基于Landsat 8 OLI數據的華北平原農作物種植結構遙感解譯研究

盧輝雄， 田言亮， 董雙發， 汪 冰， 李名松， 牛海威， 張 恩， 薛 慶， 章新益， 程思思

(1.核工業航測遙感中心，石家莊 050002；2.東華理工大學 地球科學學院，南昌 330013； 3.中國地質科學院水文地質環境地質研究所，石家莊 050061)

基于Landsat 8 OLI數據的華北平原農作物種植結構遙感解譯研究

盧輝雄1,2， 田言亮3， 董雙發1， 汪 冰1， 李名松1， 牛海威1， 張 恩1,2， 薛 慶1,2， 章新益1， 程思思1

(1.核工業航測遙感中心，石家莊 050002；2.東華理工大學 地球科學學院，南昌 330013； 3.中國地質科學院水文地質環境地質研究所，石家莊 050061)

利用華北平原2013年65景Landsat 8 OLI數據，通過ENVI軟件對影像進行預處理，采用面向對象的信息提取和人機交互式解譯方法，對華北平原小麥、玉米、水稻、大豆等主要作物分布及種植結構進行了系統的解譯，劃分了研究區小麥玉米兩熟區、小麥水稻兩熟區、水稻兩熟區、小麥大豆兩熟區、玉米一熟區、水稻一熟區分布范圍，并分析了研究區農作物種植結構影響因素。結果表明，基于Landsat 8 OLI數據對大區域主要作物種植面積及種植結構遙感解譯的技術和方法是可行的，能為研究農作物種植結構提供有效方法。

種植結構； 遙感解譯； Landsat8 OLI； 華北平原

0 前言

在當前市場經濟及技術條件下，利用遙感技術可以在短期內連續獲取大范圍的地面信息，能夠實現對糧食作物種植面積快速、客觀監測。但由于不同作物物候歷不同，且不同作物具有交錯、插花種植等現象，對于大面積不同作物種植結構區，如何利用快速、經濟可行的遙感解譯技術準確獲取不同作物面積已成為熱點和難點[1-5]。

目前,隨著傳感器空間分辨率地提高，利用SPOT、TM等數據提取作物播種面積的研究開展較多，但這些數據因價格、分辨率等因素，多用于小空間尺度地研究[6-8]；適用于大尺度范圍農作物信息提取研究的 NOAA AVHRR、MODIS等具有低空間分辨率、高時間分辨率的遙感影像又很難保證提取結果的準確性[9-15]。高分辨率的遙感影像可以精確地提取不同作物信息，但是其覆蓋面積小，遙感解譯的工作量大，費時費力，并且重訪周期長，不能及時監測；低分辨率遙感影像具有覆蓋面積大，重訪周期短的優點，但是精度低，容易導致提取信息的不準確。

利用Landsat8 數據進行遙感解譯研究，主要應用在耕地信息提取或單一作物的大面積提取中[16]，針對大尺度多類型的作物解譯應用較少。筆者在前人的研究的基礎上，針對華北平原研究區，利用Landsat8 OLI數據，使用面向對象的信息提取和人機交互式解譯相結合的方法，對華北平原不同類型作物的面積及其種植結構進行了系統解譯，旨在探討Landsat8 OLI數據在大區域作物解譯中的應用。

1 研究區概況

研究區位于華北平原平原區，包括北京、天津、河北、河南、江蘇、山東、山西、安徽8個省，79個地級市，位于113°00′E～121°30′E，32°00N′～40°30′N之間，總面積約32×104km2。

研究區三面環山呈簸箕狀傾向渤海、黃海，平原區地勢平坦，海拔大部分在 50 m以下，從南到北貫穿有淮海、黃河、海河三大水系；屬暖溫帶半濕潤、濕潤季風氣候，年平均降水量400 mm～1 200 mm，具有從南到北逐漸減少趨勢。研究區農作物主要以冬小麥、玉米為主，其次為大豆、水稻、棉花、油料等，是“北糧南調”的重要的農產品基地，也是保障我國未來食物安全的主要區域。

研究區作物主要為一年兩熟、其次為一年一熟。糧食作物主要以冬小麥、玉米、水稻、大豆為主，各類作物的生長期及解譯時相見表1。

表1 研究區內各類作物的生長期

2 數據與方法

2.1 數據源與數據預處理

根據研究區作物的生長期及最佳解譯時相，同時考慮到研究區面積較大，本次研究選取了兩期Landsat8影像，共65景數據。其中第一期影像時相的選擇為夏季農作物最佳解譯時相，成像時間主要集中在2013年3月-5月；第二期影像的選擇為秋季農作物最佳解譯時相，成像時間主要集中在2013年6月-9月。通過兩期時相的綜合對比，能夠有效確定各類作物的解譯特征。

