多級(jí)分類(lèi)法在農(nóng)情遙感中的應(yīng)用

李?lèi)倳?/p>

摘 要：隨著世界人口的不斷增加，糧食短缺的問(wèn)題正在變得日益嚴(yán)峻。盡管世界在對(duì)抗饑餓方面雖然已經(jīng)取得進(jìn)步，截止至2016年的統(tǒng)計(jì)，全球仍有7.95億人每天都面臨饑餓威脅。可靠的農(nóng)情監(jiān)測(cè)對(duì)糧食的估產(chǎn)和制定相關(guān)政策有著至關(guān)重要的導(dǎo)向作用?，F(xiàn)在國(guó)內(nèi)外對(duì)農(nóng)情監(jiān)測(cè)主要通過(guò)作物面積的估算，單位產(chǎn)量預(yù)估，長(zhǎng)勢(shì)監(jiān)測(cè)，旱情監(jiān)測(cè)以及病蟲(chóng)害監(jiān)測(cè)這五個(gè)方面開(kāi)展研究。作物類(lèi)型識(shí)別和播種面積估算一直是農(nóng)業(yè)遙感的重要內(nèi)容，對(duì)農(nóng)作物播種面積和種植結(jié)構(gòu)調(diào)整具有重要的現(xiàn)實(shí)意義[1]。本文就利用多級(jí)分類(lèi)法通過(guò)遙感手段對(duì)水田面積估算的方法進(jìn)行探究。

關(guān)鍵詞：農(nóng)情監(jiān)測(cè)；遙感；作物面積估算

中圖分類(lèi)號(hào)：S127 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2017）16-0247-02

1 引言

遙感信息具有覆蓋范圍大、探測(cè)周期短、現(xiàn)時(shí)性強(qiáng)、費(fèi)用成本低等特點(diǎn)，為農(nóng)情參數(shù)的快速、準(zhǔn)確、動(dòng)態(tài)獲取提供了重要的技術(shù)手段[2]。其應(yīng)用原理是通過(guò)反演作物生長(zhǎng)過(guò)程的特征性因子來(lái)綜合反映作物長(zhǎng)勢(shì)及其變化動(dòng)態(tài)[3]。相比較而言，傳統(tǒng)農(nóng)情信息的獲取依賴于龐大的調(diào)查隊(duì)伍和大量的調(diào)查工作，信息的獲取存在成本高、時(shí)效性差的缺點(diǎn)，同時(shí)信息結(jié)果還易受主觀因素影響[4]。增大遙感信息在所需所有信息中的比重可以有效的減輕外業(yè)工作的負(fù)擔(dān)。與此同時(shí)，地面調(diào)查一方面增加了處理結(jié)果的可靠性，另一方面也削弱了處理結(jié)果的時(shí)效性，所以為了能夠使農(nóng)情監(jiān)測(cè)真正的能夠及時(shí)有效的反應(yīng)出地面信息，遙感信息如何能夠發(fā)揮其在農(nóng)情監(jiān)測(cè)中的作用就成為了一個(gè)值得探討的問(wèn)題。

雖然各種針對(duì)農(nóng)情監(jiān)測(cè)的研究都希望能夠通過(guò)遙感的技術(shù)手段來(lái)減少對(duì)地面監(jiān)測(cè)的依賴，但是往往在這一過(guò)程中反而會(huì)需要收集更多的地面數(shù)據(jù)來(lái)保證解譯的準(zhǔn)確性，這是各個(gè)研究部門(mén)也正在致力于解決的問(wèn)題之一。同時(shí)，農(nóng)情監(jiān)測(cè)的數(shù)據(jù)源質(zhì)量對(duì)傳感器的性能也有很高的要求，主要體現(xiàn)在波段寬度和分辨率上的要求。

圖1所反映的是作物在不同生長(zhǎng)階段的波譜特征曲線，從中我們不難看出，即使是同一種作物，也會(huì)由于長(zhǎng)勢(shì)不同而體現(xiàn)出不同的光譜特征。圖2體現(xiàn)的是含水量不同的作物的波譜特性曲線，其規(guī)律表現(xiàn)為反射率會(huì)隨著植被含水量的升高而降低。由此可鑒，植被的光譜特征曲線具有相似性和復(fù)雜性，即便是同一時(shí)期，不同地塊因作物長(zhǎng)勢(shì)不同及土壤類(lèi)型、濕度的差異，導(dǎo)致光譜特征也存在差異，同物異譜、同譜異物的現(xiàn)象利用寬波段衛(wèi)星遙感器是不可能識(shí)別的[5]。所以在對(duì)作物類(lèi)別進(jìn)行區(qū)分的時(shí)候，理論上高光譜要比多光譜更容易將光譜特征相似的地物類(lèi)別分開(kāi)。

