一種基于MODIS·TM影像融合技術提高水稻種植分布提取精度的方法

劉兵兵， 王莉雯， 管續棟， 黃 翀

(1.遼寧師范大學城市與環境學院，遼寧大連116029；2.中國科學院地理科學與資源研究所資源與環境信息系統國家重點實驗室，北京 100101；3.中國科學院大學，北京100049)

?

一種基于MODIS·TM影像融合技術提高水稻種植分布提取精度的方法

劉兵兵1， 王莉雯1， 管續棟2,3， 黃 翀2*

(1.遼寧師范大學城市與環境學院，遼寧大連116029；2.中國科學院地理科學與資源研究所資源與環境信息系統國家重點實驗室，北京 100101；3.中國科學院大學，北京100049)

摘要綜合考慮湄公河三角洲地區高質量TM影像難以獲得、影像單一以及MODIS時間序列數據影像的空間分辨率無法滿足監測需要的問題，提出一種基于影像對象的MODIS與TM數據融合模型(IOBFM)。根據2009年12月9日和2010年7月5日湄公河三角洲中部地區Landsat7 TM影像數據，融合MODIS時序數據提取裸地純象元點中的水稻點，并與單純運用MODIS影像的提取結果的精度進行比較。結果表明，用IOBFM模型的水稻象元提取精度比MODIS提取精度高出9.7個百分點，MODIS與TM數據融合可提高提取地區植被分布的精度。

關鍵詞TM；MODIS；水稻；湄公河三角洲；影像融合

全球50%以上人口以大米作為主食，稻田占全球耕地面積超過約11%。湄公河三角洲地區水稻種植情況調查對地區糧食安全起到舉足輕重的作用，而湄公河三角洲的水稻種植面積估算一般基于野外調查，使得這項工作費時費力[1]。遙感技術手段已經成為監測農業生產的必要手段，Landsat TM影像能夠滿足植被特征的空間監測任務。但在多云多雨的湄公河三角洲地區，遙感衛星影像質量受云層影響較大，使得高質量TM影像的獲取較為困難；而低分辨率遙感影像數據系列，如MODIS數據的植被指數時間序列數據可以用于監測植被生物物理變量的時空動態變化[2-3]，這種反映生物物理量變化的多時相數據有多種應用優勢[4-5]。由于湄公河地區土地異質性較大，目前常用于提取植被指數時間序列的MODIS數據在湄公河水稻提取中會產生混合象元問題。隨著影像融合技術的發展，結合來源不同的遙感影像提高解譯精度成為遙感分類趨勢。綜合考慮高質量TM影像難以獲得、影像單一以及MODIS時間序列數據影像的空間分辨率無法滿足監測需要問題，筆者提出一種基于影像對象的MODIS與TM數據融合模型(IOBFM)，將高時間分辨率的MODIS數據作為輔助數據提高TM影像提取水稻種植分布的精度。

1數據來源與研究方法

1.1研究區概況湄公河三角洲位于越南最南部以及柬埔寨部分地區(104°27～106°48′E、8°34～11°2′N)。湄公河三角洲地處熱帶，為典型的熱帶季風氣候[6]。其水稻種植有深水單季稻、雙季稻、三季稻。除水稻外，旱地多種植熱帶經濟作物、水果和旱糧作物[7-9]。

1.2數據及預處理使用的TM數據來自Landsat 7衛星數據，空間分辨率為30 m。研究時段為2009～2010年，選取研究區內一景質量較高的TM數據，其范圍覆蓋湄公河三角洲中部地區，采集時間為2009年12月9日和2010年7月5日。TM數據已經進行過幾何校正、大氣校正。

對獲取的MODIS的地表反射率合成產品數據(MOD09A1)影像進行拼接、裁剪，統一轉換到與TM影像投影相同的UTM投影。使用前2個波段計算出NDVI數據，并得到QA數據層。使用TIMESAT軟件的Savitzky-Golay濾波算法對NDVI時序進行濾波，將S-G濾波窗口設置為6，上包絡線迭代次數設置為2。經S-G濾波處理最終得到濾波后平滑的NDVI時序曲線更加接近真實NDVI值[10-13]。該研究使用Google Earth中2009～2010年高清遙感衛星影像獲取248個驗證點，其中165個水稻地類點，83個非水稻地類點，由于驗證的精度對象為30 m分辨率TM影像，采樣點的選擇為土地覆蓋類型均勻的50 m×50 m范圍點。

