基于Landsat-8的天山北坡經濟帶棉花種植面積提取

摘 要：從天山北坡經濟帶主要農作物綜合多特征的分類策略中提取棉花種植空間分布信息。利用谷歌地球引擎、遙感數據源為Landsat-8衛星影像資源，利用中國土地覆蓋數據集對研究區進行耕地覆膜，提取出研究區的耕地，構建包含NDVI時序和棉花最佳識別月份的反射率特征多特征的影像；利用支持向量機分類器識別棉花種植面積空間分布信息。研究表明，基于Landsat-8數據的多特征的分類策略的棉花制圖精度0.95、用戶精度0.94，為天山北坡主要作物的識別和提取研究提供了參考。

關鍵詞：Lansat-8衛星數據；多特征；支持向量機；棉花種植

中圖分類號：S562 文獻標志碼：B 文章編號：2095–3305（2024）08–00-03

棉花種植歷史悠久，是我國重要的農業經濟作物。棉花與人們日常生活息息相關，并且在國家經濟發展中占據至關重要的地位，尤其是對于新疆維吾爾自治區而言。2020年新疆棉花種植面積達到250.190萬hm2，農作物種植面積628.261萬hm2，棉花種植面積接近新疆維吾爾自治區全部種植物播種面積的1/2。種植面積和產量估算屬于農情監測信息，有效地整合和利用作物的農情信息對提高農業生產效率和管理水平至關重要。

新疆地區不少學者開展了相關遙感研究，曹衛彬[1]

細致地研究了新疆維吾爾自治區的棉花監測現狀，并就新疆維吾爾自治區棉花種植面積監測提出了系統性的措施和方法。郝鵬宇等[2]利用長時間周期的MODIS數據，提取新疆維吾爾自治區博樂市的棉花種植信息。

國內外許多學者針對棉花種植信息的提取，嘗試了很多方法。龍翔[3]等研究了棉花處于不同生長時期的各波段上的反射率特征，研究其時間序列上的反射光譜變化趨勢并結合實地調查作物監測長勢，總結棉花整個生長期的光譜規律，為后續進行作物光譜研究奠定了基礎。陽旭[4]的研究對象為棉花，應用LiDAR技術獲取棉花生長周期內的多個時間段的點云數據，利用算法提取棉花主干的幾何信息；在此基礎上，完成對植株體積、葉面積指數、葉寬等性狀參數的估計。王霄煜[5]等利用測量工具實際測量真實地物的光譜信息，利用GF-1衛星數據資源，設置合適的植被指數，將棉花與其他作物分開，也驗證了監督分類策略和非監督分類策略對識別棉花面積的有效性。

在新疆維吾爾自治區的天山北坡經濟帶，利用多時相的Landsat-8衛星數據，采用綜合NDVI時間序列和棉花最佳識別月份的反射率多特征進行棉花識別，在GEE平臺實現天山北坡經濟帶的棉花識別和面積提取，最后查閱新疆維吾爾自治區2020年的棉花種植面積統計年鑒數據，對識別的棉花種植結果進行統計驗證，從而為應用衛星快速統計農作物面積提供技術支撐。

1 研究區概況與數據預處理

1.1 研究區概況

天山北坡經濟帶位于新疆維吾爾自治區北面，南面是天山山脈，北面是阿勒泰地區，是北疆重要的經濟地區，地處79°～98°E、42°～48°N，面積占新疆維吾爾自治區總面積5.7%（圖1）。據李瑞雪[6]研究，天山北坡屬于典型的中溫帶大陸性干旱氣候，冬季寒冷干燥，夏季炎熱少雨，春秋季時間短。天山北坡經濟帶河流眾多，為當地帶來豐富的水資源，許多農業生產基地都是建在河流水源附近。

