基于改進的NDVI密度分割方法的冬小麥面積信息提取

郝震+趙紅莉+蔣云鐘

摘要：基于高分辨率遙感影像提取的種植結構信息，能夠比傳統的統計數據更加直觀地表達農作物的空間分布特征，這些數據信息是水資源管理部門進行水資源管理的重要數據參考。為解決GF-1 WFV傳感器影像中混合像元對小麥信息提取結果的影響，引入高分辨率GF-1 PMS傳感器影像，在兩種影像相同位置建立樣本研究區，利用PMS影像的分辨率優勢為WFV影像中小麥混合像元訓練樣本提供真實小麥面積權重，得到WFV影像小麥混合像元NDVI與小麥面積權重的比例關系，再運用區間歸一化的方法解決同一NDVI值對應不同小麥面積權重的問題，進而得到混合像元中小麥的真實面積信息，最終提取了冀州市的冬小麥信息。經驗證，該方法能夠在實地樣本不足的條件下，較準確地提取冬小麥面積信息。

關鍵詞：NDVI；高分一號；冬小麥面積；遙感；歸一化；密度分割

中圖分類號：S127；TP79 文獻標識碼：A 文章編號：1672-1683（2017）03-0067-06

Abstract：The planting structure information extracted by high-resolution remote sensing imaging can be more intuitive than traditional statistical data to present the spatial distribution and area information of crops.These data can provide important reference for water resources management.In order to eliminate the influence of mixed pixels in GF-1 WFV sensor images on wheat information extraction，we introduced the high-resolution GF-1 PMS sensor images，and established samples in the two images.We used the superior resolution of PMS images to provide real wheat area weight to the training samples of wheat mixed pixels in the WFV image，and obtained the relationship between wheat NDVI and wheat area weight.Then we used the interval normalization method to solve the problem in which one NDVI value corresponded to different wheat area weights，and thus obtained the true area information of wheat in mixed pixels，and extracted the winter wheat information of Jizhou City.It was verified that the method can accurately extract information of winter wheat area under the condition of insufficient samples.

Key words：NDVI；GF-1；winter wheat area；remote sensing；normalization；density slicing

農作物的種植面積與空間分布數據是農業用水科學管理的重要基礎。獲取農作物種植結構信息的傳統方式主要是通過實地調查與統計，逐級上報匯總，這種方式不但耗費大量的物力、人力，而且最終的統計匯報結果因存在統計誤差也并不能表達農作物的種植空間分布信息。利用遙感技術進行農作物調查，不僅使農作物種植結構信息提取方式變的省時省力，還讓種植結構信息提取結果更有時效性。

基于衛星遙感影像提取的農作物種植結構信息，包括農作物的種類、分布、面積等內容，在現有的種植結構信息提取研究中，多是針對大范圍地區，以滿足時間分辨率的遙感影像為數據基礎，通過分析農作物的生長規律，結合歸一化植被指數變化特點，提取農作物種植結構信息。歸一化植被指數是應用遙感技術提取作物信息的一個最常用指標，被廣泛應用于作物分類和生長情況評價[1-2]。黃青通過分析作物時序光譜特征，建立MODIS NDVI數據的提取模型，獲取東北地區主要作物種植結構信息[3]；郝衛平利用MODIS NDVI 16D影像、Landsat ETM+影像和大量地面調查數據，提取了主要作物分布的空間信息[4]；楊閆君通過分析樣地的NDVI時序曲線，捕捉作物特有的生長特性，基于GF-1/WFV NDVI時間序列對研究區作物進行了分類[5]；賀鵬利用GF-1號WFV傳感器影像分析了黑龍江農墾趙光農場的主要作物反射光譜和植被指數時序變化特征，構建分層決策樹模型，提取了農場的空間種植信息[6]。以多時相的NDVI為數據源，提取農作物面積與類型的研究方法已經比較成熟[7-12]，這些方法基本是通過設定不同時間范圍不同作物特有的NDVI閾值屬性，區分農作物植被類型，但未做農作物混合混合像元的處理。除利用多時相NDVI數據提取區域農作物種植結構外，一些學者也以單時相NDVI數據對單一作物面積的提取進行了研究[13-14]。葛廣秀基于密度分割的方法對含有不同面積比例的小麥混合像元進行了處理，來提高小麥面積的提取精度[15]。但該方法假設混合像元中小麥面積權重與NDVI在一定NDVI取值區間上是線性關系。為獲得面積權重與NDVI關系，往往需要大量的地面取樣，是利用NDVI密度分割法確定混合像元中小麥面積權重的困難所在。

