基于OLI影像的四川丘陵地區(qū)水稻種植面積監(jiān)測

蔣 怡, 李宗南*, 李丹丹, 任國業(yè), 李章成

(1. 四川省農(nóng)業(yè)科學(xué)院遙感應(yīng)用研究所,四川 成都 610066；2. 農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點實驗室,北京 100081；3. 中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所,北京 100081)

【研究意義】水稻作為世界三大糧食作物之一，在中國有廣泛種植，其面積約為全國糧食播種面積的27 %，其產(chǎn)量占總產(chǎn)量的1/3[1]。四川是中國13個糧食主產(chǎn)區(qū)之一，水稻種植面積約200萬hm2左右，其中大部分分布于四川盆地丘陵地區(qū)。水稻種植面積及變化率是重要的農(nóng)情信息之一，對國家糧食安全預(yù)警、宏觀糧食經(jīng)濟(jì)決策具有重要意義。【前人研究進(jìn)展】目前，使用遙感影像通過監(jiān)督分類法提取水稻像元是估算水稻種植面積常用的方法。該方法的精度受影像分辨率、種植連片程度、地物大小造成的混合像元影響，種植結(jié)構(gòu)破碎，混合像元比例高，會導(dǎo)致分類精度下降[2-5]。米級高分辨率的遙感影像能夠準(zhǔn)確地估算水稻種植面積,但影像覆蓋面積小。因此目前大區(qū)域作物種植面積估算主要以覆蓋面積大,重訪周期短的5～30 m中高分辨率遙感影像為主?！颈狙芯壳腥朦c】Landsat 8衛(wèi)星于2013年2月11日發(fā)射，其采集到的影像免費向全球用戶提供，其搭載的OLI(Operational Land Imager)所獲取的數(shù)據(jù)在光譜、空間、時間分辨率等性能與早期TM、ETM+等數(shù)據(jù)有良好的繼承，是目前作物種植面積估算采用的主要遙感數(shù)據(jù)。四川丘陵區(qū)水田普遍存在地塊面積小、兼作等問題，OLI 15～30 m分辨率影像的解譯精度受到影響，但目前鮮有分析評價丘陵區(qū)OLI影像估算水稻面積精度的研究。【擬解決的關(guān)鍵問題】因此該研究收集2016年四川丘區(qū)OLI影像進(jìn)行解譯，評價OLI影像在四川丘區(qū)水稻種植面積監(jiān)測中的精度，為提高四川水稻種植面積監(jiān)測精度提供參考。

1 數(shù)據(jù)來源

1.1 研究區(qū)概況

四川盆地中部為典型的方山丘陵區(qū)，地勢低矮，海拔在250～600 m，丘谷高差50～200 m，地勢由北向南傾斜，南部多淺丘，北部多深丘，為四川省丘陵集中分布區(qū)。研究區(qū)分別位于金堂縣和三臺縣，具體區(qū)位詳見圖1(封三)。位于金堂縣的研究區(qū)，坡度較緩，相對高差30～50 m左右，呈波狀起伏或崗丘形態(tài)，屬于淺丘地形；位于三臺縣的研究區(qū)，坡度較大，相對高度在100～180 m，屬深丘地形。

1.2 水稻樣方種植面積調(diào)查

通過實地調(diào)查與Google Earth遙感影像解譯確定樣方內(nèi)水稻種植面積。于2016年6月1-17日在四川省進(jìn)行水稻種植面積野外調(diào)查，使用GPS實地定位，確定地面樣方水稻種植面積，為建立解譯標(biāo)志。通過Google Earth查找，2016年7月15日有良好影像覆蓋地面調(diào)查區(qū)域，結(jié)合野外實地調(diào)查，建立水稻、水體、植被、居民點、道路等解譯標(biāo)志，通過目視解譯得到樣方的水稻種植面積，各樣方內(nèi)水稻種植面積、圖斑數(shù)及圖斑平均面積見表1。淺丘區(qū)水稻圖斑平均面積較深丘區(qū)的大。

1.3 OLI影像

OLI影像乂幅為185 km×185 km，包括9個波段，各波段主要性能見表2。通過美國USGS的landsatlook系統(tǒng)查詢到2016年7月22日有質(zhì)量較好的影像覆蓋研究區(qū)。該時期研究區(qū)水稻已完成分蘗，處于拔節(jié)時期，葉面積較大，水稻光譜特征明顯，易于識別。

2 材料與方法

2.1 影像預(yù)處理

OLI影像的預(yù)處理主要有影像的正射校正、數(shù)據(jù)融合。正射校正基于網(wǎng)格分辨率為30 m的ASTER GDEM高程數(shù)據(jù)進(jìn)行。數(shù)據(jù)融合采用Gram-Schmidt變換法，該法改進(jìn)了主成分變化法中信息過于集中的問題，且不受波段數(shù)量限制，融合后影像保持了較好的空間紋理及光譜特征。通過將15 m分辨率的全色影像與30 m分辨率的多光譜影像進(jìn)行數(shù)據(jù)融合，得到研究所需的15 m分辨率的遙感影像。