1.3研究方法該研究分類過程分為4個步驟：①影像分割。②將TM及MODIS影像中可以確定為水稻地類點的象元提出。③應用對不確定是否為水稻點的混合象元提出。在裸地類中，對于TM影像無法識別是否為水稻種植點，而MODIS影像為純象元裸地類的，則使用MODIS影像進行水稻點判別。④在TM影像中，有處于生長期的水稻象元，可以直接由TM影像通過面向對象的方法提取出，也有MODIS影像內為純象元裸地而TM影像中無法識別是否為水稻象元的，則可通過基于MODIS影像中提取的NDVI時序相似性方法提取其是否為水稻點。

1.3.1影像分割。應用eCognition軟件，首先將與獲得的2幅高質量TM影像時間相對于的MODIS影像按象元大小分割。在MODIS影像分割的基礎上，對TM影像進行分割。即對MODIS象元內的兩景TM影像共同進行分割。經試驗，在分割尺度為6的情況下可以滿足對象內一致性，對象間異質性的需求。分割參數的選取：對所有TM波段(2幅影像共14個波段)的權重均設為1，形狀異質性 (shape)設為0.2，即光譜異質性為0.8；緊密度異質性 (compactness)設為0.5，即光滑度異質性為0.5。

1.3.2影像分類。根據兩景TM影像的光譜、形狀、紋理特征，將TM影像分為6類，其中將裸地類分為4類，即無法確定是否在生長季為水稻種植的地類點，其余2類分別為確定為的水稻點和非水稻地類點。為確定MODIS影像為裸地純象元的象元是否為水稻種植點，則采用時間序列挖掘中的動態時間彎曲距離計算方法逐像元比較MODIS裸地純象元點與水稻純象元點NDVI時序曲線(標準生長曲線)的相似度[18]。依據試驗取DTW距離閾值劃分MODIS象元為水稻點或非水稻點。最后，在面向對象方法對TM影像分割的基礎上，認為一個MODIS影像內的單個對象的時序曲線相同，將其作為一類。單個MODIS象元內子層(TM影像分割結果)對象的權重不同，利用以下公式確定:

(1)

(2)

式中,Fkn、Fkm分別是n時間和m時間第k個分割對象的反射率值；Cn、Cm分別是n時間和m時間MODIS象元的反射率值。

根據公式(2)的推導過程可以得到：

(3)

2結果與分析

2.1影像分類結果根據2009～2010年兩景TM影像的光譜特征，對分割后的影像對象進行決策樹分類。TM分類結果見圖1a。根據水稻點純象元曲線相似性可提取裸地純象元中的水稻點[18]，由MODIS時序數據提取裸地純象元點中的水稻點，其中，設置DTW距離小于0.1的象元點為水稻點，最終得到純象元水稻點提取結果見圖1b。

圖1　基于TM及MODIS的影像結果Fig.1　Image results based on TM and MODIS

除純象元點外，大部分TM影像中裸地點在MODIS影像中都為混合象元點，判別這部分象元是否為水稻點需要使用混合象元分解技術，該研究以TM影像對象為基礎對MODIS進行像元分解，判別MODIS象元內的TM影像裸地類對象是否為水稻種植點。假設每個MODIS象元范圍內的單個裸地對象的種植情況相同，且各個地類形狀在年內未發生變化。

2.2權重系數利用公式(2)，計算得到系數矩陣、面積權重矩陣(圖2)。最后，根據公式(3)計算出2010年剩余45景與MODIS 反射率對應的TM 反射率值。最終對得到的高分辨率 NDVI時序，也使用基于DTW距離的時序相似性判斷是否為水稻象元點。

圖2　系數及面積權重矩陣Fig.2　Coefficient and area weight matrix

2.3IOBFM結果比較圖3為使用DTW距離提取的水稻，圖3a為MODIS NDVI時序數據提取的水稻點(圖中藍色區域)，圖3b為使用本文流程提取的水稻點(圖中紅色區域)。比較圖3a和圖3b可以看出，使用該研究方法既能將TM影像中的裸地點提取出來，又能細化提取結果，如研究區西南部的路網基本能剔除。

