基于高分一號衛星數據的新疆棉花種植面積信息提取研究

王霄煜，雷 鈞

1.新疆農業大學經濟與貿易學院，新疆農業資源區劃和遙感應用中心，烏魯木齊 830004 2.新疆農業廣播電視學校，烏魯木齊 830004

長江三角洲、黃淮河流域和新疆是我國最大的三個棉花生產區，其中新疆棉區具有超過全國棉花總產量 40%的生產能力，總產量和種植面積多年來居全國首位且有愈發拉開距離的趨勢。以棉花為主要經濟作物之一的新疆，棉花作物的種植面積和產量的變化顯著影響新疆經濟的發展與決策，因此及時準確地獲取棉花種植面積，有利于國家及新疆各部門制定對策，并為棉花產量估測提供重要依據。

目前作物種植面積信息的獲取方式主要有傳統的統計方法和借助遙感技術的提取方法。我國的農作物種植面積信息主要通過統計方法獲得，主要有2種：層層上報（按縣、地區、省、國家4級統計局逐級統計匯總上報）；抽樣調查（通過國家統計局直屬的農村社會經濟調查隊，根據抽樣統計學原理，通過有代表性的樣本設置與調查，科學推算大區域農業信息）。雖然統計法是被我國法定部門所承認和使用的作物種植面積獲取方法，但存在一定的局限性。

與傳統的統計方法相比，遙感手段較大程度的避免了人為因素的干擾，大大的節省了人力、物力、財力，為糧食作物種植面積快速、準確、動態監測提供了有效的技術手段。

1 研究區概況

研究區位于瑪納斯縣及周邊呼圖壁縣、石河子市和沙灣縣，新疆天山北坡，準格爾盆地南緣。地理坐標為北緯 43°21′-45°30′，東經 84°84′-87°12′之間，總面積32 273 km2。

瑪納斯縣主要種植作物為棉花、葡萄、番茄。石河子作為兵團特殊體制下的現代農業的典范，規模化經營和精量播種己成為大農業發展的優勢，棉花產業化是石河子工業支柱。沙灣縣近年來突出發展高產棉花、番茄加工、蔬菜果林、優質糧油等特色產業。呼圖壁主要種植小麥、玉米、棉花、加工番茄、蔬菜等，還有大量林地。

2 研究過程

本研究是采用我國國產衛星高分一號遙感數據，在新疆瑪納斯縣及周邊（沙灣縣、石河子市和呼圖壁縣）獲得棉花種植面積。

2.1 地面數據采集

在研究區內設立十個地面樣方，樣方地塊面積大于400 m×400 m，種植作物相對單一，作物種類涉及棉花、小麥、玉米、番茄和辣椒。

從2013年5月開始，在整個生育期內，每15 t進行農作物生長參數測量。測量的內容包括長勢等級、株高、行距、高度、密度、田間管理措施、土壤含水量等。同時，用LAI和光譜儀測量農作物葉面積指數和農作物光譜。

2.2 遙感數據預處理

本研究利用GF-1 WFV 16 m分辨率多光譜相機獲取的瑪納斯縣及周邊（沙灣縣、石河子市和呼圖壁縣）遙感數據，選取的數據如下：

表1 棉花種植面積研究輸入原始柵格數據

對GF-1 WFV數據進行輻射校正，在此基礎上進行基于RPC的正射校正和鑲嵌裁切。GF-1 WFV數據自帶RPC信息，因此可以利用ENVI中的RPC Orthorectification Workflow進行正射校正。在此基礎上對研究區數據進行鑲嵌、投影轉換，以研究區呼圖壁、瑪納斯、石河子和沙灣縣界和1∶100萬草地類型圖為基準進行裁切等操作，得到2014年5～10月研究區。

2.3 數據分析

2.3.1 地面實測光譜分析

對2014年5～10月，結合高分影像，選取與其日期最為接近的地面觀測數據。觀測時間如下表：

表2 地面觀測與高分數據時間

對地面觀測光譜數據作圖，得出監測作物的地面光譜曲線。如下圖：

圖1 作物地面實測光譜曲線圖

根據地面實測光譜和實地勘測分析得出，雖然5月棉花反射率較高，但是棉花地基本只有苗，在GF-1遙感影像中只能反映出裸地特征，因此不適宜作為確定棉花面積的最佳時期。6月，番茄的反射率明顯高于其他作物，而棉花和冬麥、玉米很接近，難以區分。7月底，小麥已經收割，測量為小麥殘茬光譜數據，呈明顯下落，此時，棉花在第四波段反射率較高，能較為明顯的與其他作物區分出來。8月，番茄、棉花和玉米在4個波段的反射率接近，不易區分。9月，玉米和棉花的反射率差別很大，可以較為容易的區分出來。因此，選取9月，作為識別棉花種植面積的最佳時相。

