基于高分一號(hào)與Landsat 8衛(wèi)星影像的庫爾勒市香梨種植面積識(shí)別研究

楊屹鹍+蔣平安+武紅旗+朱磊

摘要：庫爾勒香梨是一個(gè)地域性極強(qiáng)的名優(yōu)特優(yōu)品種，是庫爾勒地區(qū)乃至全國(guó)最優(yōu)異的地方梨品種之一，利用遙感技術(shù)快速、準(zhǔn)確獲取庫爾勒市香梨的種植面積、長(zhǎng)勢(shì)等信息，可為政府管理部門制定各種決策提供數(shù)據(jù)支持。本研究利用高分一號(hào)（GF-1，分辨率2 m和16 m）、Landsat 8（分辨率30 m）2015年4—10月的庫爾勒市遙感影像，依據(jù)地面調(diào)查建立的感興趣區(qū)域（ROI），采用5種不同方法進(jìn)行監(jiān)督分類，通過識(shí)別精度比較篩選出最佳識(shí)別方法，并對(duì)庫爾勒市的香梨種植面積進(jìn)行識(shí)別、提取。結(jié)果表明，GF-1影像數(shù)據(jù)的最佳識(shí)別月份為8月，最佳識(shí)別方法是最大似然法，識(shí)別精度為95.94%；Landsat 8影像數(shù)據(jù)的最佳識(shí)別月份為10月，最佳識(shí)別方法也是最大似然法，識(shí)別精度為94.43%。因此，選擇利用8月份的GF-1影像數(shù)據(jù)提取庫爾勒市的香梨栽植面積，經(jīng)最大似然法進(jìn)行監(jiān)督分類，最終解譯面積為2.827萬公頃，與實(shí)際統(tǒng)計(jì)資料相比，識(shí)別精度96.45%，說明利用該方法監(jiān)測(cè)庫爾勒市的香梨栽植情況可行。

關(guān)鍵詞：庫爾勒市；香梨；面積識(shí)別；高分一號(hào)；Landsat 8

中圖分類號(hào)：S127文獻(xiàn)標(biāo)識(shí)號(hào)：A文章編號(hào)：1001-4942（2018）01-0153-05

Abstract Korla fragrant pear is a well-known and excellent variety with strong regionalism， and it is one of the most excellent local pear cultivars in Korla and even in China. With the remote sensing technology， we can quickly and exactly gain informations of Korla fragrant pear including planting area and growth vigor， which could provide data support for government administration section making decision. Using the Korlas remote sensing images of GF-1 （resolving power as 2 m and 16 m ） and Landsat 8 （resolving power as 30 m） from April to October of 2015， according to the region of interest （ROI） set by ground survey， adopting 5 different supervised classification methods， the best recognition method was screened out with recognition accuracy， and the Korla fragrant pear planting area was recognized and extracted. The results showed that the best recognition month of GF-1 image was August， and the best recognition method was maximum likelihood method， and its recognition accuracy reached 95.94%； the best recognition month of Landsat 8 image was October， the best recognition method was also maximum likelihood method， and the recognition accuracy reached 94.43%. With the GF-1 image in August，supervised classification by the maximum likelihood method， the final planting area of Korla fragrant pear was extracted as 28.27 thousand hectare， and the recognition accuracy could reach 96.45% compared with the practical statistics， which showed the method was suitable for supervising the planting situation of fragrant pear in Korla.

Keywords Korla； Fragrant pear； Area identification； GF-1； Landsat 8

我國(guó)是世界上最大的果樹起源中心之一，果樹資源極為豐富[1]。新疆光熱充足、氣候條件適宜，是優(yōu)質(zhì)林果種植生產(chǎn)的主要地區(qū)。庫爾勒市地處新疆腹地，從2007年起，香梨成為庫爾勒市農(nóng)民增收的第一產(chǎn)業(yè)，種植面積以每年3 333.3公頃的速度快速增長(zhǎng)，因此，了解該區(qū)域的香梨分布及種植面積，對(duì)于政府部門掌握當(dāng)?shù)亓止麡I(yè)種植信息，及時(shí)調(diào)整相關(guān)生產(chǎn)和銷售策略，實(shí)現(xiàn)庫爾勒香梨的規(guī)?；N植及生產(chǎn)銷售產(chǎn)業(yè)鏈一體化發(fā)展具有重要的現(xiàn)實(shí)意義。