目前在農(nóng)情遙感監(jiān)測(cè)上主要使用的有兩類(lèi)數(shù)據(jù)：一類(lèi)是低空間、高時(shí)間分辨率遙感數(shù)據(jù)，如AVHRR、MODIS和Vegetation等，這類(lèi)數(shù)據(jù)可以每天覆蓋一次監(jiān)測(cè)區(qū)域，但空間分辨率都在250m～1000m；另一類(lèi)是中高空間分辨率、低時(shí)間分辨率數(shù)據(jù)，如Landsat TM/ETM、“北京一號(hào)”CCD數(shù)據(jù)、CBERS CCD數(shù)據(jù)等，這些數(shù)據(jù)的空間分辨率大都在20m～30m，但時(shí)間分辨率大都在8天～26天，作為農(nóng)情監(jiān)測(cè)對(duì)于時(shí)間分辨率的要求并不是很高（突發(fā)性災(zāi)害除外），但如果空間分辨率過(guò)低的話一個(gè)像元內(nèi)就會(huì)包含多種作物甚至其它地物類(lèi)型，混合像元問(wèn)題嚴(yán)重，所以高空間分辨率對(duì)于作物種植面積的估算是至關(guān)重要的。

盡管在某一時(shí)期的遙感圖像中存在“同譜異物”的現(xiàn)象，可能會(huì)導(dǎo)致地物不能夠被準(zhǔn)確的識(shí)別出來(lái)，而通過(guò)不同時(shí)間獲取的遙感數(shù)據(jù)進(jìn)行對(duì)比就很容易解決這一問(wèn)題，因?yàn)殡S著時(shí)間的變化地物的反射光譜特征也會(huì)隨之變化[6]。但是如果在影像資料非常欠缺的時(shí)候，我們就需要一種方法來(lái)利用手中有限的影像資料來(lái)盡可能獲取更多的信息，本文所提出的多級(jí)分類(lèi)法就是只通過(guò)一個(gè)時(shí)相的遙感影像數(shù)據(jù)將地物的類(lèi)別更加準(zhǔn)確的區(qū)分。

以二月份水稻在遙感影像的提取為例，由于長(zhǎng)江以南地區(qū)的水稻插秧時(shí)間最早為三月，通常都為三月底到四月初，所以在二月份的稻田里是沒(méi)有水稻的，但是從遙感影像中我們可以清晰的看出，稻田中是有水的，但是稻田中水的光譜特征并不一致，和旁邊的湖泊也只有細(xì)微的差異，這就給地物的分類(lèi)造成了很大的不便。針對(duì)上述問(wèn)題，本文提出了一種以高分多光譜遙感影像為數(shù)據(jù)源的地物獲取方法，主要用于分離各種光譜特征在同一時(shí)間區(qū)間非常相似的地物，如二月份的水田與湖泊，河流等水體。

2 數(shù)據(jù)說(shuō)明與預(yù)處理

本文所采用的研究數(shù)據(jù)來(lái)自于高分一號(hào)衛(wèi)星，該衛(wèi)星的衛(wèi)星參數(shù)如表1所示，從表中我們可以看出，高分一號(hào)的全色影像的分辨率和多光譜影像的分辨率分別達(dá)到了2米和8米，基本可以滿足對(duì)空間分辨率的要求。

本文所研究的地理范圍為湖北省鄂州地區(qū)，影像的獲取時(shí)間為2016年2月20日。

首先將獲取到的遙感影像通過(guò)ENVI軟件進(jìn)行拼接、剪裁和勻光，同時(shí)由于多光譜的四個(gè)波段分別為綠，紅，近紅，近紅，而對(duì)植被的研究主要用到的是紅波段與近紅外波段，所以多光譜波段組合的順序應(yīng)選為4，3，2。

將處理好的全色影像和多光譜影像進(jìn)行增強(qiáng)后對(duì)其進(jìn)行影像融合，這一步驟可以使融合后的影像同時(shí)具備全色影像的高分辨率和多光譜影像的豐富的光譜特征，為下一步對(duì)作物分類(lèi)打下堅(jiān)實(shí)的基礎(chǔ)，同時(shí)由于高分一號(hào)衛(wèi)星的分辨率非常高，數(shù)據(jù)量非常大，所以在處理影像的時(shí)候?qū)μ幚碓O(shè)備的要求會(huì)相對(duì)較高[7]。

