基于高分辨率遙感影像的糖料蔗生長期NDVI 時序變化分析
——以廣西崇左市、百色市“雙高”基地為例

賀雨晴，王國波，經 波

廣西自然資源信息中心，廣西 南寧 530029

1 研究背景

自2005 年以來，廣西糖料蔗種植面積和產糖量均占全國產量的60%以上[1]。2016 年1 月7 日，廣西壯族自治區人民政府辦公廳印發了《廣西推進“雙高”基地生產全程機械化實施方案（2015—2020 年）》。“雙高”基地即高糖、高產且符合一系列技術規范、適合大型機械作業的糖料蔗種植基地，廣西共有33 個縣（市、區）被農業部列為糖料蔗優勢區域和國家重點“雙高”糖料蔗基地[1]。“雙高”基地建設對推進廣西全區糖料蔗種植規模化、機械化發展以及提高畝產量起到了示范性作用。

1.1 甘蔗生長特性

糖料蔗生長周期可分為苗期、分蘗期、莖伸長期和工藝成熟期4 個階段。根據其宿根性，糖料蔗又分為新植蔗和宿根蔗，廣西新植蔗一般于3 月開始播種，5 月進入分蘗期，6—10 月為莖伸長期，11 月為工藝成熟期[2]。宿根蔗生育期約滯后于新植蔗15～20 天，加之氣候、地理位置等因素，糖料蔗在廣西全區范圍內的播種期和生育時期存在一定的差異，桂南地區較早，桂北地區較晚，時間相差約在30 天以內[2]。糖料蔗榨季即糖料蔗收割、制糖期，廣西2019—2020 年榨季自11 月10 日起至次年3 月29 日止。

1.2 研究區域概況

崇左市、百色市分別位于廣西西南部、西部，分屬左江、右江流域。兩地均屬亞熱帶季風氣候，氣候溫和，雨量充沛，雨熱同季。崇左市年平均日照時長1 603 h，年無霜期長達340 多天，年平均降雨量1 200 mm 以上[3]；百色市年平均日照1 906.6 h，年平均降雨量1 114.9 mm，無霜期為357 天[4]，均適宜種植糖料蔗。

1.3 遙感技術

遙感技術由于其高覆蓋面、短重訪周期、低獲取成本的特性，被普遍應用于大宗農產品長勢監測、估產之中[5]。我國的農業遙感起步于20 世紀80 年代，經過不斷努力鉆研，提取技術已被廣泛應用于小麥、水稻、玉米等主要糧食作物的監測中。其中，該技術應用于北方地區作物的提取分類精度較為理想，如李衛國等利用Landsat/TM 影像通過人機交互解譯等方式提取了江蘇省興化市冬小麥種植面積，信息解譯度達95%以上[6]；在全自動解譯方面，王學等利用MODIS EVI 時序數據和Landsat/TM 等多源遙感影像提取了華北平原2001—2011 年冬小麥信息，達到76.36%的平均提取精度[7]。

對于丘陵遍布、地塊破碎、作物種類多樣的南方地區，農作物間種普遍、同物異譜與同譜異物現象明顯，使得遙感技術在南方農業方面的應用更為復雜，作物監測需使用具有更清晰紋理特征、更豐富光譜特性的高分辨率多光譜影像才能進行有效區分[8]。廣西地處低緯度地區，地貌類型復雜多樣，山多平地少，屬亞熱帶氣候，年降雨量在1 000～2 800 mm 之間[9]，雨熱同季。由于氣象條件限制，廣西的遙感影像獲取“窗口”時間（全區天氣晴好、無云無霧）極少，難以在糖料蔗生長關鍵期內獲取高頻次的高分辨率衛星影像，進而難以在同一地塊構建準確的糖料蔗生長時序化監測模型。

2 實驗方法

2.1 理論基礎

歸一化植被指數（Normalized Difference Vegetation Index，以下簡稱NDVI）于1978年由學者Deering 提出，因其可消除大部分來自儀器定標、太陽高度角、大氣等外部因素的影響，在已有的40 多種植被指數中，是被應用得最廣泛的一種[10]。植物葉子的細胞結構在近紅外波段具有高反射值，其葉綠素在紅光波段具有強吸收的特征，在多光譜遙感圖像中，利用近紅外與紅波段的比值，可以突出圖像中植被的特征，提取植被類別或估算綠色生物量，計算公式為：