除NDVI閾值方法外，王利民以多尺度分割后的對象為基本分類單元，采用分層決策樹分類的方法對冬小麥面積進行提取[16]。Jiao等利用 RADARSAT-2數據對加拿大多倫多省東南部小麥、燕麥、大豆、油菜和飼料等 5 種作物進行了分類，面向對象分類的方法單景的分類精確率可達95%[17]；面向對象分類方法與分層決策樹方法對計算機的硬件軟件與專家經驗需求較高，區域分析使用有一定難度，因此不具備普遍適用性[18-20]。

高空間分辨率影像具有較高精度，受混合像元影響較小，但由于重訪周期長、單景覆蓋面積小，難以在短時間內完成大范圍的全覆蓋，對于時效性要求較高的種植結構提取，不能滿足要求。中低分辨率衛星在重訪周期和影像單景幅寬上具有優勢，但在提取中混合像元大量存在，影響閾值的選取和混合像元內面積的統計。為探討提高農作物種植結構信息的遙感信息提取精度，本文以河北省冀州市為試驗區，以高分一號WFV數據為主，以高分一號高分辨率PMS數據補充地面實測樣方，通過分析高分一號WFV影像中小麥混合像元NDVI值與小麥面積比例關系，提出一種參考鄰近區域NDVI值確定混合像元中小麥面積比例的方法。因該方法可考慮作物長勢對NDVI于混合像元中作物面積比例的影響，對混合像元中作物面積的判定具有較高精度。

1 材料與方法

1.1 研究區概況

研究區范圍是河北省衡水地區冀州市，經緯度范圍115°10′-115°42′，37°19′-37°44′，該市地處河北平原。冀州市屬大陸性季風氣候，春季干燥多風，夏季暖熱多雨，6月至9月間降雨量較多，3月至5月降雨量較少，種植的主要農作物有小麥、玉米、棉花等。

1.2 農作物生長規律與NDVI變化特征

根據2015年實地調研結果，將實地收集的農作物耕種地塊在遙感影像上進行標注，并結合多時相的影像數據對實地收集的農作物地塊進行全年NDVI數值統計，得到圖2。NDVI的變化規律符合對應農作物的生長特性。適宜提取冬小麥的影像時間不唯一，利用12月與次年4月影像的冬小麥NDVI特征突出的特點提取冬小麥。

1.3 實驗數據

研究選取的影像數據是中國衛星資源應用中心提供的高分一號WFV（16 m空間分辨率多光譜影像）傳感器2014年12月24日、2015年4月23日影像與PMS（2 m空間分辨率全色影像與8 m空間分辨率多光譜影像）傳感器2015年4月27日影像。PMS傳感器影像經過預處理得到2 m空間分辨率的多光譜影像。兩種傳感器影像的預處理都在ENVI5. 2軟件環境下進行，大氣校正運用FLAASH大氣校正模式，正射校正采用GF-1號衛星自帶的RPC參數進行無控制點有理多項式模型區域網平差幾何校正。

2015年4月對研究區進行了實地調研，選取了5個樣方，分布見圖1。為輔助分析和檢驗，本文利用高分一號PMS影像提取結果增加WFV影像進行作物提取的樣方，共選取23個PMS影像樣方。兩類樣方中的18個作為訓練樣方，其余10個為驗證樣方來進行研究分析和檢驗。為驗證研究區種植結構信息提取的準確性，還收集了研究區農業局2015年的種植結構統計信息來提供參考。

