合適，影響其誤差大小的主要因素是監督點的選取。

另外作物光譜特性差異法原理簡單、計算方便，但誤差比較大；監督分類法誤差最大，不適合運用在低分辨率高光譜的ＭＯＤＩＳ衛星上。

參考文獻：

［１］周成虎，駱劍承．遙感影像地學理解與分析［Ｍ］．北京：科學出版社，１９９９．

［２］斯韋恩ＰＨ，戴維ＳＭ．遙感定量方法［Ｍ］．北京：科學出版社，１９８４．

［３］孫九林．中國農作物遙感動態監測與估產總論［Ｍ］．北京：中國科學技術出版社，１９９６．

［４］章孝燦，黃智才．遙感數字圖像處理［Ｍ］．杭州：浙江大學出版社，１９９７．

［５］呂長春，王忠武．混合像元分解模型綜述［Ｊ］．遙感信息，２００３（３）：５５－５９．

［６］徐希孺，周蓮芳，朱曉紅．混合像元的因子分析方法及其在大范圍冬小麥播種面積估算中的應用探討［Ｊ］．科學通報，１９８９，３４（１２）：９４６－９４９．

［７］ＱＵＡＲＭＢＹＮＡ，ＴＯＷＮＳＨＥＮＤＪＲＧ，ＳＥＴＴＬＥＪＪ．ＬｉｎｅａｒｍｉｘｔｕｒｅｍｏｄｅｌｉｎｇａｐｐｌｉｅｄｔｏＡＶＨＲＲｄａｔａｆｏｒｃｒｏｐａｒｅａｅｓｔｉｍａｔｉｏｎ［Ｊ］．ＩｎｔＪＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９２，１３（３）：４１５－４２５．