遙感技術(shù)是目前獲取作物種植面積和分布情況最快速、方便、有效的信息手段和技術(shù)方式之一。利用不同地物光譜特征不同在衛(wèi)星遙感影像上的反映不同進(jìn)行農(nóng)作物的識(shí)別，是當(dāng)前遙感技術(shù)應(yīng)用領(lǐng)域中比較成熟的一種技術(shù)。高分辨率遙感影像因其較高的空間分辨率、豐富的空間結(jié)構(gòu)和紋理信息對(duì)地物的準(zhǔn)確識(shí)別起到了積極作用[2，3]。本研究基于高分一號(hào)和Landsat 8影像，通過篩選，確定了適宜庫爾勒香梨種植面積識(shí)別的最佳影像數(shù)據(jù)、月份和監(jiān)督分類方法，并利用該方法提取出了庫爾勒市的香梨種植面積。這為相關(guān)部門了解庫爾勒香梨的種植和分布情況，制定相應(yīng)政策，實(shí)現(xiàn)庫爾勒香梨產(chǎn)業(yè)的可持續(xù)發(fā)展提供了數(shù)據(jù)支撐。endprint

1 研究區(qū)概況

庫爾勒市位于新疆腹地，處在中國(guó)最大的沙漠——塔克拉瑪干沙漠的邊緣，天山支脈霍拉山南麓，塔里木盆地東北緣，面積達(dá)48.27萬平方千米。地跨東經(jīng)85°12′～86°27′、北緯 41°11′～42°14′，屬暖溫帶大陸性干旱氣候，降水量稀少，蒸發(fā)量大，光熱資源豐富，年均總?cè)照諘r(shí)數(shù)3 000 h。主要以種植果樹和棉花為主。

庫爾勒市盛產(chǎn)水果，20世紀(jì)80年代其水果產(chǎn)業(yè)開始進(jìn)入快速發(fā)展階段。2015年，全市水果種植面積達(dá)到了4.47萬公頃，年產(chǎn)量超過了43萬噸，已成為庫爾勒市最重要的一個(gè)林業(yè)支柱產(chǎn)業(yè)[5]，是該地區(qū)農(nóng)民經(jīng)濟(jì)增收的重要渠道。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源與處理

2.1.1 數(shù)據(jù)來源 本研究所用影像數(shù)據(jù)來自新疆衛(wèi)星應(yīng)用工程中心，分別選取2015年4—10月高分一號(hào)（GF-1，分辨率2 m和16 m）和Landsat 8 （分辨率30 m）的庫爾勒地區(qū)遙感影像。具體信息如表1所示。

2.1.2 建立感興趣區(qū)域 遙感影像的分辨率不同，其識(shí)別方法也不相同。中低分辨率遙感數(shù)據(jù)的識(shí)別是基于不同地物的光譜特征不同，建立NDVI，對(duì)目標(biāo)植物進(jìn)行識(shí)別；而高分辨率遙感影像數(shù)據(jù)則可通過人工目視解譯對(duì)影像色彩、影紋等特征進(jìn)行識(shí)別[6-10]。本研究選用的高分一號(hào)與Landsat 8遙感數(shù)據(jù)均為高分辨率影像數(shù)據(jù)，可根據(jù)梨樹與其他農(nóng)作物生育時(shí)期、植株特點(diǎn)的不同，確定最佳解譯時(shí)相，然后根據(jù)顏色和紋理差異進(jìn)行解譯。

在高分辨率遙感影像中，不同時(shí)期的香梨樹呈現(xiàn)出不同的顏色與紋理，香梨成年林郁閉度高，呈致密深綠色；中成林也呈深綠色，但郁閉度相對(duì)成年林低，呈星點(diǎn)狀分布，樹木基本清晰可見，致密程度明顯低于成年林；幼年林郁閉度較小，呈有規(guī)律的小星點(diǎn)狀分布。根據(jù)2015年實(shí)地調(diào)查，將庫爾勒市的作物類型劃分為香梨、棉花、其他農(nóng)作物三類（表2），結(jié)合高分一號(hào)和Landsat 8假彩色遙感影像，依據(jù)作物紋理建立感興趣區(qū)域（region of interest，ROI）。

2.1.3 建立掩膜 根據(jù)2015年7月獲取的高分一號(hào)衛(wèi)星2 m遙感影像，通過目視解譯對(duì)獲取的庫爾勒市土地利用現(xiàn)狀圖進(jìn)行更新，然后結(jié)合實(shí)地調(diào)查結(jié)果對(duì)研究區(qū)域內(nèi)的香梨、棉花、其他農(nóng)作物進(jìn)行解譯、識(shí)別，同時(shí)刪除干擾提取感興趣區(qū)域的項(xiàng)，建立研究區(qū)域掩膜，以便提高香梨栽植面積的提取精度。