1.4 研究方法

以WFV傳感器與PMS傳感器影像及少量實測樣點為數據基礎，在節省實地采樣耗費的人力、物力的條件下，運用NDVI密度分割方法提取冀州市小麥的面積信息。PMS傳感器影像具有空間分辨率高，但重返周期長的特點；WFV傳感器具有空間分辨率一般，覆蓋范圍廣，時間分辨率高的特點。借助PMS傳感器影像的空間分辨率優勢，建立小麥種植樣本區，高分辨率影像樣本區有兩個功能，一是可以輔助中分辨率影像劃分小麥純凈像元與含小麥混合像元的NDVI區間，得到含小麥混合像元中小麥面積的權重系數；二是可以為中分辨率影像提供樣本區小麥面積真值參考，作為小麥提取精度驗證的依據。WFV傳感器影像從樣本區選取含小麥混合像元訓練樣本，運用混合像元中小麥面積權重系數與分割區間像元個數，最終得到小麥面積信息。

1.4.1 基于PMS影像補充混合像元樣本

本文利用少量實測樣本點解譯高分辨率影像中的小麥種植區，研究高分辨率影像中小麥種植區的NDVI特性，對高分辨率遙感影像覆蓋范圍內的小麥種植區進行提取，得到小麥種植的空間分布信息。在小麥種植區域相同位置上，分別在兩種傳感器影像中建立28個樣方，PMS傳感器影像是高分辨率遙感影像，混合像元對小麥面積影響較小，在小麥種植區范圍內，均勻選取樣本點，得到樣本點中純凈小麥像元的面積。疊加WFV傳感器影像的18個樣方，建立200個混合像元的訓練樣本，以PMS傳感器中相同位置純凈小麥面積為參考真值，輔助WFV影像中純凈小麥像元NDVI區間的劃分與混合像元中小麥面積權重的確定。

1.4.2 建立像元NDVI與小麥面積比例關系

通過比較WFV影像混合像元中對應PMS影像提取的小麥面積，得到WFV混合像元中小麥面積比例系數，繪制WFV影像像元NDVI與像元中小麥面積比例的關系圖。首先分析WFV傳感器影像中小麥純凈像元與含小麥混合像元的NDVI值區間。經多次兩種分辨率影像對比實地樣本實驗得到冀州市PMS傳感器影像中純凈小麥NDVI區間范圍為0.62≤NDVI≤0.85，WFV傳感器純凈小麥像元NDVI范圍為0.71≤NDVI≤0.84，包含小麥混合像元的NDVI范圍為0.46≤NDVI<0.71。

基于PMS影像樣本和實地樣本，統計WFV傳感器影像混合像元訓練樣本中小麥混合像元NDVI和對應面積比例，得到圖3。由圖3發現，NDVI與面積權重關系并非一一對應，造成這種情況的原因是小麥播種時間差異或供水條件差異導致的小麥長勢不同，在圖中表現為同一個面積比例對應的NDVI值不唯一；同樣，一個NDVI值對應的像元中小麥面積比例也不唯一。因此單一的、不加處理的NDVI不能作為確定混合像元中小麥面積比例的指標。

1.4.3 參考臨近區域加權的面積比例計算方法

對于16 m分辨率的WFV影像而言，混合像元的結構和相對位置見圖4（a）、圖4（b），一般為純凈小麥像元向純凈非小麥像元的過渡，或夾有地壟小路、兩側比鄰純凈像元的混合像元。以混合像元為中心，構造3×3的像元組合，混合像元的左右或上下兩個方向中有一個方向的鄰近像元會是純凈像元，見圖4（c）、圖4（d），橙色表示非小麥像元，黃色表示小麥混合像元，綠色表示純小麥像元。相鄰純凈像元中小麥的長勢可認為與混合像元中小麥的長勢一致。因此可利用鄰近純凈像元的NDVI值來表征混合像元中小麥的長勢，鄰近純凈像元NDVI值越高，則長勢越好。相同長勢的小麥，混合像元的NDVI越高，則面積權重越大；對于相同NDVI的混合像元而言，鄰近純凈像元的NDVI越高，則該混合像元的小麥面積權重越低。