式（1）中，ρnir、ρred分別為影像中的近紅外和紅波段值。

2.2 數據來源與處理

研究小組選用的影像為高分二號（GF-2）衛星影像，其分辨率優于1 m，星下點空間分辨率可達0.8 m，可為土地資源利用調查和監測等領域提供信息支持[11]。

處于苗期、分蘗期的糖料蔗的植株低矮、植被稀疏，在高分影像中其紋理接近于裸露地表；且由于宿根性及播種時間的不同，糖料蔗生長初期的株高存在差異，同一地區糖料蔗存在同物異普現象。自莖伸長期到成熟砍收為止，糖料蔗在高分影像中紋路趨于一致且有一定區分度[12]，且糖料蔗的株高與產量成正相關關系，基于此，研究小組選用了拍攝于2019 年6—11 月的研究區內甘蔗的莖伸長期至工藝成熟期的影像作為數據源。

研究小組通過分析歷史留存的衛星影像數據發現，研究區的糖料蔗莖伸長期與廣西多雨季節重疊，這導致難以高頻次地獲取同一地塊的同源高分辨率衛星影像。“雙高”基地內種植的糖料蔗均為優質蔗種，水、肥料等有保障，一般為該地區具有代表性、示范性的高產田塊，考慮到高分辨率衛星影像的實際獲取能力有限，研究小組假設相近維度下“雙高”基地糖料蔗莖伸長期長勢相近，于是將崇左市、百色市的總面積為40.78 km2的“雙高”基地集中區域拍攝的不同月份的高分二號（GF-2）影像視為同等地塊并逐月提取NDVI 值。

研究小組依托糖業發展大數據平臺建設項目獲得 “雙高”基地范圍數據（見圖1），然后疊加分析“雙高”基地圖斑與NDVI 結果（見圖2）發現，同一時間、地區和品種的糖料蔗的光譜信息看似一致，其NDVI 值大致相當，但略有差異，與非糖料蔗地物（房屋、水面、裸地、雜樹等）的光譜信息差異較大易于區分，可以依此剔除非糖料蔗的地物范圍。研究小組在實驗區中隨機選取“雙高”基地不同月份的大量的NDVI 樣本值作為樣本數據，每個田塊的樣本數量≥1，且樣本點間隔＞10 m，剔除田塊內接近邊緣及落到其他混種植被的點，而后采用主成分分析方法（PCA）過濾3%的噪聲值，得到不同月份樣本點NDVI值分布情況及統計信息。

圖1 “雙高”基地影像圖（2019 年9 月）

圖2 NDVI 結果圖（2019 年9 月）

3 結果與分析

3.1 NDVI 變化趨勢

從莖伸長期到工藝成熟期的6 個監測月份內，樣本NDVI 值隨著時間的推移呈緩慢上升趨勢（見圖3）。研究時段的糖料蔗的NDVI 值在0.2～0.85之間（見表1）。范圍（Range）在一定程度上體現了樣本值的離散程度，6—11 月研究區糖料蔗的NDVI 值范圍差異較大，其中6 月、8 月的數據較為離散，其余月份較為集中，自9 月份開始樣本的NDVI 值趨于收斂和聚簇，說明了隨著糖料蔗的宿根性、種植時間的差異等因素在植株生長的過程中逐漸消退，植株差異逐漸減小。

圖3 研究區糖料蔗樣本NDVI 值分布與百分位圖

樣本最小值出現于6 月（0.2），最大值出現于8 月（0.846 2），最低平均值出現于7 月份（0.402 3），而后數值逐步提升。研究小組推斷，甘蔗品種、宿根性的不同，生長周期、糖料蔗長勢的不同步導致了樣本離散度的差異和莖伸長初期（6—7 月）NDVI 值的回落，樣本中新種蔗和宿根蔗的比例在一定程度上影響了各月份的NDVI 值平均值。各月份樣本平均值與中值相近，表明了隨機取樣的方式雖無法控制各類型糖料蔗數量的比例，但實際樣本中無明顯過大或過小的噪聲值出現，樣本數據基本可靠。

自9 月開始，研究區的樣本的方差和標準差逐漸趨于穩定且略有下降，11 月樣本值范圍雖略＞7 月，但標準差和方差最小，分別為0.048 2、0.002，說明接近工藝成熟期的糖料蔗NDVI 值集中度最高。

研究小組分析研究區各月份糖料蔗樣本NDVI 直方圖及其正態分布擬合曲線圖（見圖4）發現，各月份樣本與正態分布擬合線較為貼合，但樣本的NDVI 值不連續，局部區間存在1～3處明顯斷層。隨后，研究小組通過分析隨機取樣點發現，處于同一片“雙高”基地中的樣本NDVI 值較為接近或相同，從而在樣本中形成聚集（Cluster）。由此可知，糖料蔗的品種、宿根性及長勢等因素，導致對應的NDVI 值存在明顯差異。