3 多級(jí)分類(lèi)的監(jiān)督分類(lèi)法

本文在前面提到高光譜比多光譜要更易區(qū)分地物類(lèi)別，即減小波段的寬度可以使地物類(lèi)別的區(qū)分更加準(zhǔn)確，所以當(dāng)我們不能控制所獲取的影像的波段寬度時(shí)，我們可以采用縮短所取樣本的反射區(qū)間，即將一種地物按光譜反射特性的微小差異區(qū)分為多個(gè)子類(lèi)，隨后將這多個(gè)子類(lèi)按照分類(lèi)結(jié)果來(lái)決定是分為最初規(guī)定的父類(lèi)，或是歸入其他父類(lèi)，或者是由于混合成分過(guò)大單獨(dú)分為一類(lèi)，在監(jiān)督分類(lèi)后處理的時(shí)候再將其分為兩個(gè)或兩個(gè)以上的父類(lèi)，這就是多級(jí)分類(lèi)法的提出原因和基本思想，通過(guò)多級(jí)分類(lèi)的監(jiān)督分類(lèi)法可以有效的減少分類(lèi)后處理中人工處理的工作量。endprint

圖3為鄂州地區(qū)遙感影像的部分截圖，之所以選擇該區(qū)域?yàn)檠芯繉?duì)象是因?yàn)樵搮^(qū)域左側(cè)及中部的水田和區(qū)域右側(cè)的湖泊在分類(lèi)中是一個(gè)區(qū)分的難點(diǎn)。如這部分水田，通過(guò)觀察我們不難看出，有的區(qū)域顏色偏深，有的區(qū)域顏色偏淺，如果僅從光譜特征來(lái)判斷，深藍(lán)色的水田非常容易和旁邊的水體分為一類(lèi)，淺藍(lán)色的水田非常容易和建筑物分為一類(lèi)，但如果將水田按照顏色的深淺，即按照地物的光譜反射特性分為多個(gè)類(lèi)，可以減少后期人工監(jiān)督分類(lèi)后處理的工作量，提高分類(lèi)準(zhǔn)確度[8]。

監(jiān)督分類(lèi)這一步驟所使用的軟件為erdas image 2014，為了驗(yàn)證多級(jí)分類(lèi)法的科學(xué)性，訓(xùn)練樣本時(shí)采用了控制單一變量的方法，由于一個(gè)類(lèi)型所選樣區(qū)越多，分類(lèi)結(jié)果就會(huì)越準(zhǔn)確，所以為了排除這一因素的干擾，在實(shí)驗(yàn)的對(duì)象區(qū)域即湖北省鄂州市的整個(gè)范圍內(nèi)每一個(gè)子類(lèi)都選了20個(gè)大小相似的樣區(qū)，所得的實(shí)驗(yàn)結(jié)果如下。

其中圖4所分類(lèi)數(shù)為7類(lèi)，分別為湖泊，江河，人工建筑，裸露地表，植被，水田和旱地；圖5所分子類(lèi)數(shù)為9類(lèi)，將水田按顏色深淺分為了2類(lèi)，將湖泊按不同的位置和顏色深淺分為了2類(lèi)，圖6所分子類(lèi)數(shù)為16類(lèi)，將水田按顏色深淺分為了4類(lèi)，將湖泊按不同的位置和顏色深淺分為了4類(lèi)，將旱地按紋理和顏色的不同分為了2類(lèi)，將植被根據(jù)顏色的不同分為了2類(lèi)，將裸露地表根據(jù)近水和疏水分為了2類(lèi)。圖中所展示的結(jié)果均為將分類(lèi)較準(zhǔn)確地子類(lèi)歸到父類(lèi)中后呈現(xiàn)出的結(jié)果，部分子類(lèi)因?yàn)殄e(cuò)分現(xiàn)象較嚴(yán)重并沒(méi)有被并入父類(lèi)，除合并子類(lèi)外沒(méi)有進(jìn)行過(guò)任何的監(jiān)督分類(lèi)后的人工干預(yù)。