數據預處理主要包括輻射校正、大氣校正、影像融合、彩色合成處理、信息增強處理等。影像融合經過多次對比試驗，確定Gram-Schmidt融合處理方法，通過對遙感全色數據與多光譜數據進行融合，形成兼具高空間分辨率空間信息和多光譜彩色信息的融合影像。在此基礎上，利用7(短波紅外)、5(近紅外)、4(紅)波段進行了彩色合成處理。同時，為了突出主要糧食作物(小麥、玉米、水稻等)信息，運用了線性及非線性拉伸，對比度拉伸、飽和度拉伸等方法對影像進行了增強處理，最后獲取了空間分辨率為15 m的影像。

2.2 解譯方法

2.2.1 面向對象的信息提取

面向對象的遙感影像分類技術是以像元為基本單元進行遙感信息提取，采用決策支持的模糊分類方法，建立不同尺度的分類層次，在每一層次上分別定義對象的光譜特征、形狀特征、紋理特征、上下文關系特征和相鄰關系特征，通過對影像對象定義多種特征并指定模糊化函數，給出每個對象隸屬于某一類的概率，建立分類標準，最終按照最大概率產生確定分類結果。采用面向對象方法提取主要作物的流程如圖1所示。

圖1 面向對向信息提取流程圖Fig.1 Oriented to the flow chart of information extraction

1)影像分割。影像分割分兩個步驟：①對整個影像進行尺度空間的構建，即根據所預設的尺度分割參數，將影像中的像元劃分為不同亮度值的區域；②根據其他的分割參數提取出不同的對象多邊形。本次采用多尺度分割方法，根據研究區影像紋理特征與農作物實際生長特征，采用不同尺度進行分割，根據分割結果對比分析( 圖2)，最終確立的研究區的最優分割尺度(Scale:60；Color:0.9)。

圖2 多尺度分割效果對比圖Fig.2 Multiscale segmentation comparison chart(a)Scale:60;Color:0.6；(b)Scale:60;Color:0.9； (c)Scale:100;Color:0.6；(d)Scale:100;Color:0.9

2)信息提取。信息提取，即基于分割結果，對某一類的典型特征或條件進行描述，影像對象按照是否滿足這些屬性進行分類，本次采用最鄰近分類方法進行信息提取。

最鄰近分類，主要包括定義特征空間、定義分類體系、選擇典型樣本、執行分類四個步驟。①通過對研究區目標地物進行特征分析，選擇多維的典型特征作為特征空間；②接著通過目視判讀，結合其他相關資料，定義分類體系，選擇典型的樣本對象；③在特征空間中，按照公式尋找最近的樣本對象，如果某一對象與某類地物距離最近，則將其分為該類。通過該方法，對研究區多尺度分割的影像進行了信息提取，獲得了各類作物分類結果，分類效果見圖3～圖4。

2.2.2 人機交互式解譯

利用研究區信息提取結果，根據建立的解譯標志，進行人機交互式解譯，對提取的每一類圖斑賦屬性，對信息提取中局部存在錯分、漏分的圖斑進行完善，最終形成解譯成果。

圖3 多尺度分割效果圖Fig.3 Signal multi-scale segmentation effect

圖4 信息提取效果示意圖Fig.4 Information extraction effect diagram

3 結果及分析

3.1 研究區作物空間分布特征

研究區解譯作物主要以冬小麥、玉米為主，其次為水稻、大豆、果園、蔬菜及其他類作物(棉花、花生等)，其空間分布見圖5～圖6。

3.2 研究區作物種植結構特征

通過兩期解譯，研究區解譯作物總播面積為37.86×104km2，其中冬小麥種植面積為14.41×104km2，占解譯作物總播面積的38.06%；玉米種植面積為12.15×104km2，占解譯作物總播面積的32.10%；水稻種植面積為3.51×104km2，占解譯作物總播面積的9.27%；大豆種植面積為1.14×104km2，占解譯作物總播面積的3.01%；果園種植面積為0.44×104km2，占解譯作物總播面積的1.17%；蔬菜種植面積為3.67×104km2萬畝，占解譯作物總播面積的9.70%；其他作物種植面積為2.53×104km2，占解譯作物總播面積的6.69%，解譯的其他類作物主要以棉花為主。解譯的各類作物結構見圖7。