根據上述原理，以像元X22為中心建立3×3像元的網格，構造像元X22的相對長勢參數P如下：

式中：max（X11：X33）表示X11至X33像元網格內最大的NDVI像元值；X22表示需要評價像元的NDVI值。WFVndvi為混合像元的上限與下限的差，X22像元對應的小麥面積權重方程如下：

wu表示X22像元NDVI值所處NDVI區間對應的小麥面積比例區間的上限，wd表示X22像元NDVI值所處NDVI區間對應的小麥面積權重區間的下限。

利用參數P評價NDVI像元值對應的小麥面積權重，該像元小麥面積權重與像元面積的乘積就是其真實的小麥面積。

2 結果與精度驗證

對冀州市WFV傳感器NDVI圖像進行密度分割，得到密度分割結果，見圖5。從圖中不難發現，植被較密集的區域在冀州市北部地區，中部及南部地區植被較少。為了解冀州市冬小麥的空間分布位置信息，需要對冬小麥的提取結果進行制圖，制圖的像元總面積為1.66萬hm2，與NDVI密度分割提取的小麥面積1.72萬hm2相對誤差3.5%，該范圍內的像元總面積與提取的冬小麥面積接近，選用面積權重在49.8%以上的區間范圍近似表示冬小麥面積，得到圖6，圖中綠色區域即為冬小麥種植區域。

2.1 面積精度校驗

利用NDVI密度分割的方法對冀州市的小麥面積信息進行提取，提取結果見表1，冀州市總面積為21.87萬hm2，其中含小麥混合像元與純凈小麥像元面積為2.71萬hm2，冀州市農業局小麥面積2015年統計數據為1.83萬hm2，混合像元對面積提取結果有較大影響，混合像元約占含小麥像元面積的三分之一。對混合像元的NDVI進行密度分割，將NDVI區間劃分成10份，每一劃分區間對應的小麥面積比例，按上文中描述的參考臨近區域加權的面積比例計算方法計算得到，每層小麥面積比例與每層像元面積的乘積即混合像元中小麥的面積。

依據參考臨近區域加權NDVI密度分割方法提取的冀州市小麥面積為1.72萬hm2，結合冀州市農業局統計面積1.83萬hm2，計算得小麥面積提取精度為93.9%，研究要求小麥提取精度在90%以上，該提取結果滿足研究要求。

NDVI密度分割提取小麥面積信息的方法不改變小麥提取的空間位置信息，小麥提取結果包括含小麥的混合像元，但該方法的使用，能夠從中分辨率影像中得到更加準確的面積信息，為相關部門提供準確的數據支撐。若不使用NDVI密度分割方法而直接利用閾值對小麥信息進行提取，需要提高NDVI閾值以減少混合像元對小麥信息提取的影響。不過，通過提高閾值的方法雖然可以減少混合像元對小麥面積信息的影響，但是提取閾值越接近純凈小麥像元NDVI值，真實地面小麥面積信息被剔除的就越多。基于密度分割方法提取小麥面積信息的NDVI閾值下限為0.46；僅利用NDVI閾值的方法，為保證較多的小麥信息被保留以及較為準確的面積信息，NDVI閾值下限選定為0.53，此時小麥面積為2.06萬hm2，提取誤差11.2%。

2.2 冀州市樣方精度校驗

利用獨立于分析實驗的10個樣方進行方法精度校驗，首先利用單一NDVI閾值分割的方法提取PMS傳感器影像樣方中的小麥面積信息，再運用本文所述參考臨近區域加權的面積比例計算方法提取WFV傳感器影像樣方中的小麥面積信息。兩類結果對比見圖7。PMS高分辨率影像樣方提取小麥面積結果與WFV中分辨率影像樣方提取小麥面積結果相關性達0.97，說明利用參考臨近區域加權的NDVI密度分割方法可以使WFV影像的提取結果精度與PMS影像結果精度基本相當。

3 結論

本文利用GF-1號WFV傳感器影像與PMS傳感器影像提取了2015年河北省冀州市的小麥農作物信息，并利用高分辨率遙感影像小麥提取結果作為真值參考并建立樣本區，輔助劃分WFV傳感器影像中小麥與含小麥混合像元的NDVI區間，結合NDVI密度分割方法提取了WFV傳感器影像的小麥農作物面積信息，提取的面積結果符合精度要求。在農業灌溉用水預估計算時，農作物面積的準確性，直接影響灌溉水量預估的結果。研究表明，在進行小麥農作物的種植信息提取時，NDVI密度分割的方法能夠在保證小麥空間信息完整的情況下，得到較為準確的小麥面積信息，小麥面積的提取精度基本控制在10%以內，精度滿足農作物灌溉用水預估的精度要求。

文中的方法在小范圍地區得到了較好的小麥提取結果，并沒有對較大范圍的地區就行提取研究。在今后的研究中，還需要在大范圍尺度上驗證。

參考文獻（References）：

[1] Treitz P，Rogan J.Remote sensing for mapping and monitoring land-cover and land-use change：An introduction[J].Progress in Planning，2004，61：269-279.

