融合物候知識和多時相遙感的冬小麥種植面積提取

劉偉誠 馬靜

摘? 要：選用播種期和灌漿期兩景Landsat8衛星影像進行冬小麥種植面積提取研究。結合研究區冬小麥生長物候知識，提取兩期遙感影像的歸一化差值植被指數（NDVI），并進行運算處理，提取出研究區冬小麥種植面積。同時基于灌漿期遙感影像，采用最大似然法進行監督分類處理，進而提取研究區冬小麥種植面積。將兩種方法提取的冬小麥種植面積與官方統計數據進行精度對比，結果表明，物候知識法提取精度較最大似然法提取精度高。

關鍵詞：冬小麥;種植面積提取;物候知識法;最大似然法

中圖分類號：TP391 ? ? ? 文獻標識碼：A文章編號：2096-4706（2022）06-0141-04

Extraction of Winter Wheat Planting Area of Fusion on Phenological Knowledge and Multi Temporal Remote Sensing

LIU Weicheng1， MA Jing2

（1. Guangdong Tianxin Electric Power Engineering Testing Co.， Ltd.， Guangzhou? 510663， China ; 2.Scientific Institute of Pearl River Protection，Guangzhou， Guangzhou? 510611， China）

Abstract： This paper selects two satellite images of Landsat8 during sowing and filling to study the winter wheat planting area extraction. It combines with the winter wheat growth and phenological knowledge of the study area， extracts two periods remote sensing images of the Normalized Difference Vegetation Index （NDVI）， and it does the operation and processing to extract winter wheat planting area of the study area. Meanwhile， based on the remote sensing images in the filling stage， the maximum likelihood method is used for supervised classification and processing， and then extracts the planting area of winter wheat in the study area. The accuracy of winter wheat planting area extracted by the two methods is compared with the official statistical data， and the results show that the extraction accuracy of phenological knowledge method is higher than that of maximum likelihood method.

Keywords： winter wheat; planting area extraction; phenological knowledge method; maximum likelihood method

0? 引? 言

冬小麥是世界主要糧食作物之一，及時了解冬小麥種植面積，對開展冬小麥長勢監測和估產、區域糧食安全評估等工作具有重要的社會意義[1]。傳統的調查統計方法獲取小麥種植面積精度不高，成本耗費巨大，不能很好地滿足現代農業發展的需求且無法獲得農作物的產量估值和種植面積的分布情況。衛星遙感技術具有空間分辨率高、分布區域廣、時效性強等優勢，因而在冬小麥種植面積監測方面應用廣泛[2-5]。在國外，美國是全球展開遙感技術方面工作的領先者，也是美國最先施行遙感技術來監測美國的農作物種植面積，美國在1974年推行了“大面積作物清查試驗”（large area crop inventory experiment， LACIE），在美國全州和世界其它地域展開遙感監測預估農作物總產量的工程，美國方面稱為：農業和資源的空間設計和評估研究工程;緊接著美國又開展的“遙感在農業和資源的空間調查”方針是對全球的多種作物進行的生長長勢狀況監測和農作物產量估計，最終把實驗成功的遙感技術部分進行到框圖面積取樣（area sampling frame， ASF）[6]。Tang等人以河南省為試點地區，通過線性混合模型進行混合像元分解得到的多時相MODIS數據的冬小麥種植面積，精度達93.9%，得出多時相數據可以有效地提取作物種植面積[7]。Julien等利用TM數據選取西班牙巴拉克斯地區，基于地表溫度和NDVI 數據，采用最大似然法分類得到農業用地，精度達87%[8]。Tuner等采用SPOT XS 數據對西非的薩赫勒地區進行作物監測，將非監督分類、分層和監督分類方法有序結合，分類精度達71%，并針對該研究區作物種植面積小、植被覆蓋度低等特點，有效地解決了同物異譜問題[9]。Zhang等運用多時相TM/ETM+遙感數據和MODIS 遙感數據提取黑龍港地區的主要作物信息，總體分類精度為91.3%[10]。國內方面，潘學鵬等基于NDVI時序數據結合熟制作物種植生長期存在差異的特性，探討了1982年到2007年間我國北方平原種植制度的空間分布特性，并以此考證了冬小麥的種植面積與遙感獲取的一年2熟的作物面積有很不錯的一致性[11]。趙麗花等利用多時相HJ-1A/B結合物候規律的差異性提取冬小麥種植面積，精度達90.2%[12]。朱長明基于SPOT-5數據以及多時相ETM+數據，對新疆伊犁河谷的冬小麥種植面積進行了提取[13]。王慶林等研究結果表明多時相遙感數據地物間光譜特征變化明顯，特別是冬小麥與其他地物光譜特征區別較大，有利于冬小麥種植面積的提取[14]。B01A86D0-EB3A-46CC-A46F-BC0598190637