4 結(jié)果分析

沒(méi)有采用多級(jí)分類(lèi)法的對(duì)比樣本一的水田和湖泊雖然都被作為水體從圖像中被提取了出來(lái)，但二者是完全無(wú)法被區(qū)分的；采用了多級(jí)分類(lèi)法的實(shí)驗(yàn)樣本一相比對(duì)比樣本一分類(lèi)效果有了很明顯的提升，但是灰色的部分，即混合度非常大的子類(lèi)，仍然面積非常大，且淺藍(lán)色的水田和深藍(lán)色的湖泊仍有較為嚴(yán)重的混合現(xiàn)象，采用了多級(jí)分類(lèi)法并增大子類(lèi)數(shù)量的實(shí)驗(yàn)樣本二相對(duì)于實(shí)驗(yàn)樣本一又有了顯著地改善，不僅水田湖泊的交界處分類(lèi)更加清晰，植被和旱地的分類(lèi)也更加準(zhǔn)確，但是仍有部分地區(qū)被錯(cuò)分或漏分。通過(guò)三組實(shí)驗(yàn)的對(duì)比，可以看出基于多級(jí)分類(lèi)法的監(jiān)督分類(lèi)的確可以在一定程度上減少錯(cuò)分漏分的效果[9]。

從所得結(jié)果中可以看出，多級(jí)分類(lèi)法在一定程度上可以減少錯(cuò)分的面積，但是并不能完全消除錯(cuò)分現(xiàn)象，多級(jí)分類(lèi)法也只能在一定程度上解決光譜特征相似的分類(lèi)問(wèn)題，子類(lèi)的數(shù)量一旦增加到一定程度，改善效果就會(huì)變得不明顯，甚至適得其反。

5 不足與展望

本文提出的方法有一點(diǎn)遺憾之處就是此方法仍是通過(guò)對(duì)像元進(jìn)行分類(lèi)而不是面向地物對(duì)象的分類(lèi)，如果能在多級(jí)分類(lèi)的基礎(chǔ)上，加上對(duì)地物的光譜反射特性之外的地物特征，如紋理，大小，形狀等方面進(jìn)行采集和研究，計(jì)算機(jī)分類(lèi)就會(huì)更加的準(zhǔn)確有效。另一方面由于多級(jí)分類(lèi)法適用于來(lái)自多光譜傳感器獲取的影像，如果高光譜傳感器獲取的影像大規(guī)模投入使用，由于高光譜已經(jīng)將發(fā)射波的波段寬度縮減的很小，這種方法的效力可能就會(huì)大大減弱。然而，高光譜的出現(xiàn)能夠很好地從數(shù)據(jù)獲取的源頭解決這一問(wèn)題，才使得多級(jí)分類(lèi)法變得不那么必要。盡管如此，在高光譜影像普及之前，多級(jí)分類(lèi)法的作用和效力還是相當(dāng)可觀的。

參考文獻(xiàn)

[1]陳水森.基于波譜庫(kù)的作物純像元識(shí)別與種植面積遙感估算[D].中國(guó)科學(xué)院遙感應(yīng)用研究所，2005.

[2]蒙繼華，吳炳方，李強(qiáng)子，杜鑫.農(nóng)田農(nóng)情參數(shù)遙感監(jiān)測(cè)進(jìn)展及應(yīng)用展望[J].遙感信息，2010，（03）：122-128.

[3]劉淑云，谷衛(wèi)剛，朱建華.基于遙感數(shù)據(jù)的冬小麥農(nóng)情監(jiān)測(cè)研究進(jìn)展[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2010，（02）：5-9.

[4]吳炳方，蒙繼華，李強(qiáng)子.國(guó)外農(nóng)情遙感監(jiān)測(cè)系統(tǒng)現(xiàn)狀與啟示[J].地球科學(xué)進(jìn)展，2010，（10）：1003-1012.

[5]張群，季中奎，王艷艷.衛(wèi)星遙感測(cè)算冬小麥播種面積[J].中國(guó)統(tǒng)計(jì)，2008，（06）：9-11.

[6]孫華生.利用多時(shí)相MODIS數(shù)據(jù)提取中國(guó)水稻種植面積和長(zhǎng)勢(shì)信息[D].浙江大學(xué)，2009.

[7]趙春江.農(nóng)業(yè)遙感研究與應(yīng)用進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，（12）：277-293.

[8]楊邦杰，裴志遠(yuǎn)，周清波，劉海啟.我國(guó)農(nóng)情遙感監(jiān)測(cè)關(guān)鍵技術(shù)研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)，2002，（03）：191-194.

[9]錢(qián)永蘭，楊邦杰，雷廷武.數(shù)據(jù)融合及其在農(nóng)情遙感監(jiān)測(cè)中的應(yīng)用與展望[J].農(nóng)業(yè)工程學(xué)報(bào)，2004，（04）：286-290.endprint