2.2 研究區(qū)監(jiān)督分類及梨樹種植面積計(jì)算

根據(jù)2015年實(shí)地調(diào)查數(shù)據(jù)，建立香梨樹、棉花、其他農(nóng)作物的訓(xùn)練樣本和驗(yàn)證樣本（表2）。利用建立的ROI，分別采用平行六面體法、最大似然法、最小距離法、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)對(duì)不同月份的影像進(jìn)行監(jiān)督分類，得到監(jiān)督分類結(jié)果的總體精度、Kappa系數(shù)和可分離性報(bào)告，通過精度驗(yàn)證，確定研究區(qū)梨樹面積提取的最佳識(shí)別月份和最佳識(shí)別方法，經(jīng)柵格轉(zhuǎn)矢量后計(jì)算研究區(qū)的梨樹面積。

3 結(jié)果與分析

3.1 監(jiān)督分類結(jié)果

首先選用最大似然法和最小距離法對(duì)高分一號(hào)與Landsat 8各月份影像進(jìn)行分類與驗(yàn)證，從而選出香梨樹與棉花和其他農(nóng)作物分類度較高的月份，并用于各類方法的驗(yàn)證，從而選出分別適于兩種影像數(shù)據(jù)的最佳驗(yàn)證方法。

從表3和表4中香梨、棉花以及其他農(nóng)作物的可分離性來看，GF-1衛(wèi)星影像數(shù)據(jù)的值低于Landsat 8衛(wèi)星影像，這主要是因?yàn)镚F-1衛(wèi)星影像的灰度分辨率低于Landsat 8衛(wèi)星影像，對(duì)同一作物細(xì)節(jié)的分辨能力相對(duì)較弱。總體來說各月份訓(xùn)練樣本之間的可分離性較好，說明本研究選擇的訓(xùn)練樣本比較合理。

從表5中看出，高分一號(hào)數(shù)據(jù)8月份的分類總精度最好，分別高達(dá)95.94%（最大似然法）、93.05%（最小距離法）；Kappa系數(shù)分別為0.935（最大似然法）、0.886（最小距離法）。因此，對(duì)于高分一號(hào)，可利用8月份的影像數(shù)據(jù)進(jìn)行不同方法的驗(yàn)證，以篩選最佳驗(yàn)證方法。

對(duì)于Landsat 8數(shù)據(jù)（表6），最大似然法10月份的分類精度最高，高達(dá)94.43%，Kappa系數(shù)為0.909；最小距離法7月份驗(yàn)證精度最高，為89.99%，Kappa系數(shù)為0.837。因此，對(duì)于Landsat 8數(shù)據(jù)需分別用10月和7月的影像數(shù)據(jù)進(jìn)行不同方法的驗(yàn)證，以篩選最佳驗(yàn)證方法。

對(duì)不同方法的驗(yàn)證結(jié)果（表7、表8）表明，對(duì)于GF-1影像數(shù)據(jù)，最大似然法的驗(yàn)證精度最高，可利用該方法對(duì)其8月份的影像數(shù)據(jù)進(jìn)行梨樹種植面積提取。而對(duì)于Landsat 8數(shù)據(jù)，10月份時(shí)利用最大似然法的驗(yàn)證精度最高，因此，可利用最大似然法對(duì)10月份的Landsat 8影像數(shù)據(jù)進(jìn)行庫爾勒香梨種植面積提取。

3.2 香梨栽植面積提取

通過上述分析，兩種數(shù)據(jù)的最佳監(jiān)督分類方法均為最大似然法，但基于高分一號(hào)衛(wèi)星16 m遙感影像的總體精度要高于Landsat 8衛(wèi)星30 m遙感影像，香梨解譯精度更高，最終選用高分一號(hào)衛(wèi)星16 m遙感影像8月份數(shù)據(jù)用于庫爾勒市香梨栽植面積的提取。

利用ENVI 5.2對(duì)柵格數(shù)據(jù)進(jìn)行轉(zhuǎn)矢量，通過Raster to Polygon工具，將大量的面狀柵格數(shù)據(jù)轉(zhuǎn)換為由少量數(shù)據(jù)表示的點(diǎn)狀、線狀和面狀矢量數(shù)據(jù)[11-13]。利用ArcGIS對(duì)8月的高分一號(hào)衛(wèi)星影像進(jìn)行庫爾勒市香梨栽植面積的提取和計(jì)算，結(jié)果顯示，庫爾勒市2015年香梨栽植解譯面積為2.827萬公頃，與實(shí)際統(tǒng)計(jì)資料（2.730萬公頃）相比，識(shí)別精度達(dá)96.45%，結(jié)果良好。