2.2 水稻遙感特征

2016年7月22日，研究區(qū)水稻移栽50 d左右，水稻處于孕穗期，水稻冠層基本覆蓋整個稻田，水稻遙感特征明顯，易于與其他地物區(qū)分[6-8]。假彩色顯示采用R5G6B7組合，即RGB分別對應(yīng)OLI影像的第5～7波段。分析影像的色調(diào)、輪廓大小、陰影、圖案、紋理、布局等多方面因素，建立OLI影像上水稻及其他重點地物的解譯標(biāo)志，根據(jù)解譯標(biāo)志確定目標(biāo)地物的空間分布特征[9]。研究區(qū)內(nèi)各典型地物遙感特征如圖2(封三)，水稻呈深紅色，并隨丘谷地形分布呈樹枝狀，水體呈藍(lán)黑色，其他植被呈橙色，居民地呈藍(lán)白間雜的顏色，道路呈白色條帶狀。

表1 深淺丘區(qū)水稻種植面積表Table 1 Rice acreage table in shallow and hilly area

表2 OLI陸地成像儀傳感器主要性能Table 2 Main performance of OLI land imager sensors

2.3 基于最大似然分類法的水稻解譯

使用最大似然法進(jìn)行監(jiān)督分類。該方法作為一種參數(shù)分類法，在有足夠多的訓(xùn)練樣本、一定的類別先驗概率分布知識，且數(shù)據(jù)接近正態(tài)分布的條件下，最大似然法被認(rèn)為是分類精度最高的分類方法[10]，且絕大部分的水稻種植面積提取研究報道都選用了最大似然法[11]。首先建立主要典型地物的訓(xùn)練區(qū)，本研究選取水稻及與水稻鄰近地物水體、植被、居民地和道路等地物訓(xùn)練區(qū)，然后對影像進(jìn)行分類，結(jié)合地面調(diào)查和專業(yè)知識對分類結(jié)果進(jìn)行后處理[12]，剔除明顯錯分為水稻的地物，最后統(tǒng)計水稻圖斑面積。

2.4 精度評價

樣方大小對精度評價有影響。樣方范圍太小，代表性不足；樣方范圍太大，則增加樣方調(diào)查難度。本研究比較多個樣方范圍的精度后，采用25 km2樣方。以Google Earth影像解譯得到的真實水稻種植面積總量為準(zhǔn)值(A0)，由隨機選取某一樣區(qū)內(nèi)提取的水稻面積總量(Ai)與(A0)進(jìn)行比較，獲取區(qū)域內(nèi)總體面積提取精度，即為區(qū)域精度(Ki)。計算公式：

通過淺丘區(qū)和深丘區(qū)各4個隨機樣方的水稻面積評價OLI影像監(jiān)測四川丘陵區(qū)水稻面積的精度。

3 結(jié)果與分析

由表3可知，在樣方面積相同的情況下，淺丘區(qū)的精度范圍為91.3 %～99.0 %，誤差范圍為1.0 %～8.7 %；深丘區(qū)為84.2 %～98.4 %，誤差范圍為1.5 %～15.8 %。通過比較淺丘區(qū)、深丘區(qū)的監(jiān)測精度，認(rèn)為OLI影像在淺丘區(qū)的水稻監(jiān)測有更好的監(jiān)測精度，且隨著丘陵區(qū)的丘谷相對高度逐漸增大、丘陵坡度增加，通過OLI影像基于監(jiān)督分類法的水稻面積監(jiān)測精度會下降，監(jiān)測結(jié)果的不確定性增加。因為隨著丘谷高差、坡度增大，水田地塊形狀趨于狹長、連片面積變小、破碎度上升，導(dǎo)致水稻與其他地物的混合像元增加，進(jìn)而導(dǎo)致基于監(jiān)督分類法的分類精度下降。丘陵地區(qū)水稻種植區(qū)主要分布于平地、谷地,與其他作物插花種植現(xiàn)象較普遍。已有研究結(jié)果表明種植結(jié)構(gòu)多樣化、地塊破碎、海拔及地形復(fù)雜均導(dǎo)致水稻面積估算精度下降[13-14]。本研究通過對比四川丘區(qū)不同丘谷高差的水稻種植區(qū)的OLI影像監(jiān)測結(jié)果，認(rèn)為使用OLI影像基于監(jiān)督分類的水稻面積監(jiān)測方法的精度受較多因素影響，解譯結(jié)果存在較大不確定性，隨著丘陵丘谷高差增大，其監(jiān)測結(jié)果的不確定性上升。

表3 丘區(qū)水稻種植面積區(qū)域精度Table 3 Regional precision of rice planting area in hilly area

