衛星遙感在定額法統計農業用水量中的應用

王寧++黃子彬

摘 要：采用高分辨率的遙感數據對夏、秋兩季的廣東省從化市轄區內的水稻、菜地、果樹、魚塘和大規模經濟作物區進行分析、識別，分別求得不同季節、不同類型的農業用地面積，從而用定額法推求農業用水量。

關鍵詞：衛星遙感；定額法；農業；用水量

中圖分類號：S127 文獻標識碼：A 文章編號：2095-6835（2014）05-0127-02

按照定額法推算農業用水量是農業需水預測工作中較常使用的方法。采用這種方法首先需要調查研究區的各種農業用地的面積（水稻、菜地、果樹、魚塘等）。過去傳統的統計調查方法主要單靠調查人員進行實地調查，不僅速度慢，而且易造成誤報、漏報和錯報，而遙感技術由于其宏觀性、現勢性的特點被越來越多地應用到土地利用調查中。本文以從化市為調查區域，以高分辨率衛星影像為數據源，開展夏、秋兩季水稻、菜地、果樹、魚塘和大規模經濟作物區的分析、識別，并統計、分析夏、秋兩季農業用地的類型、面積狀況，從而用定額法推求農業用水量。

1 研究內容和范圍

2 數據資料收集

本項目需要收集夏、秋兩季高分辨的遙感數據、研究區的地形數據、地理信息數據以及可以用于協助農業用地分類的相關信息，這些資料是項目開展的基礎。

2.1 數據的坐標系統

2.2 遙感數據收集

經數據查詢，由于廣州地區夏季多云雨，近兩年都無可覆蓋全廣州的SPOT5的夏季數據。而隨著SPOT6衛星的發射成功，1.5 m分辨率的SPOT6數據無論在分辨率、價格上都優于SPOT5數據。因此，從實際情況出發，在保證數據精度的情況下采用以下數據方案：①夏季數據。采用2011年、2012年夏季SPOT5數據和Rapideye數據組合覆蓋研究區。②秋季數據。采用編程定制的、分辨率優于SPOT5衛星的SPOT6衛星數據，成像時間為2013-10，數據分辨率1.5 m。另還收集了2012年秋季的資源衛星數據，數據分辨率5 m。

p

3 農業用地遙感信息提取

農業用地遙感信息提取是通過對高分辨率的遙感影像進行分類實現的。面向對象的分類方法是目前常用于高分辨率遙感影像分類的方法。該方法的分類單元是地物對象而不是傳統意義上的像素，充分利用了對象信息（色調、形狀、紋理、層次）、類間信息（與鄰近對象、子對象、父對象的相關特征），實現對遙感影像的計算機自動分割。其在常規的土地利用分類中得到了廣泛的應用。然而，此項目不同于常規的土地利用分類，它需要對農作物進行識別。根據項目需求，將提取以下五類農業用地：①水稻田：指種植水稻的田地。②果園：指種植果樹的園地。廣州地區的果園多為荔枝、龍眼、潘石榴園等。③菜地：指常年種植蔬菜為主的耕地。④大規模經濟作物區：在本項目中，大規模經濟作物區指成片種植的甘蔗、香蕉地。⑤魚塘：指用于養魚的池塘。詳情如圖1所示。

圖1 研究區五種農業用地的光譜曲線

圖1為實地測量的研究區內幾種典型農作物的光譜曲線。由圖可知，在5個類別中，除魚塘的光譜曲線和其他4條差異較大外，其中有4個類別都表現為植被的光譜特性，光譜差異性不大，也就是說，僅從光譜特征是難以區分不同農作物的。因此，本項目難度遠遠高于常規的土地利用調查對耕地、城市用地、林草地的區分。而根據前期的試驗發現，自動分類在本項目中存在一定的局限性，主要體現在分割尺度的難以選擇上。

在面向對象分類中，分割尺度是分割形成的多邊形影像對象異質性的閉值，它的好壞直接影響影像地物信息提取精度的高低。分割尺度的大小直接決定了生成影像對象的大小——分割尺度越大，所生成的影像對象層中多邊形的面積越大，而數目越少；反之亦然。由于農業地的地塊大多比較破碎，經常出現不同類型農業地混雜的情況。在這種情況下，如果分割尺度過小，地塊被分為太多破碎的圖斑，就會造成數據過大、數據處理效率低下。分割尺度太大，小面積的地塊又無法自動區分。此外，面對光譜、形狀相似的地類，自動分類也容易出現誤判，例如魚塘、坑塘和河流三者的光譜特性基本一致，魚塘與坑塘的形狀指數也相似，自動分類將難以正確判別魚塘。

圖2 農業用地遙感提取分類系統

綜上所述，該項目將采用自動分類與人工解譯結合的提取方法：自動分類主要實現農業用地與非農業用地的辨別，而人工解譯主要實現農業用地類型的識別和勾畫。由此，該項目涉及兩個分類體系，即自動分類體系和人工解譯分類體系，如圖2所示。

