基于多時相遙感影像監(jiān)測江漢平原油菜種植面積

鄧 帆，王立輝，高賢君，王 慶，魏 薇，張佳華，3

(1.長江大學地球科學學院，湖北武漢 430100； 2.中國科學院測量與地球物理研究所，湖北武漢 430000；3.中國科學院遙感與數(shù)字地球研究所，北京 100094)

油菜是我國非常重要的食用植物油原料和飼料蛋白原料，也是我國種植面積比較大的油料作物之一，它具有至關重要的經(jīng)濟價值。近年來，油菜種植面積在全國油料作物中所占比例約為50%，其產(chǎn)量占油料作物總產(chǎn)量的40%以上。2012年全國油料作物的種植面積為1 393萬hm2，總產(chǎn)量是 3 436.8萬t，其中，油菜作物的種植面積為743.2萬hm2，油菜籽的產(chǎn)量為1 400.7萬t[1]。與其他農(nóng)作物相比，油菜在低溫條件下也能生長發(fā)育，可以充分利用冬季的空閑土地，因此，油菜對擴大作物復種指數(shù)和提高土地的利用率有著重大作用，在調(diào)整種植業(yè)結(jié)構(gòu)中也具有重要地位[2]。另外，油菜花還有一定的觀賞價值，大規(guī)模種植可以為地方帶來旅游收益。因此，及時準確地監(jiān)測國家尺度和局部區(qū)域尺度油菜的種植面積和空間分布，對于加強油菜生產(chǎn)和管理，準確估算其產(chǎn)量，優(yōu)化農(nóng)作物的種植結(jié)構(gòu)，輔助相關部門制定科學合理的決策，滿足國家制定宏觀調(diào)控政策的信息需求，保護國家糧食安全等均具有非常重要的意義[3]。同時，在油菜籽期貨交易和農(nóng)業(yè)保險等領域及時準確地獲取油菜種植面積，可為有關企業(yè)貿(mào)易決策需求提供重要數(shù)據(jù)支撐，有著巨大的商業(yè)價值和應用前景。湖北是我國油菜種植大省，油菜種植面積穩(wěn)定在120萬hm2以上，產(chǎn)量約為230萬t，占全國總產(chǎn)量的1/6。根據(jù)《湖北農(nóng)村統(tǒng)計年鑒》可知，2011年湖北省油菜種植面積為114.138萬hm2，其中，江漢平原荊州市的油菜種植面積為24.752萬hm2，天門市、仙桃市和潛江市的油菜種植面積為13.263萬hm2，合計為38.015萬hm2，約占全省油菜種植面積的33.31%[4]。因此，準確及時地監(jiān)測江漢平原油菜種植面積具有重要的意義。