通過對研究區解譯的主要作物進行路線效驗、實驗區調查工作，小麥、玉米等大面積種植類作物解譯精度在90%以上，水稻、棉花等種植面積較小、具有插花種植特征的作物解譯進度在70%～80%之間。研究區各種作物總體解譯精度為86.01%(表2)，對大區域作物解譯而言，精度滿足需要。

圖5 研究區夏季農作物布局結構解譯分布圖Fig.5 Summer crops in the study area layout structure interpretation map

圖6 研究區秋季農作物布局結構分布解譯圖Fig.6 Autumn crops in the study area layout structure interpretation map

序號 效驗目的圖斑效驗圖斑數正確圖斑數準確率/%1冬小麥12211090．22玉米13512290．33水稻4030754棉花171270．65裸地蔬菜423071．46設施蔬菜(大棚)343191．27果園393487．2合計42936986．01

圖7 研究區解譯作物結構圖Fig.7 The structure interpretation of crops

3.3 研究區作物種植結構劃分

根據研究區解譯結果，對研究區內解譯的小麥、玉米、水稻、大豆進行種植結構劃分。按作物耕作制度研究區內作物可劃分為小麥玉米兩熟區、小麥水稻兩熟區、水稻兩熟區、小麥大豆兩熟區、玉米一熟區、水稻一熟區(圖8)。

1)小麥玉米兩熟區，主要分布地有：①研究區河北省清苑縣至邯鄲縣、大名縣北部至吳橋；②山東省樂棱市—禹城縣—東明縣一帶；③河南省南樂縣至衛輝市、開封縣南部至淮陽縣、寧棱縣至夏邑縣一帶；④安徽省利辛縣東部至宿縣南部一帶。

2)小麥水稻兩熟區，主要集中分布在3個區域：①黃河沿線，主要分布在延津縣南部至東明縣東部一帶；②淮海沿線，主要位于阜南縣南部至壽縣一帶；③主要位于江蘇省境內，主要位于淮安市北部至東海縣南部一帶。

3)水稻兩熟區，主要分布在黃河與淮河之間，集中分布在3片區域：①淮河沿線固始縣及壽縣北東部一帶；②江蘇省境內的宿遷市至泗洪縣一帶；③江蘇省濱海縣一帶。

圖8 研究區種植結構區劃圖Fig.8 Planting structure zoning map in the study area

4)小麥大豆兩熟區，主要集中分布在安徽省界首市至渦陽縣一帶。

5)玉米一熟區，主要集中在黃河以北區域，在河北省獻縣至文安縣一帶、河北省灤縣至遼寧省綏中縣一帶、山東省利津縣一帶分布較為廣泛。

6)水稻一熟區，主要分布在河北省唐海縣至天津市靜海縣一帶。

3.4 研究區作物種植結構影響因素分析

研究區地形地貌、氣候、地下水資源存在區域不均衡性，對作物種植具有較大的影響。本次在解譯的基礎上，綜合分析了研究區作物種植結構的影響因素。

研究區山前洪積—沖積扇形平原主要以冬小麥—玉米為主，具有一年兩熟特征；沖積平原主要為小麥玉米一年兩熟、小麥水稻兩熟，其次為玉米一年一熟、水稻一年兩熟、小麥大豆一年兩熟。海積平原具有棉花和玉米一年一熟的種植結構(圖9)。

研究區面積較大，氣溫、降水等氣候因素在該區不同地域具有較大差異，其中降水量因子對農作物的種植結構影響較大。縱向上，因降水量因素影響，南北區域農作物種植類型不同。研究區黃河以北區域，年均降水量為400 mm～600 mm，主要為小麥玉米一年兩熟，局部存在棉花一年一熟的種植結構(圖10)。橫向上，濱海平原區至山前沖洪積平原區，因降水量不同，作物種植存在差異。濱海平原區年降水在650 mm以上，除河北省唐海縣至天津市靜海縣以種植水稻為主，其他區域主要種植棉花為主；在研究區西部山前沖洪積平原區，降水量較少，降水量年均約為500 mm，該區域以種植小麥玉米為主。

