基于MODIS的農作物面積遙感監(jiān)測及應用

摘要：MODIS遙感數據具有探測周期短、覆蓋面積廣、數據開放等優(yōu)點，適合大尺度、動態(tài)的農業(yè)遙感監(jiān)測應用。結合了MODIS遙感數據資源的特點和農作物物候特征，提出了基于MODIS的農作物面積遙感監(jiān)測方法，并根據黃淮地區(qū)冬小麥種植面積提取的應用需求，選用地理空間數據云平臺提供的3種MODIS數據產品進行了農作物面積提取。結果表明，使用5 d合成數據產品的提取精度較高。

關鍵詞：遙感監(jiān)測；農作物面積；MODIS；冬小麥

中圖分類號：TP392；S127 文獻標識碼：A 文章編號：0439-8114（2015）06-1483-03

DOI：10.14088/j.cnki.issn0439-8114.2015.06.052

Abstract： MODIS data with advantages of short period of detection， wide coverage and open access are suitable for large-scale， dynamic agricultural remote sensing detection and applications. Combining with the data features of MODIS and crops phenological characteristics， the method of monitoring crops area with remote sensing based on MODIS was established. According to the application requirements of winter wheat acreage extracting in Huang-Huai region， three kinds of MODIS data products in Geospatial Data Cloud were used for crop area extraction. The results showed that using five-day synthetic data product had a higher extraction accuracy.

Key words： remote sensing monitor； crop acreage； MODIS； winter wheat

遙感（Remote sensing，RS）技術作為地球信息科學的前沿技術，可以在短期內連續(xù)獲取大范圍的地面信息，實現農業(yè)信息的快速收集和定量分析，是目前最為有效的對地觀測技術和信息獲取手段[1]。作物遙感監(jiān)測是遙感技術在農業(yè)領域應用的重要內容之一。1974年，美國農業(yè)部就開展了“大面積農作物估產實驗”（LACIE），對世界范圍內不同區(qū)域的小麥種植面積、總產量進行估算，精度達到90%以上[2]。自1988年以來，歐盟開展農業(yè)遙感監(jiān)測計劃（MARS），利用遙感技術對歐盟國的耕地、作物種植面積和產量進行監(jiān)測，每兩周報告一次，將監(jiān)測結果用于農業(yè)補貼的申報核查和共同農業(yè)政策制定[2]。近年來，我國農作物遙感監(jiān)測方面也取得了長足的進步，從單一作物發(fā)展到小麥、玉米、水稻等多種作物遙感估產，從小區(qū)域到跨越11個省市的遙感估產，取得了許多研究成果[3]。

我國幅員遼闊、地區(qū)差異大、地塊零碎、散戶經營，加之遙感數據資源的缺乏，我國農業(yè)遙感監(jiān)測還存在著作物識別精度不高、工作效率偏低、費用昂貴等問題。本研究結合MODIS遙感數據高光譜、多時相、開放性等優(yōu)點，探討了基于不同類型MODIS數據產品和物候特征實現農作物遙感監(jiān)測，并在黃淮地區(qū)冬小麥種植面積提取中進行了應用。

1 MODIS數據產品概述

中分辨率成像光譜儀（Moderate-resolution imaging spectroradiometer，MODIS）是美國對地觀測衛(wèi)星TERRA所攜帶的傳感器之一，其掃描光譜范圍為0.4～14.4 μm，共有36個光譜波段，空間分辨率包含1 000、500、250 m等。在對地觀測過程中，每1～2 d觀測地球表面1次。MODIS采用開放的數據獲取政策，免費提供多種原始數據和不同等級的數據處理產品，并在MODIS官方網站上公布傳感器的主要參數[4]。這些政策和措施極大地促進了全球范圍的數據共享以及不同國家的科研合作，實現了世界范圍內多學科領域的交叉研究。

中國科學院計算機網絡信息中心科學數據中心開發(fā)實現的地理空間數據云平臺，提供了LANDSAT、MODIS、NOAA等多種權威科學數據資源的集中鏡像服務，并建立基于模型的數據產品加工服務[5]。為方便國內用戶使用，該平臺還提供了MODIS中國合成產品，如MODIS中國區(qū)域溫度合成產品、NDVI植被指數產品、EVI植被指數產品等。