統(tǒng)計報表和抽樣調(diào)查等傳統(tǒng)的獲取農(nóng)作物種植面積的方法，可提供不同行政單元、較長時間序列的作物面積及產(chǎn)量信息[5-6]，其弊端是在數(shù)據(jù)獲取過程中易受人為因素影響，很難控制數(shù)據(jù)質(zhì)量，上報過程緩慢、時效性差、工作量大、成本高，并且無法獲得作物種植的空間分布，無法表征行政單元內(nèi)部差異，難以適應相關部門管理、決策對數(shù)據(jù)現(xiàn)勢性和精準性的要求，應用受到較大限制[7]。作為地球信息科學的前沿，遙感具有宏觀、快速、準確、客觀、動態(tài)性、多尺度、覆蓋面積大、監(jiān)測周期短、費用低等特點。遙感技術應用于大尺度農(nóng)情監(jiān)測具有得天獨厚的優(yōu)勢，是作物面積監(jiān)測的重要手段[8]。由于作物普遍具有季相節(jié)律性以及物候變化的規(guī)律性特點，因此可以基于作物物候特征運用多時相遙感數(shù)據(jù)進行作物的遙感識別[9]。很多學者都基于多時相遙感數(shù)據(jù)研究了作物的識別方法。劉珺等利用多時相環(huán)境衛(wèi)星的電荷耦合元件(charge-coupled device，簡稱CCD)遙感影像得到了山東省嘉祥縣玉米、棉花和水稻的種植面積[10]。鐘仕全等把云南省羅平縣作為試驗區(qū)，利用多時相中巴地球資源衛(wèi)星02B星遙感數(shù)據(jù)對油菜進行了識別[11]。魏新彩等以江漢平原監(jiān)利縣為研究區(qū)，選擇了水稻生長關鍵期的多時相環(huán)境小衛(wèi)星數(shù)據(jù)，根據(jù)水稻移栽期的水分狀況和生長物候期的歸一化植被指數(shù)(normalized difference vegetation index，簡稱NDVI)變化規(guī)律信息成功提取了水稻的種植面積[12]。蘇榮瑞等基于多時相HJ衛(wèi)星遙感影像，對江漢平原南部縣(市、區(qū))主要秋收作物(棉花和一季中稻)的種植面積進行提取[13]。張健康等利用多時相的Landsat TM/ETM+數(shù)據(jù)以及MODIS增強型植被指數(shù)(the enhanced vegetation index，簡稱EVI)時間序列遙感影像數(shù)據(jù)，采取基于生態(tài)分類算法的監(jiān)督分類方法與決策樹分類算法相結(jié)合的人機交互自動解譯方法，對黑龍港地區(qū)的主要種植作物進行遙感監(jiān)測[14]。郝衛(wèi)平等利用覆蓋東北3省(遼寧、吉林、黑龍江)范圍的Landsat ETM+影像以及主要種植作物發(fā)育期內(nèi)14景MODIS-NDVI 16 d合成的時間序列影像，提取了東北3省2007年主要作物種植面積以及空間分布信息[15]。李鑫川等利用2010年6月至9月期間的10景環(huán)境衛(wèi)星CCD遙感影像的反射率，采用決策樹分類方法對黑龍江墾區(qū)友誼農(nóng)場的玉米、水稻以及大豆種植面積進行了提取，總體精度達到96.3%[16]。劉國棟等依據(jù)研究區(qū)物候歷，選擇識別農(nóng)作物關鍵期的多時相16 m分辨率的寬視場相機遙感影像進行農(nóng)作物種植面積的提取，農(nóng)作物種植面積提取精度高于90%[17]。劉佳等以河北省衡水市為試驗區(qū)，選取2011年10月至2012年10月共16景HJ-1A/B衛(wèi)星多時相遙感數(shù)據(jù)，針對棉花、冬小麥、春玉米、夏玉米、大豆和花生等主要作物類型，對農(nóng)作物種植面積進行遙感識別，分類總體精度達到了90.9%[18]。

遙感在農(nóng)作物種植面積監(jiān)測領域被廣泛應用，然而，對油菜進行遙感監(jiān)測的相關研究很少。本研究以江漢平原油菜為研究對象，在總結(jié)國內(nèi)外研究成果的基礎上，以農(nóng)作物的歸一化植被指數(shù)(NDVI)變化特征為基礎，結(jié)合江漢平原各主要夏收農(nóng)作物的物候特征以及地面實際采樣點，采用覆蓋研究區(qū)大宗作物關鍵物候期的HJ-1A/B衛(wèi)星空間分辨率為30 m的CCD遙感影像，提取江漢平原油菜種植面積和空間分布信息，探求利用時間序列遙感影像對大尺度的油菜等農(nóng)作物空間分布信息的提取方法，以期為及時監(jiān)測油菜種植面積，加強農(nóng)作物生產(chǎn)管理，調(diào)整農(nóng)業(yè)結(jié)構(gòu)提供科學依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

