利用改進決策樹分類法提取邯鄲市夏玉米信息的研究

[摘 要] 玉米是我國主要的糧食作物之一，及時準確地獲取玉米的種植面積和空間布局信息，對我國農業政府部門的宏觀調控政策決策，甚至區域大范圍的糧食安全至關重要。相較傳統的農業數據統計而言，運用遙感技術對農作物信息進行提取能夠取得更為及時、精確的統計效果。本文選取河北省邯鄲市為研究對象，以邯鄲市2016年3、6月和9月的Landsat8OLI遙感影像為研究數據，結合農作物的物候期規律、地面調查樣本等輔助資料，采用決策樹分類和波段運算相結合的分類方法對遙感影像進行分類，提取出邯鄲市的夏玉米信息。結果表明，利用這種方法提取出的夏玉米信息，能夠獲得夏玉米在邯鄲市的空間分布格局和種植面積信息。其中，種植面積信息達到86.8%的提取精度，表明了本文的研究方法在農作物信息提取中的有效性和適用性。

[關鍵詞] 遙感；Landsat8OLI；夏玉米；信息；邯鄲市

[中圖分類號] TP79 [文獻標識碼] A [文章編號] 1674-7909（2017）10-95-2

玉米的種植面積及長勢遙感識別分析，對準確獲取玉米種植信息有重要意義。運用遙感數據提取玉米信息的方法可以分為兩大類型：以Landsat數據為代表的中高分辨率影像和以MODIS為代表的低分辨率影像[1-3]。前者大都通過單一時相的影像分類，后者則主要通過時序的數據變化來提高分類精度。雖有研究表明選擇玉米生長的最佳時相可以提高提取精度，但單一時相的玉米信息提取不能從玉米生長過程中最大程度地發現與背景地物的差異。而MODIS數據雖然時間分辨率高，但混合像元的存在又嚴重影響了提取精度。因此，本文利用多幅高空間分辨率的遙感影像，結合玉米的多個關鍵生育期，逐步剔除地物，實現夏玉米信息的提取。

本文選取的研究區域為河北省邯鄲市，地理位置為北緯36°21′～36°44′、東經114°03′～114°40′，位于太行山脈東麓，東部為華北平原，與豫、晉、魯三省接壤。邯鄲市地勢總體多變不平，高差懸殊，地貌類型復雜，中部和東部地勢較為平坦。屬于暖溫帶大陸性季風氣候，全年無霜期200 d，全年日照時間2 557 h，年平均氣溫13.5 ℃，四季分明，氣候溫和，光熱條件較好，降水較為豐富。

1 材料與方法

1.1 數據預處理

選取邯鄲市3、6月和9月的Landsat8OLI遙感影像，對其進行遙感影像的分類處理，從中提取出邯鄲市的夏玉米信息。為了提高研究的提取精度，在進行分類處理前，首先要進行遙感影像的數據預處理，其中包括輻射定標、大氣校正、影像鑲嵌和影像裁剪等處理步驟。

1.2 夏玉米信息提取原理

對遙感影像進行不同地物類型的分類，進而可以提取出目標地物的信息。對邯鄲市夏玉米信息的提取原理為：結合夏玉米的物候期，利用夏玉米獨特的光譜特征，以及適宜于不同地物類型提取的指數因子，將夏玉米信息從邯鄲市的遙感影像中分離出來。表1為邯鄲市夏玉米的物候期。

1.3 研究方法

本文結合夏玉米的物候期和光譜特征，利用邯鄲市3、6月和9月遙感影像，采取決策樹分類與波段運算相結合的方法，對邯鄲市的地物類型做分類處理。首先通過分析目視解譯多幅影像，3月影像中種有大量小麥，6月影像中小麥種植區域變為裸地，結合玉米物候期，得知為玉米播種期，所以利用6月影像根據NDVI值使用決策樹分類（閾值設為0）將綠色植被先剔除，再分析9月影像中裸地變綠，玉米到了乳熟期，在9月影像上計算建筑指數（NDWI），其中NDWI>0且NDVI<0判定為建筑，將其剔除，然后計算水體指數（NDBI），其中NDBI>0且NDVI<0判定為水域，將其剔除，最終剩下的即為夏玉米[4]。

在遙感影像地物類型的監測中，常用的指數因子有歸一化植被指數（NDVI）、歸一化差值水體指數（NDWI）和建筑指數（NDBI），其計算公式如表2所示[5]。

2 結果與分析

已知研究所選用的數據為Landsat8OLI遙感衛星數據，其空間分辨率為30 m[6]。由ENVI軟件的統計數據可知，而從中提取出的邯鄲市夏玉米的總像元數為4 193 058，估測面積約為37.73萬hm2，根據統計數據，邯鄲市夏玉米的實際面積約為33.33多萬hm2，估測精度約為86.8%。精度的計算公式如下：

[Acc=1-A1-A0A0×100%]

其中，Acc為面積精度，A1為遙感影像信息提取得到的邯鄲市夏玉米面積，A0為統計數據得到的邯鄲市夏玉米面積。

3 結論與討論

本研究用決策樹分類和波段運算相結合的分類方法，對邯鄲市遙感影像進行地物類型分類處理，從中提取出邯鄲市的夏玉米信息，提取結果圖如圖1所示。

該研究達到了對邯鄲市夏玉米信息提取的目的，并且取得了較為理想的提取精度。但是，在研究的實施過程中仍然存在著較多的問題，這些問題可能影響信息提取的精度。總體來講，可以總結出以下幾條問題與展望：①針對不同的區域，分析者所選擇的分類方法會對最后的分類精度結果產生很大的影響，邯鄲市地物分布簡單，但考慮到地物復雜的區域，需考慮更細致的分類方法，所以方法的普適性有待提高；②遙感影像的質量是影響遙感信息提取精度的重要因素，尤其是云陰影的影響，如何消除云的影響是進一步研究中需要解決的問題。

參考文獻

[1]劉佳岐.基于Landsat8遙感影像的扶風縣蘋果園地信息提取研究[D].咸陽：西北農林科技大學，2015.

[2]高玉蓉.基于決策樹的土地利用現狀信息提取研究[D].杭州：浙江大學，2006.

[3]翁中銀，何政偉，于歡.基于決策樹分類的地表覆蓋遙感信息提取[J].地理空間信息，2012（2）：110-112.

[4]Friedl MA，Brodley CE，Strahler AH. Maximizing land cover classification accuracies produced by decision trees at continental to global scales[J].IEEE Transactions on Geoscience and Remote Sensing，1999（2）：969-977.

[5]Gallego FJ. Remote sensing and land cover area estimation[J].International Journal of Remote Sensing，2004（15）：3019-3047.

[6]Grace K，Husak GJ，Harrison L，et al. Using high resolution satellite imagery to estimate cropped area in Guatemala and Haiti[J].Applied Geography，2012（2）：433-440.