4 農業用地遙感調查成果分析

4.1 夏季農業用地構成

436.73

4.3 夏、秋兩季比較

從化全境屬半山區。市東北部以山地、丘陵為主，中南部以丘陵、谷地為主，西部以丘陵、臺地為主，境內水資源充沛。從化市農業以種植果樹為主，其次為水稻，主要分布在從化市南部、西部和東部，中部較少。秋季果園、水稻和魚塘面積略有減少，菜地面積略有增加，其他大規模作物區保持不變，總體相比變化不大。

5 結束語

采用遙感技術對轄區內的農業用地情況進行分析識別，不僅可以及時、快速、精確地獲取實時的農業用地信息，還可以獲取一些偏遠地區的農業用地情況，使調查結果更全面、完善。而翔實、準確的農業用地面積調研結果，確保了農業用水量的估算精度，有助于獲取準確的農業用水量，對于進一步加強水資源的管理和優化配置，促進水資源的可持續利用意義深遠。

〔編輯：王霞〕

Application of Satellite Remote Sensing in the Fixed Law of Agricultural Water Use Statistics

Wang Ning， Huang Zibin

Abstract： A high-resolution remote sensing data for the summer and autumn of Guangdong Province from rice， vegetable， fruit， fish ponds and large-scale cash crop areas of municipal districts of analysis， identification， were obtained in different seasons， different type of agricultural land area， thereby deriving agricultural water use fixed method.

Key words： satellite remote sensing； fixed law； agriculture； waterendprint

摘 要：采用高分辨率的遙感數據對夏、秋兩季的廣東省從化市轄區內的水稻、菜地、果樹、魚塘和大規模經濟作物區進行分析、識別，分別求得不同季節、不同類型的農業用地面積，從而用定額法推求農業用水量。

關鍵詞：衛星遙感；定額法；農業；用水量

中圖分類號：S127 文獻標識碼：A 文章編號：2095-6835（2014）05-0127-02

按照定額法推算農業用水量是農業需水預測工作中較常使用的方法。采用這種方法首先需要調查研究區的各種農業用地的面積（水稻、菜地、果樹、魚塘等）。過去傳統的統計調查方法主要單靠調查人員進行實地調查，不僅速度慢，而且易造成誤報、漏報和錯報，而遙感技術由于其宏觀性、現勢性的特點被越來越多地應用到土地利用調查中。本文以從化市為調查區域，以高分辨率衛星影像為數據源，開展夏、秋兩季水稻、菜地、果樹、魚塘和大規模經濟作物區的分析、識別，并統計、分析夏、秋兩季農業用地的類型、面積狀況，從而用定額法推求農業用水量。

1 研究內容和范圍

2 數據資料收集

本項目需要收集夏、秋兩季高分辨的遙感數據、研究區的地形數據、地理信息數據以及可以用于協助農業用地分類的相關信息，這些資料是項目開展的基礎。

2.1 數據的坐標系統

2.2 遙感數據收集

經數據查詢，由于廣州地區夏季多云雨，近兩年都無可覆蓋全廣州的SPOT5的夏季數據。而隨著SPOT6衛星的發射成功，1.5 m分辨率的SPOT6數據無論在分辨率、價格上都優于SPOT5數據。因此，從實際情況出發，在保證數據精度的情況下采用以下數據方案：①夏季數據。采用2011年、2012年夏季SPOT5數據和Rapideye數據組合覆蓋研究區。②秋季數據。采用編程定制的、分辨率優于SPOT5衛星的SPOT6衛星數據，成像時間為2013-10，數據分辨率1.5 m。另還收集了2012年秋季的資源衛星數據，數據分辨率5 m。

p

3 農業用地遙感信息提取

農業用地遙感信息提取是通過對高分辨率的遙感影像進行分類實現的。面向對象的分類方法是目前常用于高分辨率遙感影像分類的方法。該方法的分類單元是地物對象而不是傳統意義上的像素，充分利用了對象信息（色調、形狀、紋理、層次）、類間信息（與鄰近對象、子對象、父對象的相關特征），實現對遙感影像的計算機自動分割。其在常規的土地利用分類中得到了廣泛的應用。然而，此項目不同于常規的土地利用分類，它需要對農作物進行識別。根據項目需求，將提取以下五類農業用地：①水稻田：指種植水稻的田地。②果園：指種植果樹的園地。廣州地區的果園多為荔枝、龍眼、潘石榴園等。③菜地：指常年種植蔬菜為主的耕地。④大規模經濟作物區：在本項目中，大規模經濟作物區指成片種植的甘蔗、香蕉地。⑤魚塘：指用于養魚的池塘。詳情如圖1所示。