江漢平原，地處長江中游，在湖北省的中南部，由長江和漢江沖積而成，是長江中下游平原的重要組成部分(圖1)。因其東部以長江為紐帶，并且與下游的濱江平原聯(lián)系在一起，邊界確定存在著分歧，迄今沒有一個統(tǒng)一的標準，不同的學者給出了不同的范圍[19-21]。本研究選擇湖北省荊州市的沙市區(qū)、荊州區(qū)、公安縣、石首市、洪湖市、江陵縣、監(jiān)利縣和松滋市8個縣(市、區(qū))及仙桃市、潛江市、天門市3個省直管市作為研究區(qū)，研究區(qū)介于29°26′～31°13′N和111°15′～114°5′E 之間，總面積為22 268 km2，占全省總面積的12%(圖1)。其中，耕地面積約為9 332 km2，占全省耕地面積的22%。研究區(qū)屬于北亞熱帶濕潤季風型氣候，四季較為分明，光能資源充足，熱量資源非常豐富，無霜期長，雨水充沛，雨熱同期。年平均氣溫在14.3～16.8 ℃之間，10 ℃以上持續(xù)期為230～240 d，活動積溫為5 100～5 300 ℃，無霜期在 240～272 d之間[22]，年均降水量為1 100～1 300 mm。江漢平原為典型的河間洼地洪泛平原，地勢低平廣闊，微地貌分異明顯，農(nóng)地以湖垸為主，大部分海拔在50 m左右。研究區(qū)氣候適宜，土壤(沖積土、水稻土)肥沃，地形平坦開闊，水源充足，適宜多種氣候生態(tài)型生物生長繁衍。夏半年種植喜溫作物如水稻、棉花、玉米等，冬半年種植喜涼作物如小麥、油菜等。其中，主產(chǎn)作物是小麥和水稻，糧食產(chǎn)量約占全省的40%，被譽為湖北省的“糧倉”，是我國非常重要的商品糧基地之一。

1.2 主要作物物候歷

江漢平原主要夏收作物為油菜、冬小麥和早稻，主要秋收作物為中稻、棉花、晚稻等。種植模式為油菜—中稻、油菜—棉花、冬小麥—棉花、早稻—雙季晚稻和一季晚稻。冬小麥和油菜是越冬生長的，油菜一般在9月中下旬播種，10月中旬進入五葉期，10月下旬進行移栽，11月上旬活棵，11月中旬長葉，翌年1月中旬緩長，1月下旬現(xiàn)蕾，2月中旬抽薹，3月中旬始花，3月下旬開花，4月上旬結(jié)莢，4月中旬壯籽，4月下旬成熟，5月中旬收割。冬小麥在10月下旬播種，11月上旬出苗，11月中旬長葉，11月下旬分蘗，翌年3月中旬拔節(jié)，4月中旬抽穗，4月下旬灌漿，5月上旬乳熟，5月中旬成熟，6月收割。早稻于3月下旬播種，4月上旬出苗，4月下旬移栽，5月上旬返青，5月中下旬分蘗，6月上旬拔節(jié)、孕穗，6月下旬抽穗、開花，7月上中旬灌漿、乳熟，7月下旬收獲(表1)。

表1 江漢平原主要夏收作物的物候歷

1.3 遙感數(shù)據(jù)及其預處理

環(huán)境與災害預報小衛(wèi)星星座A、B星(HJ-1A/1B星)上均裝載了2臺CCD傳感器，聯(lián)合完成對地刈幅寬為700 km，地面像元空間分辨率為30 m，共有藍、綠、紅和近紅外4個波段(藍波段：0.43～0.52 μm；綠波段：0.52～0.60 μm；紅波段：0.63～0.69 μm；近紅外波段：0.76～0.90 μm)。HJ-1A/1B CCD相機的重訪周期為4 d，組網(wǎng)后的重訪周期縮短至 2 d，多期數(shù)據(jù)采集能力高，對于破碎地塊農(nóng)作物面積的精細提取具有無可比擬的優(yōu)勢。根據(jù)研究區(qū)作物物候歷及HJ-1A/1B CCD影像云覆蓋狀況，本研究選取2012年9月至2013年6月共9期油菜和小麥生長期內(nèi)的基本無云覆蓋的、質(zhì)量較好的HJ-1A/1B CCD影像作為試驗對象(表2)。影像來源于我國資源衛(wèi)星應用中心，數(shù)據(jù)級別為2級，即經(jīng)過系統(tǒng)幾何校正的遙感影像。對獲取的HJ-1A/1B CCD數(shù)據(jù)進行輻射定標、大氣校正、幾何精校正、鑲嵌和裁剪等預處理，最終得到研究區(qū)的4個波段地表反射率數(shù)據(jù)。幾何精校正是基于手持全球定位系統(tǒng)(global positioning system，簡稱GPS)實測的地面控制點進行的，采用二次多項式法，幾何糾正誤差控制在0.5個像元以內(nèi)。采用我國資源衛(wèi)星中心官網(wǎng)公布的HJ-1A/1B各載荷在軌絕對輻射定標系數(shù)進行輻射定標，將圖像灰度值轉(zhuǎn)換為具有物理意義的輻射亮度，并結(jié)合各個波段的光譜響應函數(shù)，獲取不同波段對應的太陽表觀輻照度，從而計算各個波段的表觀反射率。采用FLAASH大氣校正模型對輻射定標后的影像進行大氣校正，以減小光照和大氣等因素對地物反射的影響。利用研究區(qū)矢量對預處理后的遙感影像進行裁剪，得到研究區(qū)時序遙感影像數(shù)據(jù)。計算每景影像的NDVI，計算公式如下：