[2] Liang S L.Quantitative Remote Sensing of Land Surfaces.[S.L.]：Wiley-IEEE，2003.

[3] 黃青，唐華俊，周清波，等.東北地區主要作物種植結構遙感提取及長勢監測[J].農業工程學報，2010，26（9）：218-223.（HUANG Qing，TANG Hua-jun，ZHOU Qing-bo，et al.Remote-sensing based monitoring of planting structure and growth condition of major crops in Northeast China[J].Transactions of the CSAE，2010，26（9）：218-223.（in Chinese）） DOI：10.3969/j.issn.1002-6819.2010.09.037

[4] 郝衛平，梅旭榮，蔡學良，等.基于多時相遙感影像的東北三省作物分布信息提取[J].農業工程學報，2011，27（1）：201-207.（HAO Wei-ping，MEI Xu-rong，CAI Xue-liang，et al.Crop planting extraction based on multi-temporal remote sensing data in Northeast China[J].Transactions of the CSAE，2011，27（1）：201-207.（in Chinese）） DOI：10.3969/j.issn.1002-6819.2011.01.033

[5] 楊閆君，占玉林，田慶久，等.基于 GF-1/WFV NDVI 時間序列數據的作物分類[J].農業工程學報，2015，31（24）：155-161.（YANG Yan-jun，ZHAN Yu-lin，TIAN Qing-jiu，et al.Crop classification based on GF-1/WFV NDVI time series[J].Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE），2015，31（24）：155-161.（in Chinese）） DOI：10.11975/j.issn.1002-6819.2015.24.024

[6] 賀鵬，徐新剛，張寶雷，等.基于多時相GF-1遙感影像的作物分類提取[J].河南農業科學，2016，01：152-159.（HE Peng，XU Xin-gang，ZHANG Bao-lei，et al.Crop classification extraction based on multi-temporal GF-1 remote sensing image[J].Journal of Henan Agricultural Sciences，2016，01：152-159.（in Chinese）） DOI：10.15933/j.cnki.1004-3268.2016.01.034

[7] 蔡學良，崔遠來.基于異源多時相遙感數據提取灌區作物種植結構[J].農業工程學報，2009，25（8）：124-130.（CAI Xue-liang，CUI Yuan-lai.Crop planting structure extraction in irrigated areas from multi-sensor and multi-temporal remote sensing data[J].Transactions ofthe CSAE，2009，25（8）：124-130.（in Chinese）） DOI：10.3969/j.issn.1002-6819.2009.08.023

[8] 楊小喚，張香平，江東.基于 MODIS 時序NDVI 特征值提取多作物播種面積的方法[J].資源科學，2004，26（6）：17-22.（YANG Xiao-huan，ZHANG Xiang-ping，JIANG Dong.Extraction of multi-crop planting areas from MODIS data[J].Resources Science，2004，26（6）：17-22.（in Chinese）） DOI：10.3321/j.issn：1007-7588.2004.06.003

[9] 張健康，程彥培，張發旺，等.基于多時相遙感影像的作物種植信息提取[J].農業工程學報，2012，28（2）：134-141.（ZHANG Jian-kang，CHENG Yan-pei，ZHANG Fa-wang，et al.Crops planting information extraction based on multi-temporal remote sensing images[J].Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE），2012，28（2）：134-141.（in Chinese） ）DOI：10.3969/j.issn.1002-6819.2012.02.024

[10] 裴志遠，楊邦杰.多時相歸一化植被指數NDVI 的時空特征提取與作物長勢模型設計[J].農業工程學報，2000，16（5）：20-22.（PEI Zhi-yuan，YANG Bang-jie.Analysis of multi temporal and multi spatial character of NDVI and crop condition models development[J].Transactions of the CSAE，2000，16（5）：20-22.（in Chinese）） DOI：10.3321/j.issn：1002-6819.2000.05.005