圖1 研究區五種農業用地的光譜曲線

圖1為實地測量的研究區內幾種典型農作物的光譜曲線。由圖可知，在5個類別中，除魚塘的光譜曲線和其他4條差異較大外，其中有4個類別都表現為植被的光譜特性，光譜差異性不大，也就是說，僅從光譜特征是難以區分不同農作物的。因此，本項目難度遠遠高于常規的土地利用調查對耕地、城市用地、林草地的區分。而根據前期的試驗發現，自動分類在本項目中存在一定的局限性，主要體現在分割尺度的難以選擇上。

在面向對象分類中，分割尺度是分割形成的多邊形影像對象異質性的閉值，它的好壞直接影響影像地物信息提取精度的高低。分割尺度的大小直接決定了生成影像對象的大小——分割尺度越大，所生成的影像對象層中多邊形的面積越大，而數目越少；反之亦然。由于農業地的地塊大多比較破碎，經常出現不同類型農業地混雜的情況。在這種情況下，如果分割尺度過小，地塊被分為太多破碎的圖斑，就會造成數據過大、數據處理效率低下。分割尺度太大，小面積的地塊又無法自動區分。此外，面對光譜、形狀相似的地類，自動分類也容易出現誤判，例如魚塘、坑塘和河流三者的光譜特性基本一致，魚塘與坑塘的形狀指數也相似，自動分類將難以正確判別魚塘。

圖2 農業用地遙感提取分類系統

綜上所述，該項目將采用自動分類與人工解譯結合的提取方法：自動分類主要實現農業用地與非農業用地的辨別，而人工解譯主要實現農業用地類型的識別和勾畫。由此，該項目涉及兩個分類體系，即自動分類體系和人工解譯分類體系，如圖2所示。

4 農業用地遙感調查成果分析

4.1 夏季農業用地構成

436.73

4.3 夏、秋兩季比較

從化全境屬半山區。市東北部以山地、丘陵為主，中南部以丘陵、谷地為主，西部以丘陵、臺地為主，境內水資源充沛。從化市農業以種植果樹為主，其次為水稻，主要分布在從化市南部、西部和東部，中部較少。秋季果園、水稻和魚塘面積略有減少，菜地面積略有增加，其他大規模作物區保持不變，總體相比變化不大。

5 結束語

采用遙感技術對轄區內的農業用地情況進行分析識別，不僅可以及時、快速、精確地獲取實時的農業用地信息，還可以獲取一些偏遠地區的農業用地情況，使調查結果更全面、完善。而翔實、準確的農業用地面積調研結果，確保了農業用水量的估算精度，有助于獲取準確的農業用水量，對于進一步加強水資源的管理和優化配置，促進水資源的可持續利用意義深遠。

〔編輯：王霞〕

Application of Satellite Remote Sensing in the Fixed Law of Agricultural Water Use Statistics

Wang Ning， Huang Zibin

Abstract： A high-resolution remote sensing data for the summer and autumn of Guangdong Province from rice， vegetable， fruit， fish ponds and large-scale cash crop areas of municipal districts of analysis， identification， were obtained in different seasons， different type of agricultural land area， thereby deriving agricultural water use fixed method.

Key words： satellite remote sensing； fixed law； agriculture； waterendprint

摘 要：采用高分辨率的遙感數據對夏、秋兩季的廣東省從化市轄區內的水稻、菜地、果樹、魚塘和大規模經濟作物區進行分析、識別，分別求得不同季節、不同類型的農業用地面積，從而用定額法推求農業用水量。

關鍵詞：衛星遙感；定額法；農業；用水量

中圖分類號：S127 文獻標識碼：A 文章編號：2095-6835（2014）05-0127-02

按照定額法推算農業用水量是農業需水預測工作中較常使用的方法。采用這種方法首先需要調查研究區的各種農業用地的面積（水稻、菜地、果樹、魚塘等）。過去傳統的統計調查方法主要單靠調查人員進行實地調查，不僅速度慢，而且易造成誤報、漏報和錯報，而遙感技術由于其宏觀性、現勢性的特點被越來越多地應用到土地利用調查中。本文以從化市為調查區域，以高分辨率衛星影像為數據源，開展夏、秋兩季水稻、菜地、果樹、魚塘和大規模經濟作物區的分析、識別，并統計、分析夏、秋兩季農業用地的類型、面積狀況，從而用定額法推求農業用水量。

