南水北調中線水源區庫區農作物遙感識別研究

李春杰

（南陽師范學院地理科學與旅游學院，河南 南陽 473061）

我國是農業大國，糧食產量影響著國家安全和發展，農作物的估產受到社會和國家政府部門的重視，而農業遙感中農作物種植面積的估算以及估產模型的建立的前提是能夠確切地識別出農作物類型［1-3］。農作物的估產有利于國家對糧食市場實現宏觀調控和制定國家農業經濟發展規劃，對提升農作物生產管理水平、種植產業鏈的調整以及發展精準農業等都具有重要意義［4-6］。農作物分類面積估算和產量預測是發展現代精準農業的重要前提和基礎。及時準確地獲取農作物的空間分布信息并對產量進行預估，對于調整和優化農作物種植結構，實現農業生產精準化智能化管理具有重要意義。遙感技術具有覆蓋面積大、重訪周期短、獲取成本相對較低、精度較高等諸多優勢，已成為快速和準確獲取農作物空間分布和長勢信息的重要手段［7-9］。

目前在大多數的遙感影像作物分類研究中，基于光譜特征的農作物遙感識別應用最廣泛，但由于遙感數據空間分辨率、時間分辨率、重現率、覆蓋范圍等方面的限制，以及普遍存在的“同物異譜、異物同譜”現象［10］，找到適合當地的農作物遙感識別和分類方法顯得尤為重要。

南水北調中線水源區庫區所在地南陽市是中國糧食核心生產區，占全國糧食總產量的2.3%。庫區糧食產量的評估對庫區經濟發展以及生態環境保育十分關鍵，然而該區域有關獲取遙感影像數據用于精準農業的研究幾乎是空白，因此農作物遙感識別估產研究對該區農業經濟發展和生態環境保育意義重大［11］。本文通過遙感衛星記錄的南水北調水源區庫區農作物數據信息，識別農作物的類型，建立不同環境下的估產模型，與遙感數據分析結果和歷年產量數據結合起來，實現庫區農作物產量的估算，可為政府部門決策和精準農業發展提供依據。

1 研究區概況與數據來源

1.1 研究區概況

南水北調中線核心水源區地處中國自然地理南北過渡帶，氣候上屬亞熱帶與暖溫帶的過渡地帶，是長江、淮河兩大水系支流上游發源地之一。1 月平均氣溫約1.3℃，7月平均氣溫約27.6℃，年平均氣溫約16℃，四季相對溫和，降水主要集中在6-9 月，年降水量900～1 100 mm。研究區主要地貌類型以山地、丘陵為主。土地利用現狀主要有水澆地、旱地、林地和灌木林地。本研究以南水北調中線水源區庫區農作物作為研究區，范圍為距離水庫邊緣5 km范圍內的農業用地。

1.2 數據來源

采用的遙感數據為Landsat8 OLI數據，根據研究區數據資料結合農作物生長情況，選擇2019—2020 年1 月至12 月，云量＜20%，具有代表性的遙感影像，影像數據取自美國地質調查局網站以及中國科學院計算機網絡信息中心的地理空間數據云網站［12］，采用ENVI5.3 軟件對獲取的遙感影像進行傳感器校準、地形校正、大氣校正、輻射定標、直方圖均衡化、影像裁剪等預處理，得到研究區的正射影像圖。此外，利用FieldSpec3地物波譜儀獲取目標地物的電磁波信息，與衛星圖像相結合來辨別作物類型。在獲取遙感數據的同時，還要進行實地考察了解當農作物長勢。

2 實驗分析方法

不同的農作物吸收或反射的電磁波波長是不同的。先結合農作物的光譜特征進行遙感圖像的處理和解譯，用目標地物遙感分析結果與遙感數據庫相似的作物進行匹配，分析出農作物的類型，并對農作物長勢進行評估，進而在農作物收獲前進行產量估算。實驗中所提取的信息主要有：目標地物類別信息、地物成分分析、單一地物目標信息、地物變化信息（見表1）。研究中建立了小麥、花生、油菜、芝麻、蔬菜等主要農作物遙感識別特征集合，并在此基礎上進行特征優選和分類實驗，建立農作物的空間識別特征，并選擇合適的空間特征，運用隨機森林分類模型和面向對象分類方法進行識別分類，并對分類結果進行分析，最后進行分類結果精度評價。