[11] Goodwin N R，Collett L J.Development of an automated method for mapping fire history captured in Landsat TM and ETM plus time series across Queensland，Australia[J].Remote Sens Environ，2014，148：206-221.DOI：10.1016/j.rse.2014.03.021

[12] 吳炳方，張峰，劉成林，等.農作物長勢綜合遙感監測方法[J].遙感學報，2004，8（6）：498-514.（WU Bing-fang，ZHANG Feng，LIU Cheng-lin，et al.An integrated method for crop condition monitoring[J].Journal of Remote Sensing，2004，8（6）：498-514.（in Chinese）） DOI：10.11834/jrs.20040602

[13] 鄒金秋，陳佑啟，Satoshi Uchida，等.利用Terra MODIS數據提取冬小麥面積及精度分析[J].農業工程學報，2007，23（11）：195-200.（ZOU Jin-qiu，CHEN You-qi，Satoshi Uchida，et al.Method for extracting winter wheat area using Terra MODIS data and its accuracy analysis[J].Transactions of the CSAE，2007，23（11）：195-200.（in Chinese）） DOI：10.3321/j.issn：1002-6819.2007.11.035

[14] 徐超，朱秀芹，潘耀忠，等.基于NDII 及NDVI 提取水稻信息的對比研究[J].地理與地理信息科學，2008，24（5）：44-46.（XU Chao，ZHU Xiu-qin，PAN Yao-zhong，et al.Comparison study on applications of NDII and NDVI in information extraction of rice[J].Geography and Geo-Information Science，2008，24（5）：44-46.（in Chinese））

[15] 葛廣秀，李衛國，景元書.基于NDVI密度分割的冬小麥種植面積提取[J].麥類作物學報，2014，34（7）：9007-1002.（GE Guang-xiu，LI Wei-guo，JING Yuan-shu.Area of winter wheat extracted on NDVI density slicing[J].Journal of Triticeae Crops，2014，34（7）：9007-1002.（in Chinese）） DOI：10.7606/j.issn.1009-1041.2014.07.21

[16] 王利民，劉 佳，楊福剛，等.基于GF-1 衛星遙感的冬小麥面積早期識別[J].農業工程學報，2015，31（11）：194-201.（WANG Li-min，LIU Jia，YANG Fu-gang，et al.Early recognition of winter wheat area based on GF-1 satellite[J].Transactions of the Chinese Society of Agricultural Engineering （Transactions of the CSAE），2015，31（11）：194-201.（in Chinese））

[17] Jiao X F，Kovacs J M，Shang J L，et al.Object-oriented crop mapping and monitoring using multi-temporal polarimetric RADARSAT-2 data[J].Isprs J Photogramm，2014，96：38-46.DOI：10.1016/j.isprsjprs.2014.06.014

[18] 孫丹峰，楊冀紅，劉順.高分辨率遙感衛星影像在土地利用分類及其變化監測的應用研究[J].農業工程學報，2002，18（2）：160-164.（SUN Dang-feng，YANG Yi-hong，LIU Sun.Application of highspatial iknos remote sensing images in land use classification and change monitoring[J].Transactions of the Chinese Society of Agricultural Engineering，2002，18 （2）：160-164.（in Chinese）） DOI：10.3321/j.issn：1002-6819.2002.02.040

[19] 覃先林，李增元，易浩若.高空間分辨率衛星遙感影像樹冠信息提取方法研究[J].遙感技術與應用，2005（2）：228-232.（QIN Xian-lin，LI Zeng-yuan，YI Hao-ruo.Extraction method of tree crown using high-resolution satellite image[J].Remote Sensing Technology and Application，2005，20（2）：228-232.（in Chinese） DOI：10.11873/j.issn.1004-0323.2005.2.228

[20] 黃振國，楊君.高分一號衛星影像監測水稻種植面積研究綜述[J].湖南農業科學，2014（13）：76-78.（HUANG Zhen-guo，YANG Jun.Review of High-1 Satellite image monitoring rice planting area[J].Hunan Agricultural Science，2014（13）：76-78.（in Chinese） ）DOI：10.3969/j.issn.1006-060X.2014.13.025