4 討論

通過對(duì)庫爾勒市的作物種植信息進(jìn)行搜集和整理發(fā)現(xiàn)，研究區(qū)域內(nèi)的主要種植作物為香梨和棉花，另有小部分其他作物。梨樹的物候期為3月下旬至4月上旬開花，4月上中旬坐果，6月為生理落果期，7月為果實(shí)迅速生長(zhǎng)期，7月中下旬至10月為果實(shí)成熟期，11月為落葉期，12月至翌年3月為休眠期。其他農(nóng)作物基本都在9月份收獲完畢，因此，可以利用梨樹與其他農(nóng)作物的物候期不同對(duì)其分類。本研究分別利用GF-1（分辨率16 m）和Landsat 8（分辨率30 m）各月份的影像數(shù)據(jù)進(jìn)行香梨栽植面積識(shí)別，解譯結(jié)果表明GF-1衛(wèi)星影像數(shù)據(jù)8月份的總體精度最高，而Landsat 8衛(wèi)星遙感影像為10月份總體精度最高。根據(jù)香梨物候期，8月份為其主要生長(zhǎng)期，與其他農(nóng)作物的光譜差異大，而10月份以后逐漸進(jìn)入冬眠期。綜合來看，選取8月份的GF-1衛(wèi)星遙感影像數(shù)據(jù)進(jìn)行庫爾勒香梨栽植面積提取更好。endprint

陳晨[14]、邵曉敏[15]、王鶴霖[16] 等都對(duì)紋理信息參與分類進(jìn)行了研究，結(jié)果均表明基于紋理特征能夠顯著提高影像的分類精度。李子藝[17]基于高光譜遙感原理，對(duì)南疆盆地不同時(shí)節(jié)的4種果樹進(jìn)行了分類研究，分類效果良好。雷彤等[18]基于高光譜數(shù)據(jù)對(duì)蘋果果期冠層的光譜特征進(jìn)行了研究，并建立了回歸模型，實(shí)現(xiàn)了蘋果產(chǎn)量的估測(cè)。李國(guó)清[20]運(yùn)用ALOS影像對(duì)福建省順昌縣的主要樹種進(jìn)行分類識(shí)別，認(rèn)為利用基于光譜信息、植被指數(shù)、紋理特征和地形因子的決策樹分類法提取該山地丘陵地形條件的樹種信息，可以獲得比較好的分類效果。本研究基于GF-1和Landsat 8遙感影像的作物紋理特征建立感興趣區(qū)域，采用最大似然法進(jìn)行監(jiān)督分類，兩者的分類總精度最高分別為95.94%和94.43%，分類效果均比較好。

5 結(jié)論

本研究基于GF-1（分辨率16 m）和Landsat 8（分辨率30 m）在4—10月，采用平行六面體法、最大似然法、最小距離法、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)對(duì)庫爾勒市的香梨進(jìn)行識(shí)別分類，結(jié)果表明，利用GF-1衛(wèi)星16 m影像8月的多光譜數(shù)據(jù)，采用最大似然法進(jìn)行監(jiān)督分類，對(duì)2015年庫爾勒市的香梨栽植面積進(jìn)行提取，解譯面積為2.827萬公頃，與庫爾勒市農(nóng)業(yè)局實(shí)地調(diào)查統(tǒng)計(jì)結(jié)果2.730萬公頃相比，識(shí)別精度為96.45%，說明利用該方法可以比較精確地提取出庫爾勒市的香梨栽植面積。

但本研究仍存有不足之處，需在今后的研究中加以改進(jìn)：首先庫爾勒市的林果業(yè)較為發(fā)達(dá)，香梨是主要的果樹，但也有葡萄等其他果樹，因其他果樹的種植面積較小，所以本研究中并未詳細(xì)區(qū)分香梨與其他果樹，今后需對(duì)其進(jìn)行進(jìn)一步分離，以便提高解譯精度。其次，本研究只選用了GF-1衛(wèi)星與Landsat 8衛(wèi)星兩種數(shù)據(jù)源，隨著其他資源衛(wèi)星的發(fā)射成功，當(dāng)前可選擇的遙感衛(wèi)星較多，在今后的研究中有必要對(duì)比多種不同數(shù)據(jù)源在作物面積識(shí)別與長(zhǎng)勢(shì)監(jiān)測(cè)中的可行性、可靠性。

參 考 文 獻(xiàn)：

[1] 韓秀梅，吳亞維，李金強(qiáng)，等. 中國(guó)野生果樹種質(zhì)資源分布及其開發(fā)利用[J]. 安徽農(nóng)業(yè)科學(xué)， 2008， 36（31）：13615-13617.