2.3.2 遙感圖像農作物光譜數據分析

利用GF-1 WAV影像確定棉花面積識別方法是分析遙感圖像上棉花與其他主要農作物的光譜在各時相期的變化規律與差異性。選擇影像時間為：2014年5月18日、6月28日、7月19日、8月13日、9月18日和10月18日。時間上與地面光譜測定基本一致，并對這8幅圖像進行了輻射校正、幾何精校正和大氣校正，并進行鑲嵌裁切。

通過對影像選擇ROI，對其主要農作物的光譜數據分析可以得出玉米為紅色、棉花為綠色、麥子為藍色。

根據每個月的遙感影像分析，可以得知5月，玉米和棉花均為裸地特征，無法區分。6月，小麥玉米和棉花均呈現植被的特征，區別不大。7月，小麥已經收割，呈現裸地特征，棉花和玉米在第四波段有差別，但差別不大。8月，棉花和玉米在近紅外波段差別大，但此時，與棉花光譜特征接近的辣椒和番茄也正處在生產期，同譜異物作物難以區分。9月，在影像上，玉米已經收獲，只有棉花和少量蔬菜呈現紅色，是區分棉花面積的最好時間。10月，作物基本都已收割完畢，已不能區分作物。

因此，結合實測光譜和遙感影像分析得出，9月為棉花面積最佳識別時相。

2.3.3 棉花及其它主要農作物的光譜均值特征分析

為分析棉花與其它主要農作物在光譜特征上差別的規律性，對各種農作物在最佳時相的GF-1 WAV圖像上進行采樣，對所有采樣數據在GF-1的4個波段上進行均值、最小值、最大值的統計計算，其平均值結果如下表。

表3 棉花及主要農作物采樣光譜的平均值

根據表格分析得出，辣椒與棉花光譜特征極為接近，很難區分出來。番茄在9月18日已經收割了。林地在第四波段明顯低于其他作物。故可把棉花和玉米區分出來。

2.4 三種方法提取棉花面積

2.4.1 閾值分析

對2014年9月18日影像進行NDVI計算，得出如下結果：

表4 NDVI ROI

用閾值分析，提取NDVI在0.49-0.7的植被，可得出棉花面積。如下圖：

圖2 2014年9月閾值分析提取研究區棉花面積

2.4.2 監督分類

用最小距離法進行分類，標準差閾值設為4，獲得棉花面積，如下圖：

圖3 2014年9月18日監督分類提取棉花面積

2.4.3 非監督分類

用ISODATA進行非監督分類，結果如下圖：

圖4 2014年9月18日非監督分類提取棉花面積

以上為三種方法對2014年9月18日GF-1 WAV棉花面積的提取結果。

2.5 棉花種植面積研究精度評價

本示范應用的精度取決于各種作物識別的準確度，利用2014年7月在研究區用車載GPS定位的解譯標志點，設立感興趣區，作物驗證的實測點。

2.5.1 閾值分析法

用地表真實感興趣區對閾值分析法提取出的作物面積進行精度驗證，如下表：

表5 閾值分析精度檢驗

2.5.2 監督分類

用地表真實感興趣區對監督分類提取出的作物面積進行精度驗證，如下表：

表6 監督分類精度檢驗

2.5.3 非監督分類

用地表真實感興趣區對非監督分類提取出的作物面積進行精度驗證，如下表：

表7 非監督分類精度檢驗

3 結論

本研究利用我國自行研發的高分一號衛星16m分辨率的多光譜寬覆蓋（Wide Field of View，WFV）相機數據，結合研究區作物物候期、作物物理和生理觀測參數，建立研究區農作物信息數據庫。以新疆天山北坡瑪納斯河流域為研究區，通過對GF-1 WFV數據輻射校正、RPC正射校正、鑲嵌、裁切等遙感預處理得到研究區在可見光、近紅外等4個波段的地表反射率數據，并結合獲取遙感圖像日期前后作物光譜實測值，分析得出研究區棉花最佳觀測識別期。利用研究區反射率數據計算植被指數NDVI，結合實測光譜特征，嘗試不同的方法，獲得研究區棉花種植面積。

本研究的精度高低取決于分類方法的選擇，通過以上三種方法，可以得知用ISODATA非監督分類的方法，迭代次數和分的類設置較高，可以得到較好的分類結果。閾值分析法基于對NDVI的不同嘗試，其中同譜異物的作物若較多，會影像分類精度，這取決于研究區的不同情況。