綜合以上研究，由于不同國家的氣溫、地勢和種植區域等方面存在很大的差異，研究成果也大不相同。河南省作為冬小麥種植大省，提高冬小麥種植面積監測精度顯得尤為迫切，同時將農作物的物候知識與多時相遙感信息相結合用于提取河南省冬小麥種植面積方面的研究還相對較少。基于此，本文以河南省新鄭市為研究區，選用兩期Landsat8 OLI遙感影像作為主要數據源，采用物候知識法和最大似然法兩種方法，結合研究區冬小麥物候特點提取冬小麥的種植面積，并與官方統計數據進行精度評定。

1? 研究區和數據源

1.1? 研究區與試驗

選取河南省新鄭市作為研究區域，如圖1所示，地理坐標介于北緯34°16′34°39′，東經113°30′至113°54′之間，北連鄭州市，南鄰長葛、禹州市，東靠中牟、尉氏，西接新密，面積約為873平方公里。地勢西高東低，西部為淺山丘陵區，東部為平原，西北部為丘崗地。氣候屬于暖溫帶大陸性季風氣候，夏季受太陽和季風影響高溫多雨，冬季寒冷干燥，全年平均氣溫為14 ℃，全年平均降水量約735 mm，非常適宜冬小麥的生長，在耕種方式上，新鄭市的耕作制度主要是一年兩熟制，夏季以種植玉米和花生為主，冬季主要是種植冬小麥，且一般在9月份進行冬小麥播種，來年6月份收獲冬小麥。

1.2? 衛星數據與預處理

選取兩期Landsat 8 OLI衛星遙感影像作為主要數據源，影像空間分辨率為30米，成像寬幅是185×185 km。結合研究區冬小麥生長期情況，10月份冬小麥處于播種期，耕地土壤裸露，此時植被覆蓋信息量最少，5月份是冬小麥長勢茂盛的階段，植被覆蓋信息量最大，因此選取播種期（2015年10月16日）和灌漿期（2016年5月11日）兩期Landsat 8遙感影像數據，兩期影像云量小于10%。Landsat 8 OLI影像的預處理主要包括輻射定標、大氣校正和影像裁剪，大氣校正采用ENVI軟件中的FLAASH大氣校正模塊完成，利用新鄭市的矢量文件裁剪得到兩期研究區遙感影像數據，如圖2所示。

2? 冬小麥面積提取方法及精度評定

2.1? 基于物候知識的冬小麥種植面積提取

2.1.1? NDVI計算

綠色植物的歸一化差值植被指數（Normalized Diff erence Vegetation Index， NDVI）與植被所占的面積及長勢狀況之間有較強的相關性，能夠充分反映出綠色植物的生長態勢。NDVI是指近紅外波段反射值及紅色波段反射值之差與兩者相加的和值之比，NDVI是處理影像數據中最常用的植被指數，計算公式見式（1）：