表1歸納了天山北坡經濟帶主要農作物的物候信息，農作物生長狀態隨時間變化而變化。

1.2 數據源

1.2.1 Landsat-8影像數據

選用的Landsat-8遙感衛星數據來源于GEE上的數據集Landsat/LC08/C01/T1_SR，選取了研究區新疆維吾爾自治區天山北坡經濟帶內棉花生長期內4—10月逐月的Landsat-8影像，采用中值合成方式，得到1個月1幅影像，共7幅影像。全部數據源覆蓋了棉花的整個生長時期，從棉花種植期到棉花拔稈期。

1.2.2 CLCD 30 m土地覆蓋類型數據

武漢大學遙感院黃昕教授、李佳藝教授團隊基于Google Earth Engine上335，709景Landsat數據，制作了全國年度土地覆蓋類型數據集（CLCD），數據時間跨度為1985—2020年。CLCD的總體準確率達79.31%，CLCD的總體準確性高于同類產品中的MCD12Q1、ESACCI_LC、FROM_GLC和GlobaLand30。

1.2.3 樣本點選擇

查閱2020年《新疆統計年鑒》，新疆維吾爾自治區主要種植棉花、玉米、小麥和其他類的農作物，采取其他方法選取樣本點。選取樣本點時借助Google Earth（谷歌地球）高分辨率的影像，目視解譯方式在研究區選取了棉花樣本點572個，小麥樣本點496個，玉米樣本點582個，其他農作物樣本點284個。

1.3 遙感數據預處理

調用GEE平臺上的Landsat-8遙感數據集內的數據，拼接合成影像覆蓋整個研究區，對影像進行輻射定標和大氣校正，減少輻射傳輸過程中傳感器和大氣層對成像的影響，得到地物真實的反射率。使用GEE官方自帶的去云函數對研究區進行去云處理，函數能準確識別云和陰影，設置云量構建掩膜圖層，以達到去除云和陰影的目的。利用中國年度土地覆蓋數據集中的2020年中國土地覆蓋類型數據，數據的分辨率是30 m，對研究區域進行耕地覆膜，提取出Landsat-8影像上土地類型為耕地的區域，為進一步提取棉花種植信息作準備。剔除水體、裸地、林地等其他地物類型，為后續樣本點選取奠定基礎，就可以在耕地圖層上選取后續選擇樣本點，減輕目視解譯負擔[7]。

2 棉花種植面積的遙感識別

2.1 利用Landsat-8數據和多特征的棉花種植面積識別

2.1.1 特征提取

NDVI植被指數反映地物在紅光波段與近紅外波段上的差異，該指數可有效提取出研究區內植被。利用公式（1）分別計算得到4—10月逐月的NDVI數據，構建NDVI時間序列影像。

NDVI=（1）

式（1）中，為ρNIR近紅外（NIR）波段的反射率，ρRed為紅波段（Red）的反射率。除逐月的NDVII值外，還計算了NDVI最大值、最小值及均值，合成為3幅影像。

不同農作物除NDVI時間序列存在差異外，不同地物在不同波段上的反射率也是存在差異的，這是依靠反射率特征識別地物類型的基礎。9月棉花處于吐絮期，屬生長旺盛期，植株繁茂，植被光譜特征明顯，植被“紅邊”特征明顯，在Landsat-8的B5波段反射率很高。9月初，開始收割玉米，在Landsat-8的B5上反射率特征不如棉花明顯；6月就已經收割小麥，此時不具有植被特征，在Landsat-8的B5波段上的反射率特征也不如棉花明顯。因此，選擇提取出棉花最佳識別月份9月的各波段上反射率特征作為分類的特征向量，利用各波段反射率特征區分棉花與其他地物[8]。

綜上所述，共選取16個特征，NDVI時間序列特征，

4—10月每月的NDVI，以及NDVI最大值、最小值及均值、棉花最佳識別月份反射率特征Landsat-8的B2～B7共6個波段。

2.1.2 利用Landsat-8數據和多特征的棉花提取

采用監督分類中支持向量機分類器，利用共16個特征進行分類。選取在耕地掩膜后的基礎上，選取棉花、小麥、玉米及其他農作物，共4種訓練樣本，約束條件為NDVI時間序列和棉花最佳識別月份的反射率特征（圖2），共計16個特征向量，對研究區主要農作物進行分類。最終得到分類結果，總體精度為0.90，Kappa系數0.84，其中棉花制圖精度為0.95，用戶精度為0.94。