1 研究內容和范圍

2 數據資料收集

本項目需要收集夏、秋兩季高分辨的遙感數據、研究區的地形數據、地理信息數據以及可以用于協助農業用地分類的相關信息，這些資料是項目開展的基礎。

2.1 數據的坐標系統

2.2 遙感數據收集

經數據查詢，由于廣州地區夏季多云雨，近兩年都無可覆蓋全廣州的SPOT5的夏季數據。而隨著SPOT6衛星的發射成功，1.5 m分辨率的SPOT6數據無論在分辨率、價格上都優于SPOT5數據。因此，從實際情況出發，在保證數據精度的情況下采用以下數據方案：①夏季數據。采用2011年、2012年夏季SPOT5數據和Rapideye數據組合覆蓋研究區。②秋季數據。采用編程定制的、分辨率優于SPOT5衛星的SPOT6衛星數據，成像時間為2013-10，數據分辨率1.5 m。另還收集了2012年秋季的資源衛星數據，數據分辨率5 m。

p

3 農業用地遙感信息提取

農業用地遙感信息提取是通過對高分辨率的遙感影像進行分類實現的。面向對象的分類方法是目前常用于高分辨率遙感影像分類的方法。該方法的分類單元是地物對象而不是傳統意義上的像素，充分利用了對象信息（色調、形狀、紋理、層次）、類間信息（與鄰近對象、子對象、父對象的相關特征），實現對遙感影像的計算機自動分割。其在常規的土地利用分類中得到了廣泛的應用。然而，此項目不同于常規的土地利用分類，它需要對農作物進行識別。根據項目需求，將提取以下五類農業用地：①水稻田：指種植水稻的田地。②果園：指種植果樹的園地。廣州地區的果園多為荔枝、龍眼、潘石榴園等。③菜地：指常年種植蔬菜為主的耕地。④大規模經濟作物區：在本項目中，大規模經濟作物區指成片種植的甘蔗、香蕉地。⑤魚塘：指用于養魚的池塘。詳情如圖1所示。

圖1 研究區五種農業用地的光譜曲線

圖1為實地測量的研究區內幾種典型農作物的光譜曲線。由圖可知，在5個類別中，除魚塘的光譜曲線和其他4條差異較大外，其中有4個類別都表現為植被的光譜特性，光譜差異性不大，也就是說，僅從光譜特征是難以區分不同農作物的。因此，本項目難度遠遠高于常規的土地利用調查對耕地、城市用地、林草地的區分。而根據前期的試驗發現，自動分類在本項目中存在一定的局限性，主要體現在分割尺度的難以選擇上。

在面向對象分類中，分割尺度是分割形成的多邊形影像對象異質性的閉值，它的好壞直接影響影像地物信息提取精度的高低。分割尺度的大小直接決定了生成影像對象的大小——分割尺度越大，所生成的影像對象層中多邊形的面積越大，而數目越少；反之亦然。由于農業地的地塊大多比較破碎，經常出現不同類型農業地混雜的情況。在這種情況下，如果分割尺度過小，地塊被分為太多破碎的圖斑，就會造成數據過大、數據處理效率低下。分割尺度太大，小面積的地塊又無法自動區分。此外，面對光譜、形狀相似的地類，自動分類也容易出現誤判，例如魚塘、坑塘和河流三者的光譜特性基本一致，魚塘與坑塘的形狀指數也相似，自動分類將難以正確判別魚塘。

圖2 農業用地遙感提取分類系統

綜上所述，該項目將采用自動分類與人工解譯結合的提取方法：自動分類主要實現農業用地與非農業用地的辨別，而人工解譯主要實現農業用地類型的識別和勾畫。由此，該項目涉及兩個分類體系，即自動分類體系和人工解譯分類體系，如圖2所示。

4 農業用地遙感調查成果分析

4.1 夏季農業用地構成

436.73

4.3 夏、秋兩季比較

從化全境屬半山區。市東北部以山地、丘陵為主，中南部以丘陵、谷地為主，西部以丘陵、臺地為主，境內水資源充沛。從化市農業以種植果樹為主，其次為水稻，主要分布在從化市南部、西部和東部，中部較少。秋季果園、水稻和魚塘面積略有減少，菜地面積略有增加，其他大規模作物區保持不變，總體相比變化不大。

5 結束語

采用遙感技術對轄區內的農業用地情況進行分析識別，不僅可以及時、快速、精確地獲取實時的農業用地信息，還可以獲取一些偏遠地區的農業用地情況，使調查結果更全面、完善。而翔實、準確的農業用地面積調研結果，確保了農業用水量的估算精度，有助于獲取準確的農業用水量，對于進一步加強水資源的管理和優化配置，促進水資源的可持續利用意義深遠。

〔編輯：王霞〕

Application of Satellite Remote Sensing in the Fixed Law of Agricultural Water Use Statistics

Wang Ning， Huang Zibin

Abstract： A high-resolution remote sensing data for the summer and autumn of Guangdong Province from rice， vegetable， fruit， fish ponds and large-scale cash crop areas of municipal districts of analysis， identification， were obtained in different seasons， different type of agricultural land area， thereby deriving agricultural water use fixed method.

Key words： satellite remote sensing； fixed law； agriculture； waterendprint