4 討 論

本研究通過地面調(diào)查與Google Earth影像解譯獲取的樣方水稻種植面積數(shù)據(jù)評價了使用15 m OLI融合影像基于監(jiān)督分類方法監(jiān)測四川丘陵地區(qū)水稻種植面積的精度。分析結(jié)果顯示隨著丘谷高差增大，地形趨于復(fù)雜、地塊趨于狹長與破碎，OLI影像監(jiān)測結(jié)果的不確定性增加，精度下降。為進(jìn)一步提高丘區(qū)水稻種植面積估算精度，需使用更高空間分辨率的衛(wèi)星遙感影像，如使用5 m分辨率的Rapideye影像；或改變分類方法，本研究使用的最大似然分類法分類依據(jù)主要根據(jù)解譯標(biāo)志差異明顯的3個波段信息，對其他光譜信息及先驗知識的使用不足，如使用決策樹分類，通過引入更多的先驗知識可提高分類精度。另外為提高四川地區(qū)水稻面積監(jiān)測結(jié)果的可信度，需在監(jiān)測評價中需采用更合理的抽樣方法，如分層抽樣、依據(jù)地形類型抽樣等；以降低平壩、淺丘、深丘等不同地形不同解譯精度對監(jiān)測造成的影響。

5 結(jié) 論

通過地面水稻樣方調(diào)查和同生長季Google Earth影像解譯獲取淺丘區(qū)、深丘區(qū)樣方內(nèi)水稻種植面積，并以此結(jié)果評價基于最大似然分類法和15 m OLI融合影像的川中丘陵的水稻種植面積監(jiān)測結(jié)果。

(1)基于最大似然分類法和OLI融合影像的川中丘陵的水稻種植面積監(jiān)測精度平均約92 %左右，誤差范圍大約1 %～16 %，監(jiān)測結(jié)果存在較大不確定性。

(2)隨著丘谷高差增大，地形趨于復(fù)雜、地塊趨于狹長與破碎，基于OLI影像的丘陵區(qū)水稻面積監(jiān)測結(jié)果的不確定性增加，精度有下降趨勢。

參考文獻(xiàn)：

[1]程式華,李 建. 現(xiàn)代中國水稻[M]. 北京:金盾出版社, 2007:1-3.

[2]黃慧萍,吳炳方. 地物大小、對象尺度、影像分辨率的關(guān)系分析[J]. 遙感技術(shù)與應(yīng)用, 2006, 21(3):243-248.

[3]張煥雪,李強子. 空間分辨率對作物識別及種植面積估算的影響研究[J]. 遙感信息, 2014, 29(2):36-42.

[4]蔣 怡,李宗南,任國業(yè),等. 基于GF-1 PMS影像的丘區(qū)檸檬種植面積遙感估算[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2016, 37(11):50-55.

[5]張煥雪,李強子,文 寧,等. 農(nóng)作物種植面積遙感估算的影響因素研究[J]. 國土資源遙感, 2015, 27(4):54-61.

[6]鄔明權(quán),王長耀,牛 錚,等. 利用多源時序遙感數(shù)據(jù)提取大范圍水稻種植面積[J]. 農(nóng)業(yè)工程學(xué)報, 2010, 26(7):240-244.

[7]Xiao Xiangming,Stephen Boles,et al.Mapping paddy rice agriculture in southern China using multi-temporal MODIS images[J]. Remote Sensing of Environment, 2005, 95:480-492.

[8]Xiao X, Stephen B. Mapping paddy rice agriculture in South and Southeast Asia using multi-temporal MODIS images[J].Remote Sensing of Environment, 2006, 100:95-113.

[9]劉躍辰,王 飛,焦為杰,等. “高分一號”衛(wèi)星數(shù)據(jù)在冬小麥種植結(jié)構(gòu)調(diào)整實施效果評估中的應(yīng)用——以河北省冀州市為例[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2017, 38(2):1-9.

[10]黃敬峰,陳 拉,王 晶,等. 水稻種植面積遙感估算的不確定性研究[J]. 農(nóng)業(yè)工程學(xué)報, 2013, 29(6):166-176.

[11]程 乾. MODIS數(shù)據(jù)提高水稻衛(wèi)星遙感估產(chǎn)精度穩(wěn)定性機理與方法研究[D]. 浙江大學(xué), 2005:7-9.

[12]李志鵬, 劉珍環(huán), 李正國, 等. 水稻空間分布遙感提取研究進(jìn)展與展望[J]. 中國農(nóng)業(yè)資源與區(qū)劃, 2014, 35(6):9-18.

[13]陳燕麗,莫偉華,莫建飛,等. 基于面向?qū)ο蠓诸惖哪戏剿痉N植面積提取方法[J]. 遙感技術(shù)與應(yīng)用, 2011, 26(2):163-168.

[14]李維鈞,張微微,武 偉,等.基于中巴資源衛(wèi)星數(shù)據(jù)的水稻種植面積監(jiān)測——以梁平縣為例[J]. 西南大學(xué)學(xué)報, 2009, 31(1):179-183.