2.2 棉花面積提取驗證

對比統計年鑒，基于Landsa-8數據天山北坡經濟帶的棉花面積信息，采用多特征的分類策略識別棉花面積誤差為0.077（表2）。參考各個縣，不同縣的提取面積誤差有所不同，其中誤差較大的地區包括托里縣誤差為0.15、霍爾果斯市誤差為0.14。其中，托里縣位于塔城地區，當地地物類型復雜是造成誤差過大的主要原因?；魻柟故形挥谝晾绻_克自治州，在選取樣本點時，伊犁哈薩克自治州樣本數量選取較少，樣本特征不夠明晰，這是造成誤差的主要原因[9-11]。

3 結論與展望

3.1 結論

利用2020年4—10月的Landsat-8遙感影像，結合CLCD中國土地覆蓋類型數據集掩膜數據，對研究區耕地進行提取，選取NDVI時間序列特征和棉花最佳識別月份的反射率特征，利用監督分類中的支持向量機分類器，對天山北坡研究區主要農作物進行分類。最終結合統計年鑒數據，采用多特征的Landsat-8對整個天山北坡經濟帶棉花面積提取的誤差為0.077，面積提取精度較高。

3.2 展望

（1）特征選取時只考慮光譜特征，遙感影像除光譜特征外，還有其他特征，如樣本紋理特征，不同農作物植株的幾何結構特征不同，可以利用該差異。此外，可加入DEM數據地形特征，DEM數據開源，獲取方便，是很好的研究材料。后續研究進行作物分類時可考慮紋理特征和地形特征，有利于提高識別精度。

（2）選用的用于分類的特征數量為16個，在特征向量選取時未進行特征向量選取，依據訓練樣本和約束條件，部分向量未能有效區分樣本，選擇出區分度大的特征，減少總特征數量，提高單個特征質量。

參考文獻

[1] 曹衛彬，楊邦杰，裴志遠，等.我國農情信息需求調查與分析[J].農業工程學報，2004（1）：147-151.

[2] 郝鵬宇，牛錚，王力，等.基于時序MODISEVI匹配的棉花信息提?。阂孕陆肥袨槔齕J].遙感技術與應用，2013， 28（2）：309-314.

[3] 龍翔，趙慶展，王學文，等.基于機載高光譜端元提取分析棉花生長期光譜變化[J].新疆農業科學，2021，58（7）：1207-1216.

[4] 陽旭，胡松濤，王應華，等.利用多時序激光點云數據提取棉花表型參數方法[J].智慧農業（中英文），2021，3（1）：51-62.

[5] 王霄煜，雷鈞.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[J].新疆農業科技，2021（1）：23-26.

[6] 李瑞雪.中國天山山區氣候變化的時空分布特征[D].蘭州：西北師范大學，2010.

[7] 呂紹倫，趙陽，陳萬基，等.基于遙感云計算的阿拉爾市棉花種植面積提取[J].棉花科學，2022，44（4）：19-25.

[8] 王匯涵，張澤，康孝巖，等.基于Sentinel-2A的棉花種植面積提取及產量預測[J].農業工程學報，2022，38（9）：205-214.

[9] 李路曼，郭鵬，張國順，等.基于無人機可見光遙感的棉花面積信息提取[J].新疆農業科學，2018，55（3）：548-555.

[10] 田野，張清，李希燦，等.基于多時相影像的棉花種植信息提取方法研究[J].干旱區研究，2017，34（2）：423-430.

[11] 劉曉晨，買買提阿依甫.基于Landsat8遙感數據的新疆精河縣棉花種植空間分布信息提取研究[J].新疆農業科技， 2015（5）：5.