表1 遙感信息提取的類型

2.1 農作物識別

不同的農作物，其內部組織結構也是不同的，作物的生長環境和季節的差異，都會使同種作物出現不同的波譜特征［13］。首先利用遙感圖像區分出農作物和非農作物，然后在農作物區將作物進行分類。另外，利用遙感技術識別農作物類型，要結合當地的季節及農作物種植年度的變化規律。識別農作物類型的方法有：一是每種農作物都具有自身獨特的組織結構，可以根據不同農作物近紅外波段反射率的差異進行農作物的種類識別；二是利用多時相遙感技術來區分不同種類的農作物［14-15］。通過遙感圖像分析計算出的植被指數分別是差值植被指數（DVI）、土壤調節植被指數（SAVI）、歸一化植被指數（ND?VI）、比值植被指數（RVI）（表2）。

表2 光譜計算的農作物識別能力分析

進行研究區天然草地植被指數的計算，計算公式如下：

其中，RED 為紅波段；NIR 為近紅外波段；L為減少土壤背景影響而設的土壤調節參數，取值為0.5，根據研究需要將差值環境植被指數進行歸一化處理。

2.2 農作物遙感估產

結合區域背景，了解當地的種植歷史，統計出年度種植變化規律并結合往年的統計記錄，收集整理出丹江口地區近3 年的農作物種植情況及其產量。農作物遙感產量估算主要包含三方面內容：先識別出農作物的種類；估算同一種類農作物的種植面積；根據農作物的光譜特征曲線，分析農作物的長勢并建立特定環境下的估產模型，進而計算出農作物的產量。利用遙感圖像處理軟件從遙感圖像上根據農作物的色調、結構等差異對作物進行分類［16］，整理出作物的分布圖。然后計算出各類農作物的種植面積，再結合生長環境對其產量進行估算。結合往年的農作物產量，建立農作物的長勢情況和農作物產量之間的關系模型，然后計算出農作物的產量。

3 結果與討論

3.1 農作物識別分析

根據近紅外波段與紅光波段的反射率進行計算，識別能力計算結果由表2 可以看出，4 種植被指數識別農作物的能力大小依次順序為 RVI＞NDVI＞SAVI＞DVI。由表3 可以看出，從分類精度的角度來看小麥＞花生＞蔬菜＞芝麻＞油菜。花生、蔬菜、芝麻和油菜種植的地塊面積都相對較小，邊緣地帶會與周邊地物形成混合像元，產生識別不準確的現象，造成誤差的上升。實地勘察發現，水源區庫區周邊油菜種植規模較小，并呈現斑塊化分布，很多道路周圍、荒地中都有零星分布，從而導致油菜的提取和識別誤差較大。變化檢測法提取冬小麥誤差較小，變化檢測法可以排除同期常綠植物的干擾，而從裸地變為植被的只有小麥和蔬菜，因此變化檢測法則能準確地識別與提取小麥地塊信息。

表3 丹江口庫區農作物識別統計

3.2 農作物識產量評估

依據農作物種植結構的調整情況，利用遙感圖像處理并結合當地實際，建立南水北調中線水源區庫區的產量評估模型，計算出各種農作物的產量。筆者主要以小麥、花生、油菜、芝麻、蔬菜作為研究分析對象。由表4 可知，其中小麥的種植面積為10 866.7 hm2，總產量為4.5萬t；花生種植面積為1 400.0 hm2，總產量為0.3 萬t；油菜的種植面積為3 733.4 hm2，總產量為0.7 萬t；芝麻的種植面積為1 866.7 hm2，總產量為0.2 萬t；蔬菜的種植面積為2 167.6 hm2，總產量為11.2萬t。

表4 丹江口庫區農作物估產統計表

4 結語

遙感監測是獲取主要農作物空間分布、種植面積和產量等信息的重要技術手段。準確獲取小麥、花生、油菜、芝麻等主要作物的空間分布、種植面積并進行常量估算，對我國糧食安全和社會經濟發展具有重要意義。從識別能力來看各種方法：RVI＞NDVI＞SAVI＞DVI；從分類精度來看：小麥＞花生＞蔬菜＞芝麻＞油菜。季節和種植位置的不同都會造成植物呈現不同的光譜特征，這些都影響了遙感精確度的提高。此外，目前尚未建立完整的遙感波譜云數據庫，還需將遙感波譜數據進行歸納整理，形成一套完整的遙感波譜數據庫，并需研發遙感圖像自動識別程序，得出農作物的類型、面積，建立估產模型，應該是學科研究的重點。