[2] 李曉峰，張樹清，那曉東，等. 利用Contourlet域紋理特征在高分辨率遙感影像上提取林地邊界[J]. 林業(yè)科學(xué)研究， 2008（z1）： 142-145.

[3] 尹嚴(yán)彪，李霞，石瑞花，等. 基于ALOS數(shù)據(jù)3種插值方法對(duì)比分析[J]. 新疆農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2008， 31（6）： 46-49.

[4] 何子順，任紅，阿衣木古麗·馬布力，等. 庫爾勒市庫爾勒香梨產(chǎn)業(yè)存在問題分析[J]. 山西果樹， 2010（4）： 44-46.

[5] 程乾，王人潮. 數(shù)字高程模型和多時(shí)相MODIS數(shù)據(jù)復(fù)合的水稻種植面積遙感估算方法研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2005， 21（5）： 89-92.

[6] 韓立建，潘耀忠，賈斌，等. 基于多時(shí)相 IRS-P6 衛(wèi)星 AWIFS 影像的水稻種植面積提取方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2007， 23（5）： 137-143.

[7] 余凌翔，朱勇，魯韋坤，等. 基于HJ-1CCD遙感影像的西雙版納橡膠種植區(qū)提取[J]. 中國(guó)農(nóng)業(yè)氣象， 2013， 34（4）： 493-497.

[8] 林子晶，李衛(wèi)國(guó)，申雙和，等. HJ星和GF1號(hào)數(shù)據(jù)在水稻種植面積提取中的應(yīng)用[J]. 江蘇農(nóng)業(yè)學(xué)報(bào)，2016，32（3）：111-117.

[9] 黃妙芬，牛生麗，孫中平，等. 環(huán)境一號(hào)衛(wèi)星CCD相機(jī)水體信息采集特性分析[J]. 遙感信息， 2010（4）： 68-75.

[10]Zhang R H， Fang Y. The research and analysis of on-line monitoring environment system based on WebGIS in Guangzhou City [C]//2009 International Conference on Test and Measurement， 2009： 100-102.

[11]趙麗花，李衛(wèi)國(guó)，杜培軍. 基于多時(shí)相HJ衛(wèi)星的冬小麥面積提取[J]. 遙感應(yīng)用， 2011（2）： 41-46.

[12]王爾美，李衛(wèi)國(guó)，顧曉鶴，等. 基于光譜特征分異的玉米種植面積提取[J]. 江蘇農(nóng)業(yè)學(xué)報(bào)，2017，33（4）：822-827.

[13]楊婕，岳彩榮，林江南，等. 基于環(huán)境衛(wèi)星影像的水稻種植面積提取方法研究[J]. 江蘇農(nóng)業(yè)學(xué)報(bào)， 2012， 28（4）：728-732.

[14]陳晨，張友靜.基于多尺度紋理和光譜信息的SVM分類研究[J]. 測(cè)繪科學(xué)， 2009， 34（1）： 29-31.

[15]邵曉敏，劉勇. 基于紋理的烏蘭布和沙漠地區(qū)植被信息提取[J]. 遙感技術(shù)與運(yùn)用， 2010， 25（5）： 687-694.

[16]王鶴霖，范文義，趙妍. 基于紋理信息的森林類型遙感識(shí)別技術(shù)[J]. 東北林業(yè)大學(xué)學(xué)報(bào)， 2013， 41（6）： 50-54.

[17]李子藝. 基于冠層光譜數(shù)據(jù)的南疆盆地主栽果樹樹種遙感分類研究[D]. 烏魯木齊： 新疆農(nóng)業(yè)大學(xué)，2015.

[19]雷彤，趙庚星，朱西存，等.基于高光譜的蘋果果期冠層光譜特征及其果量估測(cè)[J].生態(tài)學(xué)報(bào)，2010，30（9）：2276-2285.

[20]李國(guó)清. 南方山地丘陵森林主要樹種遙感信息提取研究[D]. 福州：福建農(nóng)林大學(xué)， 2009.endprint