2 物候特征分析

2.1 農作物物候期

物候是指植物為了適應氣候條件的節(jié)律性變化而形成與此相應的植物發(fā)育節(jié)律。掌握物候變換規(guī)律在預報農時，監(jiān)測、保護生態(tài)環(huán)境，預測氣候變化趨勢等方面具有重要的理論和現實意義[6]。為了在最有限的時間內獲取最大信息量，就必須合理選擇衛(wèi)星數據的時相，從而實現以最小代價獲取最全面、最精確的知識，提高生產效率。

農作物的狀態(tài)和群體特征是影響作物光譜特征的主要因素。我國物候觀測資料非常豐富，不同農作物之間的物候差異是選擇作物識別最佳時相的常用依據[7]。我國華北地區(qū)主要農作物種植的物候期及各階段的植被覆蓋程度見圖1[8]。根據農作物物候期分布、不同時期遙感圖像的光譜特性以及不同物候期內農作物光譜特征差異，選取區(qū)別不同農作物的最佳時相影像。比如，12月上旬冬小麥處于分蘗期，地面有一定的植被覆蓋，葉綠素含量，而其他植被均已落葉，與背景地物具有較大的季相差異，因此，在衛(wèi)星圖像上表現為十分明顯的影像特征。

2.2 農作物光譜特征

選取遙感影像特定波段的數據就可以更有效地對不同農作物進行分類。對于MODIS數據，可以選用與農作物生長密切相關的1～7個波段進行分析。其中，RED波段（0.620～0.670 μm）受葉綠素含量控制，對綠色植被具有強吸收特點，對植被覆蓋度、生長狀況敏感，如分蘗期的冬小麥，由于具有較高的葉綠素含量，與背景地物具有較大的季相差異，因此在衛(wèi)星圖像上表現為十分明顯的影像特征；BLUE波段（0.459～0.479 μm）可以反映土壤和植被的差異，改進對農作物的監(jiān)測；NIR波段（0.841～0.876 μm）對綠色植被具有高反射特點，可以反映指標類型和生物量的指標；ESWIR波段（1.628～1.652 μm）則受葉細胞內水分含量的控制，對植被生化組分和濕度的變化非常敏感[9]。

植被指數是對地表植被活動的簡單、有效的度量。在MODIS-NDVI數據集中，使用植物吸收的RED波段和植物發(fā)射的遠紅外波段NIR進行計算[10]，公式為：

3 基于MODIS的農作物面積提取

3.1 研究方法

利用遙感數據提取農作物種植面積的理論依據是遙感圖像中相同的地物類型在相同的條件下（紋理、地形、光照、植被覆蓋等），應具有相同或相似的光譜信息特征和空間信息特征。其實質是根據各類地物的光譜特征進行特征參數的分析與選擇，然后采用一定的規(guī)則（即分類算法）對遙感圖像進行分類[2]。其中，不同類型地物的特征選擇和分類算法是農作物種植面積提取的關鍵點。

根據不同生物波譜特性和農作物物候特征差異，選擇多時相的MODIS遙感數據，通過計算并分析歸一化植被指數NDVI、增強型植被指數EVI、土壤調節(jié)植被指數等，使用現有成熟的遙感圖像處理軟件ERDAS IMAGINE進行分類試驗，通過調整算法的參數和優(yōu)化樣本點等方式不斷改進和提高分類效果。

3.2 農作物面積提取

在研究過程中，尤其要注意不同尺度、多時相遙感數據的選擇要結合被研究區(qū)域的地理數據、按當地氣象數據及其他輔助數據。在數據與特征波段分析時要結合農作物波譜特性及生物學特性，并綜合利用農作物物候期信息，提取合適的特征參量，改進分類精度和農作物提取的精確度?；贛ODIS的農作物面積提取流程如圖2所示。

4 黃淮地區(qū)冬小麥面積提取的應用

4.1 數據選擇

小麥是我國主要糧食作物之一，地域分布廣闊，種植相對集中。按照種植產區(qū)可以分為黃淮冬麥區(qū)、東北春麥區(qū)、新疆冬春麥區(qū)、北部春麥區(qū)、西北春麥區(qū)、西南冬麥區(qū)、華南冬麥區(qū)、長江中下游冬麥區(qū)、北部冬麥區(qū)等9個大區(qū)[11]。其中，黃淮地區(qū)（主要包括河南、山東、河北、天津、北京等地）是全國最大的冬小麥生產基地，其小麥種植面積占全國總種植面積的61.4%，因此成為農業(yè)遙感監(jiān)測的主要地區(qū)。