研究區不同的地下水資源類型區，作物種植結構存在差異。研究區微咸水分布區域，以小麥、玉米種植為主，具有小麥玉米兩熟特征；半咸水分布區域，土壤鹽堿化較強烈，以種植棉花為主；南部淮河流域松散巖類孔隙水補給較高區域，主要以水稻種植為主，其次為小麥，水稻具有一年兩熟特征。

4 結論

1)本次利用Landsat 8 OLI數據對華北平原小麥、玉米、水稻、大豆等主要作物進行了解譯，通過效驗，總體解譯精度達到86.01%，對大區域作物解譯而言，精度基本滿足需要。

圖9 研究區不同地形地貌區作物種植結構圖Fig.9 The structure of crops planting structure in different areas of the study area

圖10 研究區不同降水量區作物種植結構圖Fig.10 The crop planting structure in different rainfall areas in the study area

2)利用Landsat 8 OLI數據在大區域開展遙感解譯，相比于高空間分辨率遙感數據，更經濟、快速。

3)基于解譯結果，能夠有效劃分研究區作物種植結構區劃圖，獲得大區域作物種植結構特征，并通過分析影響農作物種植結構的主要因素，進一步闡述解譯結果的吻合性。

4)研究表明，利用Landsat 8 OLI數據，采用面向對象信息提取和人機交互式解譯方法，能高效快速獲取大區域主要作物的種植結構特征，該方法具有可行性。

[1] 屈寶香，張華，李剛. 中國糧食生產布局與結構區域演變分析[J].中國農業資源與區劃，2011，32(1) : 1-6. QU B X, ZHANG H, LI G. Analysis on regional development of China's grain production distribution and structure [J]. China Agricultural Resources and Regional Planning, 2011,32 (1): 1-6.(In Chinese)

[2] 李正國，唐華俊，揚鵬. 植被物候特征的遙感提取與農業應用綜述[J].中國農業資源與區劃，2012，33(5) : 20-28. LI Z G, TANG H J, YANG P. Remote sensing extraction and agricultural application of vegetation phenology [J]. China Agricultural Resources and Regional Planning, 2012, 33 (5): 20-28. (In Chinese)

[3] 李強子，吳炳方.作物種植成數的遙感監測精度評價[J].遙感學報，2004，8(6) : 581-587. LI Q Z, WU B F. Precision evaluation of remote sensing monitoring of crop planting [J]. Journal of Remote Sensing, 2004, 8 (6): 581-587. (In Chinese)

[4] 吳炳方，范錦龍，田亦陳,等.全國作物種植結構快速調查技術與應用[J].遙感學報，2004，8(6) : 618-627. WU B F, FAN J L, TIAN Y C,et al. Rapid survey technology and application of crop planting structure in China [J]. Journal of RemoteSensing, 2004, 8 (6): 618-627. (In Chinese)

[5] 曾瀾，張勇，張雪，等.基于遙感估產和農業統計的糧食供需平衡模型研究[J].遙感學報，2004，8(6) : 645-654. ZENG L, ZHANG Y, ZHANG X, et al. Based on yield estimation by remote sensing and the agricultural statistics of grain supply and demand equilibrium model [J]. Journal of remote sensing, 2004, 8 (6): 645-654. (In Chinese)

[6] 鄭長春,王秀珍,黃敬峰.基于特征波段的SPOT-5衛星影像水稻面積信息自動提取的方法研究[J].遙感技術與應用,2008,23(3):294-299. ZHENG C C, WANG X Z, HUANG J F. Research on automatic rice area information extraction based on characteristic band SPOT-5 [J]. Remote Sensing Technology and Application, 2008,23 (3): 294-299. (In Chinese)

[7] 鄧勁松，王坷.基于特征波段的spot5衛星影像耕地信息自動提取的方法研究[J].農業工程學報,2004，20(6):145-147. DENG J S, WANG K. Research on the automatic extraction of cultivated land information based on the SPOT5 satellite image in the feature band [J]. Journal of Agricultural Engineering,2004, 20 (6): 145-147. (In Chinese)

[8] 祝民強，周萬蓬，吳仁貴，等.贛中丘陵區TM影像的耕地信息提取模型研究[J].遙感技術與應用，2004，19(3):173-176. ZHU M Q, Z W P, WU R G,et al.TM images of the hill region in central Jiangxi province cultivated land information extraction model [J]. Remote Sensing Technology and Application, 2004, 19 (3): 173-176. (In Chinese)