表1 研究區樣本點NDVI 值基礎統計表

研究小組從表1 的結果推斷得知，研究區糖料蔗的NDVI 值僅在7 月、11 月近似正態分布，在6 月、9 月的偏斜度＜0，為左偏分布，8 月、10 月的偏斜度＜0，為左偏分布。峰度（Kurtosis）又稱峰態系數，反映了峰部的尖度，與峰度標準誤差（Standard Error of Kurtosis）比對，8 月、10 月、11 月近似正態分布，6 月、9 月為尖峰態（Leptokurtic），7 月為低峰態（Platykurtic）。綜上所述，研究區糖料蔗僅11 月的樣本的NDVI值趨近于正態分布。

3.2 對分類提取造成的影響

綜上所述，隨著糖料蔗植株日趨成熟，其生物量、光譜信息等趨于一致、穩定，該特征是否能對糖料蔗地塊提取產生積極作用，這個問題亟待研究。研究小組選取了6 月、11 月份“雙高”基地及其周邊影像進行分類實驗，將影像中出現的實際地物分為甘蔗、裸地、水面、樹木等8 大類（見圖5），經人工選取興趣區（Region of Interest，以下簡稱ROI）后進行監督分類。

圖4 研究區糖料蔗樣本2019 年6—11 月期間NDVI 值逐月分布圖

研究小組選用的6 月、11 月這兩個月份分別為糖料蔗莖伸長期初始階段和工藝成熟砍收前期，前者植被稀疏與裸地邊界模糊，后者植被茂密田塊邊緣清晰。然而從支持向量機（Support Vector Machine，以下簡稱SVM，SVM 是遙感領域中被普遍使用的一種基于像素的監督分類方法，在確保ROI 準確無誤且具有代表性的前提下，該方法能實現較高的分類精度）分類結果可知（見圖5），11 月份研究區大部分甘蔗被誤判為樹木，6 月份的識別甘蔗種植范圍的正確率明顯高于11月。隨著糖料蔗NDVI 值的上升，其植被郁閉度趨近于樹木，混淆了這2 類地物的類別。從ROI指數圖中不難看出，11 月份甘蔗、樹木及其他作物的特征值趨同，導致了SVM 無法準確對這3類地物進行分類。因此，在基于像素的監督分類方法中，隨著糖料蔗生長成熟和NDVI 值上升反而導致了分類精度下降。

圖5 “雙高”基地2019 年6 月、11 月監督分類結果圖

4 結 語

研究小組利用高分二號（GF-2）高分辨率衛星影像和糖料蔗“雙高”基地數據研究了“雙高”基地內糖料蔗莖伸長期至工藝成熟期NDVI 值變化規律及其對基于像元的監督分類的影響，總結內容如下：

（1）莖伸長期糖料蔗變化受不同因素影響，初期受宿根性、播種時間影響，株高差異大，導致NDVI 值差異大，后在較長的成長周期中新植蔗、宿根蔗的NDVI 值差異逐漸縮小，影響因素轉為肥力、天氣等外界因素，最終趨于符合正態分布。

（2）研究小組選擇糖料蔗的歸一化植被指數進行研究，可有效排除大氣、太陽高度角等因素造成的數據差異；使用單一影像源，可避免異源傳感器參數差異導致的光譜特性差異；引入統計學概念，以量化指標判定其分布特性，更科學、客觀且易于推廣。

（3）研究小組建立了糖料蔗生長期NDVI 時間序列庫，未來將擴大采樣范圍至全廣西，并細化時間粒度，按日期建立時間軸模型，積累更多年份數據，通過增加樣本數量來減少甘蔗品種差異帶來的影響。該庫的建立有利于研究糖料蔗長勢及其對產糖量的影響。

（4）研究小組發現糖料蔗生長成熟會在一定程度上導致基于像元的監督分類精度下降。趨近工藝成熟期糖料蔗影像紋路整齊、邊緣清晰，易于計算機自動切割。而面向對象的分類方法或基于紋理切割的分類方法或可獲得更高精度，這有待研究小組進一步驗證。研究小組認為，在進行糖料蔗地塊提取或分類時，應根據糖料蔗的生長階段靈活地選擇分類方法。

（5）基于NDVI 的研究方法已成體系，較易獲得數據，易于在廣西范圍內開展實施并建立全區模型。此研究成果可為糖料蔗估產提供數據基礎，結合糖料蔗產量、種植面積等數據建立估產模型，或將莖伸長期的糖料蔗的各項指標作為機器學習的人工干預參數，對當年甘蔗總產量、畝產量進行預測。

研究小組通過NDVI 這一指標對研究區糖料蔗生長規律進行探究，發現了其隨著生長成熟趨于正態分布的規律。未來，研究小組將該研究方法擴展至其他相關指數及擴大時空范圍，并結合統計數據和實地測量數據，探究其與糖料蔗產量的相關性以實現糖料蔗估產。研究成果將更好地服務于糖業主管部門的宏觀管控，為合理安排榨季砍運、榨蔗等任務提供數據基礎，為廣西糖業信息化發展提供有力支撐。