基于低空間分辨率遙感數據的水稻種植區域的研究

熊麗媛

【摘 要】利用遙感技術分析判斷農作物生長狀況是當前遙感技術研究的一個重要的方向，水稻作為我國主要的農作物，研究如何識別其種植區域具有一定的意義。首先分析了主流的兩個識別水稻種植區域的方法，接著提出了LSWI表征算子和去云算法，在此基礎上，根據2001-2010年150M的MODIS數據，逐年計算出了江蘇省水稻種植面積，提取了2004、2009和2010年三個具有代表性的計算結果，并進行了分析，最后指出了的不足之處。所做工作具有一定理論意義，實用性較強。

【關鍵詞】水稻；MODIS；LSWI；種植區域

水稻作為我國主要的農作物，其種植區域對于保證我國糧食產量有著重要的意義。國內外許多專家學者對如何利用遙感數據分辨水稻的種植和產出區域進行了研究?，F在主要有兩個研究方向：一是根據水稻田在育苗期、移栽期和成熟期的對地表覆蓋特性不同的特點，通過比對不同時間點的低空間分辨率的遙感數據從而得出水稻田的區域；另一個是利用目視解譯法等算法篩選分辨率更高的水稻抽穗時間段的遙感數據，從而得到水稻田的種植區域。兩種方法各有利弊，目前常用的方法為第一種。

江蘇省既是我國改革前沿陣地之一，也是我國水稻生產大省，特別是蘇北地區，水稻種植密度和區域在全國是微距前列，堪稱魚米之鄉。本文采用低空間分辨率遙感數據分析法，利用2001-2010年150M的MODIS數據資源，分析江蘇省水稻種植區域。

1 地表植被表征參數選擇與判定

1.1 植被表征參數的選擇

由于植被與其他地表物的光譜不相同，可以利用紅外和可見光的光譜數據判斷是否是植被覆蓋區域。

1.2 去云算法

本文所采用的數據是有NASA發布的MODIS數據，其已經經過了一定的圖像處理，圖像的質量較高，不過仍然存在云層的干擾。若直接計算，難免會對結算結果產生影響，不利于提取結果的準確性，所以，去云處理尤其關鍵。

本文利用MODIS數據相關的產品中QA（質量評估）波段提取數據中的云層信息。QA算法主要原理是根據多幀圖像的信息進行比對，如果選取的多幀圖像都收到云層干擾，則刪除該段時間；如果僅僅有一部分數據幀受到影響，則保留有用信息；如都未受到影響，則將多幀的平均作為一定時期的元幀。

利用QA算子，計算2010年5月3日的云層信息，結果如1所示。

2 水稻種植區域的提取

江蘇的地理環境決定了其種植的多樣性，不容易將水稻和其它農作物區分開來。本文采用的提取方法是基于時間序列的，根據育苗期、移栽期和成熟期的對地表覆蓋特性不同的特點進行提取的，如育苗期、移栽期稻田會被水所覆蓋，而成熟期則基本上被水稻全部覆蓋。根據這個特性，基于時間序列，能夠很方便的提取出水稻的區域。

根據江蘇省的水稻種植歷史實際情況，結合遙感數據，經過模擬計算，判定水體覆蓋期的提取算法為LSWI，EVK0.26，（LSWI+0.065）>EVI；判定成熟期的提取算法為（1）時間為水體覆蓋期之后的64天（2）從水體覆蓋期之后每8天為一個探測時間點，要求探測區域在一個時間點的EVI>0.35（3）根據江蘇省的水稻種植習慣，劃定全第146、154、162、170天為水稻的移栽時期。

如果符合以上提取條件，則可判定該區域為水稻種植區域。

3江蘇省水稻種植區域提取結果

根據前文所陳述的計算方法，本文提取了2001-2010年級江蘇省的水稻種植分布圖，2004、2009和2010年計算結果如圖2所示。

從圖2可以發現，蘇北是江蘇水稻種植的主要地區，尤其是揚州、泰州、連玄港、鹽城、宿遷、淮安等地區。從圖中可以看出，江蘇省的六個大型農場都被提取出來了，這表明提取的結果有較大的準確性。

但是，2009年和2004年的計算結果有較大的出入，這是因為不同的年份的氣候條件不相同，水稻種植的區域也是變化的。2010年得出的數據并不理想，剖析原因，不難看出有以下兩個原因：一是本文提出的算法是居于時間序列的，不同的氣象條件，水稻的插苗時期和成熟時期就不一樣；二是倘若數據含云量大，被剔除出去的幀數過多，那么勢必會影響計算的結果。

4 結論

本文在充分的文獻分析的基礎上，提出了一種水稻種植區域判定的方法，并結合江蘇省近幾年的遙感數據進行了運算，驗證了該方法的可行性。不過該算法仍不能實現保留數據的前提下去除云層數據的功能，而且本文算法是基于時間序列的，受提取數據的時間節點的影響較大。這些不足之處有待于在今后的工作中進一步研究解決。

【參考文獻】

[1]Foody G M. Status of land cover classification accuracy assessment[J].Remotesensing of environment， 2012，80（1）：195-201.

[2]Xiao X， Boles S， Frolking S， et al. Mapping paddy rice agriculture in South and Southeast Asia using mufti-temporal MODIS images[J].Remote Sensing of Environment，2015，100（1）：95-113.

[3]陳勁松，黃健熙，林輝，等.基于遙感信息和作物生長模型同化的水稻估產方法研究[J].中國科學：信息科學，2014 40：173-183.

[4]陳啟浩，高偉，劉修國.輔以紋理特征的高分辨率遙感影像分類[J].測繪科學，2013， 33（1）：88-90.

[5]陳燕麗，莫偉華，莫建飛，等.基于面向對象分類的南方水稻種植區域提取方法[J].遙感技術與應用，2011，26（2）：163-168.

[責任編輯：朱麗娜]