[9] 林忠輝，莫興國.NDVI時間序列諧波分析與地表物候信息獲取[J].農業工程學報，2006，22(12):138-144. LIN Z H, MO X G. The harmonic analysis of the.NDVI time series and the land surface phenology information acquisition [J]. Journal of Agricultural Engineering, 2006, 22 (12): 138-144. (In Chinese)

[10]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. CHEN S S, LIU Q H,CHEN L F, et al. Research progress on remote sensing monitoring of sown area of grain crops [J]. Journal of Agricultural Engineering, 2005, 21 (6): 166-171. (In Chinese)

[11]張莉，吳文斌，左麗君，等.基于 EOS/MODIS 數據的南方水稻面積提取技術[J].中國農業資源與區劃，2011，32(4):39-44. ZHANG L, WU W B, ZUO L J, et al. Rice area extraction technology based on EOS/MODIS data [J]. China Agricultural Resources and Regional Planning, 2011, 32 (4): 39-44. (In Chinese)

[12]胡宗辰.基于MODIS的中國主要糧食作物種植時空分布信息提取方法研究[D].成都:電子科技大學，2013:1-10. HU Z C. Based on the spatial temporal distribution information extraction method of main grain crops in China [D]. Chengdu:Electronic Science and Technology University, 2013:1-10. (In Chinese)

[13]呂婷婷,劉闖.基于MODIS數據的泰國耕地信息提取[J].農業工程學報,2010,26(2):244-250. LV T T, LIU C. Information extraction of cultivated land in Thailand based on MODIS data [J]. Journal of agricultural engineering, 2010,26 (2): 244-250. (In Chinese)

[14]左麗君,董婷婷,汪瀟,等.基于MODIS/EVI的中國北方耕地復種指數提取[J].農業工程學報,2009,25(8):141-146. ZUO L J,DONG T T,WANG X, et al. Transactions of the CSAE evi in northern China for multiple cropping index of arable land extraction based on MODIS/EVI [J]. Journal of Agricultural Engineering, 2009,25 (8): 141-146. (In Chinese)

[15]TOMITA A, INOUE Y, OGAWA S, et al. Vegetation patterns in the ChaoPhraya Delta, 1997 dry season using satellite image data[A].Proceedings of the international conference: The Chao PhrayaDelta: Historical development, dynamics and challenges of Thailandrice boel[C]. Thailand,2000:35-38.

[16]牛魯燕，張曉艷，鄭繼業，等.基于Landsat8 OLI數據的山東省耕地信息提取研究[J].中國農學通報,2014,30(34):264-269. NIU LUYAN,ZHANG XIAOYAN, ZHENG JIYE et al. Extraction of cultivated land lnformation in Shandong province based on Landsat8 OLI Data[J]. Chinese Agricultural Science Bulletin,2014,30(34):264-269. (In Chinese)

Interpretation study of crop planting structure in north China plain based on landsat 8 OLI data

LU Huixiong1,2, TIAN Yanliang3, DONG Shuangfa1,WANG Bin1,LI Mingsong1, NIU Haiwei1, ZHANG En1,2, XUE Qin1,2， ZHANG Xinyi1, CHENG Sisi1

(1.Airborne Survey and RemoteSensing Center of Nuclear Industry，Shijiazhuang 050002， China； 2.Faculty of Earth Sciences，East China Institute of Technology，Nanchang 330013， China; 3.The Institute of Hydrogeology and Environmental Geology ，Shijiazhuang 050061， China)

The use of the north China plain in 2013 65 king Landsat 8 OLI data, by ENVI software image preprocessing, sampling object-oriented man-machine interactive information extraction and interpretation methods, the north China plain (including wheat, corn, rice, soybeans distribution) and planting of crops and other major structures were interpreted system, the division of the study area of wheat and corn cropping area, wheat rice cropping area of rice cropping area, wheat soy cropping area, a ripe area corn, rice and a cooked zone distribution, and analysis of the impact of crop planting structure factors in the study area. The results show that the techniques and methods based on Landsat 8 OLI data for major crop acreage and planting large areas of remote sensing interpretation structure is feasible. It can provide an effective method for the study of crop planting structure.

planting structure; remote sensing interpretation; Landsat8 OLI; north China plain

2016-07-01 改回日期：2016-07-21

中國地質調查局資助項目(1212011220941)

盧輝雄(1988-)，男，碩士，工程師，主要從事礦產資源調查評價、遙感技術應用研究等工作，E-mail：1551310706@qq.com。

1001-1749(2017)03-0416-09

S 127

A

10.3969/j.issn.1001-1749.2017.03.19