圖3　用MODIS影像和IOBFM方法的水稻提取結果比較Fig.3　Comparison of paddy extraction results by MODIS image and IOBFM method

為比較提取結果的精度，結合GoogleEarth高清遙感影像以及野外實測數據對水稻提取結果進行了精度驗證。在湄公河三角洲的中部地區均勻取得水稻種植點165個，其他地類取點83個，取點盡量選擇非混合像元。根據隨機選取的點與水稻提取結果進行分析，得到2種方法提取結果的分類精度比較(表1)。由表1可知，利用TM影像提取結果中，正確率達到79.4%，最后得到總體正確分類精度為79.2%；利用IOBFM方法提取結果，正確率達到88.5%，最后得到總體正確分類精度為88.9%。

3結論與討論

湄公河三角洲地區屬于熱帶季風多云多雨氣候，影像受云影響很大，加之水稻種植靈活，所以水稻的影像提取有一定的難度。該研究利用遙感融合技術，在對混合像元分解的基礎上，結合Landsat 7 TM和MODIS高時間分辨率影像與高空間分辨率影像的優勢進行高精度水稻制圖，結果表明：①利用更高的空間分辨率圖像或輔助數據信息分析低分辨率像素內的每種地物的信息能更有效的估算低空間分辨率混合像元中不同地類的反射率和NDVI值。②將高時間分辨率的MODIS數據作為輔助數據提高TM影像提取水稻種植分布精度不僅能將TM影像中裸地點提取出來，又能細化提取結果，剔除一些不需要的信息，如路網等。③時相的選取對水稻提取有著至關重要的作用，在水稻的不同時期其生長狀況是隨時發生變化的，在水稻生長期獲得的影像才具有很好的研究意義。由于該研究區獲取的TM影像受云污染較嚴重，因此很難得到無云并處于水稻生長期的高質量的TM影像，該研究在MODIS數據的輔助下使TM影像最終水稻提取結果的精度為88.9%，比使用MODIS影像提取結果在精度上提高了9.7個百分點。該研究思路和方法達到了一個較滿意的試驗結果，將這種思路和方法應用到提高其他地區植被的提取精度上，也將有一定收獲。

表1TM影像和IOBFM方法提取結果分類精度比較

Table 1Classification accuracy comparison of the extracting results between TM image and IOBFM method

方法Method取點類型Typeofpoint水稻Paddy其他地類Otherlandtype累計正誤概率CumulativeprobabilityMODIS影像分類結果∥個16542-MODIS位于分類后水稻面內∥個1319-image位于分類后水稻面外∥個3433-正確率∥%79.478.679.2IOBFM法分類結果∥個16542-IOBFM位于分類后水稻面內∥個1464-method位于分類后水稻面外∥個1938-正確率∥%88.590.588.9

參考文獻

[1] KUENZER C,KNAUER K.Remote sensing of rice crop areas[J].International journal of remote sensing,2013，34(6):2101-2139.

[2] CHERCHALI S,AMRAM O,FLOUZAT G.Retrieval of temporal profiles ofreflectances from simulated and real NOAA-AVHRR data over heteroge-neouslandscapes[J].International journal of remote sensing,2000,21:753-775.

[3] DABROWSKA-ZIELINSKA K,GRUSZCZYNSKA M,YESOU H,et al.Biophysical properties of wetlands vegetation retrieved from satellite images[J].Geoscience and remote sensing symposium,2004,7:4580-4583.

[4] MATSUSHITA B,TAMURA M.Integrating remotely sensed data with anecosystem model to estimate net primary productivity in East Asia[J].Remote sensing of environment,2002,81:58-66.

[5] MOULIN S,BONDEAU A,DELECOLLE R.Combining agricultural cropmodels and satellite observations: From field to regional scales[J].Interna-tional journal of remote sensing,1998,19:1021-1036.

[6] ZURITA-MILLA R,KAISER G,CLEVERS J G P W,et al.Downscaling time series of MERIS full resolution data to monitor vegetation seasonal dynamics[J].Remote sensing of environment,2009,113: 1874-1885.