（1）

式中，NIR即為近紅外波段，R即為紅色波段，NDVI的值介于-1與1之內。

2.1.2? 基于物候知識的種植面積提取

根據研究區冬小麥農作物的物候期特點，九月下旬至十月中旬為播種期，此時麥地經過翻耕基本無植被覆蓋信息為裸地，第二年五月中旬為灌漿期，此時麥地上冬小麥長勢最為茂盛，能夠提取的冬小麥信息最為豐富。因此首先獲取兩期影像的NDVI影像信息，之后將灌漿期（2016年5月11日）的NDVI影像減去播種期（2015年10月16日）的NDVI影像，即可獲取兩期NDVI的差值影像，如圖3所示。

10月份的影像圖中，冬小麥剛剛播種，此時麥田的NDVI數值較小，5月份時候的影像圖小麥處于灌漿期，此時麥田的NDVI數值較大，因此在此差值影像上冬小麥種植區域的像元數值相對較大，非小麥區域的像元數值相對較小，此時只需設置相應的閾值即可把冬小麥種植區域提取出來。對于閾值的設置，通過反復嘗試并與原圖進行對比來的方法進行選取，當像元值大于設定的閾值時認為該像元為冬小麥種植區域，小于設定閾值的像元認定為非冬小麥種植區域，采用這樣的方法最終將圖像變為1（冬小麥種植區）和0（非冬小麥種植區）的圖像，從而提取出研究區冬小麥種植區域，之后統計冬小麥種植區域的像元個數，每個像元的面積為900平方米，兩者相乘最終計算得到研究區的冬小麥種植面積。

2.2? 最大似然法種植面積提取

五月中旬時冬小麥處于灌漿期，此時冬小麥生長茂盛，植被覆蓋信息也最為豐富，因此采用最大似然法對灌漿期影像進行監督分類，進而提取冬小麥的種植面積。首先選取監督分類樣本，通過目視判讀將影像上的地物類別分為四類，分別為水體、植被、冬小麥和居民地，選取相應的監督分類樣本和驗證樣本，確保選取的樣本符合1.8～2.0，若值少于1.8，就要對ROI就行修改，直到符合標準為止，之后選擇分類器，進行最大似然法分類，如圖4所示。采用聚類分析方法對分類后的影像進行后處理，對影像上的小斑點進行去除，將相似樣本信息進行合并或者剔除，最終提取出研究區冬小麥種植區域。

2.3? 冬小麥面積提取精度評定

將兩種方法提取的冬小麥種植區域結果分為兩類，一類為冬小麥種植區，另一類為非冬小麥種植區，冬小麥種植區填充為綠色，非冬小麥種植區填充為白色，結果如圖5所示。

從圖5可以直觀的看出，新鄭市冬小麥種植區域主要分布于研究區西南部和中部偏北部分地區，中部和北部為新鄭市區和龍湖鎮，為城鎮建成區，基本無冬小麥種植。為了評價兩種方法提取的精度，以新鄭市官方統計局提供的當年轄區冬小麥種植面積數據作為真值，分別統計兩種方法提取的冬小麥種植面積、與官方統計數據的差值以及兩種方法提取的相對誤差，結果如表1所示。

從表1中可以看出，采用物候知識法提取的新鄭市轄區冬小麥種植面積為25 324公頃，與新鄭市官方統計局數據相比少了24公頃，相對誤差為0.10%;最大似然法提取的新鄭市轄區冬小麥種植面積為25 443公頃，與官方統計局數據相比多算了95公頃，相對誤差為0.37%。通過定量對比，物候知識法提取的冬小麥面積精度較最大似然法的提取精度要高。B01A86D0-EB3A-46CC-A46F-BC0598190637