本研究選取了黃淮冬小麥種植區(qū)為研究區(qū)域，利用的MODIS遙感數據進行冬小麥種植面積提取。根據圖2所示的冬小麥物候期特征，分別選取了2010年12月上旬冬小麥分蘗期的3類數據產品進行處理，具體包括有：2010年12月8日MODIS陸地標準數據產品（MOD09GQ）、2010年12月6日至10日中國250 m EVI 5 d合成產品（MODEV1F）和2010年12月1日至10日中國250 m EVI旬合成產品（MODEV1T），分辨率均為250 m。前兩種遙感數據局部圖如圖3所示。

4.2 試驗結果

根據上述分析，對MOD09GQ的第1、2波段和MODEV1F、MODEV1T的第3、7波段進行幾何校正、影像切割和重采樣等操作。進一步對RED、NIR，BLUE和ESWIR 4個工作波段光譜數據計算，得到LSWI、EVI和EVI特征數據集。結合給區(qū)域特征，將地物分為冬小麥、綠地、裸地、水體、其他等6個類別。

在ERDAS IMAGINE Professional 9.1環(huán)境下，分別采用監(jiān)督分類和非監(jiān)督分類方法進行試驗，各參數使用該環(huán)境下該算法的缺省值。隨機抽取200個樣本點對分類結果進行精度評價，所得結果如表1所示。

Kappa系數是一種計算分類精度的方法，它采用離散的多元技術來測量圖像之間的吻合度[12]。從表1中可以看出，各種地物單類分類精度在85%以上，總體精度平均值達到了89.94%，均大于0.84。從遙感數據產品上來看，采用EVI 5 d合成的MODEV1F遙感數據的分類精度普遍高于單日數據產品MOD09GQ和旬合成數據產品MODEV1T。

5 小結與討論

農作物面積反映了農業(yè)生產在空間范圍利用農業(yè)生產資源的情況，是了解農產品種類、結果、分布特征的重要信息，是進行農業(yè)結構調整的依據，是研究糧食區(qū)域平衡、預測農業(yè)資源綜合生產能力與人口承載能力的重要數據源。應用遙感技術可以及時可靠地監(jiān)測全國主要農作物的種植面積或種植面積的變化。尤其是近年來新的高空間分辨率、高光譜、雷達等遙感技術的發(fā)展，為農業(yè)現代化管理提供了新的機遇。結合地理信息系統(tǒng)（GIS）、全球定位系統(tǒng)（GPS）和遙感技術（RS）的“3S”一體化發(fā)展必將成為今后農業(yè)遙感的研究熱點。

參考文獻：

[1] 李小文.遙感原理與應用[M].北京：科學出版社，2008.1-8.

[2] 林文鵬，王長耀.大尺度作物遙感檢測方法與應用[M].北京：科學出版社，2010.

[3] 陳仲新.GEOSS背景下的農業(yè)遙感監(jiān)測[J].中國農業(yè)資源與區(qū)劃，2012，33（4）：5-10.

[4] National Aeronautics and Space Administration：MODIS Data [DB/OL].http：//modis.gsfc.nasa.gov/.

[5] 中國科學院計算機網絡信息中心.地理空間數據云[DB/OL].http：//www.gscloud.cn/.

[6] 齊 臘，劉良云，趙春江，等.基于遙感影像時間序列的冬小麥種植監(jiān)測最佳時相選擇研究[J].遙感技術與應用，2008，23（2）：38-43.

[7] PAUL D，HATFIELF J. Crop condition and yield simulations using Landsat and MODIS imagery[J]. Remote Sensing of Environment，2004，92（4）：548-559.

[8] 王家強，于 軍，彭 杰，等.基于植被指數的土壤氮素遙感估算研究[J].西南農業(yè)學報，2014，27（1）：215-219.

[9] 范 莉，羅孳孳.基于MODIS-NDVI的水稻遙感估產——以重慶三峽庫區(qū)為例[J].西南農業(yè)學報，2009，22（5）：1416-1419.

[10] 馮學智，肖鵬峰，趙書河，等.遙感數字圖像處理與應用[M].北京：商務印書館，2011.267-274.

[11] 王長耀，林文鵬.基于MODIS EVI的冬小麥產量遙感預測研究[J].農業(yè)工程學報，2005，22（10）：90-94.

[12] 柳欽火，辛曉洲，唐 娉，等.定量遙感模型、應用及不確定性研究[M].北京：科學出版社，2010.