[7] 胡繼銀，蔣艾青.越南雜交水稻現狀及發展對策[J].雜交水稻，2010，25(5)：84-88.

[8] 呂榮華，周行，梁朝旭，等.越南水稻的栽培概況[J].廣西農業科學，2004，35(2)：102-103.

[9] 顧根寶，郭軍，顧閩峰，等.越南水稻品種資源分類及其利用狀況[J].雜交水稻，2004，19(1)：60-61.

[10] 宋春橋，柯靈紅，游松財，等.基于TIMESAT的3種時序NDVI擬合方法比較研究:以藏北草原為例[J].遙感技術與應用,2011,26(2): 147-154.

[11] GU J,LI X,HUANG C,et al.A simplified data assimilation method for reconstructing time-series MODIS NDVI Data[J].Advances in space research,2009,44:501-509.

[12] CHEN J,J?NSSON P,TAMURA M,et al.A simple method for reconstructing a high-quality NDVI time-series data set based on the savitzky-Golay filter[J].Remote sensing of environment,2004,91:332-344.

[13] EKLUNDH L,J?NSSON P.TIMESAT 3.1 - Software manual[M].Sweden:Lund University,2012:82.

[14] BUSETTO L,MERONI M,COLOMBO R.Combining medium and coarse spatial resolution satellite data to improve theestimation of sub-pixel NDVI time series[J].Remote sensing of environment,2008,112:118-131.

[15] ZHU X I,CHEN J,GAO F,et al.An enhanced spatial and temporal adaptive reflectance fusion model for complex heterogeneous regions[J].Remote sensing of environment,2010,114: 2610-2623.

[16] HILKER t,WULDER M A,COOPS N C,et al.A new data fusion model for high spatial- and temporal-resolution mapping of forestdisturbance based on Landsat and MODIS[J].Remote sensing of environment,2009,113: 1613-1627.

[17] MEZNED N,ABDELJAOUED S,BOUSSEMA M B.A comparative study for unmixing based Landsat ETM+ and ASTER image fusion[J].International journal of applied earth observation and geoinformation,2010,12: 131-137.

[18] 管續棟，黃翀，劉高煥，等.基于DTW距離的時序相似性方法提取水稻遙感信息：以泰國為例[J].資源科學，2014， 36(2)：227-236.

基金項目國家自然科學基金項目(41271421，41561144012，41471335)；中國科學院重點部署項目(KZZD-EW-08)。

作者簡介劉兵兵(1988- )，女，黑龍江齊齊哈爾人，碩士研究生，研究方向：資源環境遙感與大數據制圖分析。*通訊作者，博士，副研究員，從事生態遙感、GIS地學建模研究。

收稿日期2016-05-03

中圖分類號S 127;TP 79

文獻標識碼A

文章編號0517-6611(2016)16-266-04

A Method to Improve Planting Distribution Accuracy of Paddy Based on MODIS,TM Image Fusion Technology

LIU Bing-bing1,WANG Li-wen1,GUAN Xu-dong2,3,HUANG Chong2*

(1.School of Urban and Environmental Science,Liaoning Normal University,Dalian,Liaoning 116029; 2.State Key Laboratory of Resources and Environmental Information System,Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing100101; 3.University of the Chinese Academy of Sciences,Beijing 100049)

AbstractThere were several problems in Niger Delta of Mekong River,such as difficult obtaining of high-quality TM image,single image,spatial resolution of MODIS time series data image being unable to meet the needs of the monitoring.Based on these,we proposed a MODIS and TM data fusion model based on image objects (image object based fusion model,IOBFM).According to the Landsat7 TM image data in Niger Delta of Mekong River in December 9,2009 and July 5,2010,we integrated the MODIS time series data,extracted the paddy points in bare pure pixel points,and compared with the precision of extracting results of using single MODIS image.Results showed that using rice pixel extraction accuracy in IOBFM model enhanced the accuracy by 9.7 percentage points compared with MODIS extraction accuracy.MODIS and TM data fusion enhanced the extraction accuracy of paddy planting distribution.

Key wordsTM; MODIS; Paddy; Mekong Delta; Image fusion