3? 結? 論

為了及時有效的監測冬小麥的種植面積，文中基于播種期和灌漿期兩期Landsat 8 OLI衛星遙感影像為主要數據源，選取河南省新鄭市為研究區，結合研究區冬小麥生長物候特點，分別采用物候知識法與最大似然法提取冬小麥種植面積，并與官方統計數據對比進行精度評定。從空間分布上看，研究區冬小麥種植區域主要分布于西南部和中部偏北地區，中部新鄭市區和和北部龍湖鎮基本無冬小麥種植。基于物候知識的冬小麥面積提取方法結合冬小麥物候特點，通過將灌漿期與播種期NDVI的差值影像設置合理閾值，提取出研究區冬小麥的種植面積為25 324公頃，與統計數據相差24公頃，相對誤差為0.10%，最大似然法提取的冬小麥面積為25 443公頃，與官方統計局數據相比相差95公頃，相對誤差達0.37%，物候知識法提取的冬小麥種植面積的精度高于最大似然法。但物候知識法閾值的選擇需要人工不斷的反復試驗，才可能會得到較為合理的精度，最大似然法冬小麥農作物種植面積提取精度的關鍵取決于樣本的精確獲取。相比較之下，采用物候知識法能夠高效地獲取研究區冬小麥的種植面積，而最大似然法的精度依舊需要更深層次的改善。

參考文獻：

[1] 權文婷，王釗.冬小麥種植面積遙感提取方法研究 [J].國土資源遙感，2013，25（4）：8-15.

[2] 陳水森，柳欽火，陳良富，等.糧食作物播種面積遙感監測研究進展 [J].農業工程學報，2005（6）：166-171.

[3] 趙蓮，張錦水，胡潭高，等.變端元混合像元分解冬小麥種植面積測量方法 [J].國土資源遙感，2011（1）：66-72.

[4] 李衛國，蔣楠.基于面向對象分類的冬小麥種植面積提取 [J].麥類作物學報，2012，32（4）：701-705.

[5] 黃青，李丹丹，陳仲新，等.基于MODIS數據的冬小麥種植面積快速提取與長勢監測 [J].農業機械學報，2012，43（7）：163-167.

[6] 權文婷，王釗.冬小麥種植面積遙感提取方法研究 [J].國土資源遙感，2013，25（4）：8-15.

[7] TANG Y，SUN R，FENG L，et al. Extracting winter wheat planting area in Henan province based on mixed pixels decomposition [C]//International Conference on Remote Sensing，Environment and Transportation Engineering.Nanjing：IEEE，2012：1-5.

[8] JULIEN Y，SOBRINO J A，Jimenez-Munoz J C. Land use classification from multi-temporal Landsat imagery using the yearly land cover dynamics（YLCD） method [J].International Journal of Applied Earth Observation and Geoinformation，2011，13（5）：711-720.

[9] TURNER M D，CONGALTON R G. Classification of multi-temporal SPOT-XS satellite data for mapping rice fields on a West African floodplain [J].International Journal of Remote Sensing，1998，19（1）：21-41.

[10] ZHANG J K，CHENG Y P，ZHANG F W，et al. Multi-temporal remote sensing image-based extraction on the crops planting information [J].International Journal of Remote Sensing Applications，2012，2（4）：31-40.

[11] 潘學鵬，李改欣，劉峰貴，等.華北平原冬小麥面積遙感提取及時空變化研究 [J].中國生態農業學報，2015，23（4）：497-505.

[12] 趙麗花，李衛國，杜培軍.基于多時相HJ衛星的冬小麥面積提取 [J].遙感信息，2011（2）：41-45+50.

[13] 朱長明，駱劍承，沈占鋒，等.基于地塊特征基元與多時相遙感數據的冬小麥播種面積快速提取 [J].農業工程學報，2011，27（9）：94-99.

[14] 王慶林，李衛國，王榮富.基于不同時相遙感的冬小麥種植面積的提取 [J].江蘇農業學報，2014，30（6）：1286-1291.

作者簡介：劉偉誠（1987.09—），男，漢族，江西吉安人，工程師，碩士研究生，研究方向：精密工程測量與遙感 ;馬靜（1981—），女，漢族，福建龍巖人，高級工程師，碩士研究生，主要研究方向：水資源規劃及環境保護。

收稿日期：2022-02-09

基金項目：河南省高等學校重點科研項目（21A420003）B01A86D0-EB3A-46CC-A46F-BC0598190637