式中：ρNIR表示紅外波段反射率；ρRED表示紅波段反射率。將9景NDVI影像按照成像時間的先后順序運用Layer Stacking合成1個多光譜影像文件，9個波段的NDVI值表示的時間順序依次是9月中旬、10月中旬、11月下旬、1月下旬、2月下旬、3月上旬、4月下旬、5月下旬、6月中旬。

表2 本研究使用的HJ衛(wèi)星CCD影像

1.4 地面調(diào)查數(shù)據(jù)、統(tǒng)計數(shù)據(jù)與其他輔助數(shù)據(jù)

結(jié)合油菜生長期、天氣情況以及衛(wèi)星過境時間，2013年3月25日至4月1日在研究區(qū)開展油菜種植情況調(diào)查，利用手持GPS在野外取得688個作物樣點及地面控制點。統(tǒng)計數(shù)據(jù)來源于2014年《湖北農(nóng)村統(tǒng)計年鑒》[23]，獲取了江漢平原2013年各個縣(市、區(qū))的油菜種植面積數(shù)據(jù)以及其他輔助數(shù)據(jù)，包括研究區(qū)縣級行政區(qū)劃矢量邊界等。

2 研究方法

2.1 研究區(qū)主要農(nóng)作物時間序列NDVI特征分析

基于多時相遙感影像進行作物面積監(jiān)測，主要依據(jù)作物生長特征中的物候差別來提取其種植信息。結(jié)合地面調(diào)查，基于不同作物(油菜、小麥)和地類(林地、草地、水體、城鎮(zhèn))調(diào)查采集的GPS數(shù)據(jù)，在遙感圖像上選取對應的感興趣區(qū)(region of interest，簡稱ROI)樣本，統(tǒng)計獲得NDVI特征值。統(tǒng)計結(jié)果表明，非植被(水體、人工表面等)的NDVI均低于0.30，因此可以利用研究區(qū)9個時相的NDVI平均值來區(qū)分植被和非植被，即NDVI平均值小于0.30判定為非植被，包括水體(湖泊、河流、水庫/坑塘、水渠等)和人工表面(居住地、工業(yè)用地、交通用地、采礦場等)。越冬作物(小麥、油菜)在上一年9月至10月中旬的NDVI值很小，而此時林地、草地和其他作物區(qū)域的NDVI值較大。隨著作物的生長發(fā)育，NDVI逐漸升高，而后呈現(xiàn)下降的趨勢，而林地、草地的NDVI變化較小，一直維持較高水平(NDVI>0.40)，以此來區(qū)分出林地、草地和其他作物。油菜和冬小麥在越冬期生長緩慢，NDVI均變化不明顯。在3月中下旬，油菜開始進入盛花期后，由于葉綠素合成減少，NDVI開始下降，而冬小麥繼續(xù)生長，NDVI則持續(xù)上升，油菜和小麥的NDVI值出現(xiàn)了明顯的反差。此時，小麥的NDVI值穩(wěn)定在0.40以上，而油菜的NDVI值低于0.40，是區(qū)分油菜和小麥的最佳時期。另外，小麥一般在6月收割，油菜則在5月收割，利用6月NDVI較小，而5月NDVI較大也可以區(qū)分小麥和油菜。

2.2 基于光譜特征的油菜面積提取

3 結(jié)果與分析

3.1 分類結(jié)果

從種植空間分布來看，油菜主要分布在仙桃市、江陵縣西部、天門市南部、公安縣西北部以及松滋市東部地區(qū)等(圖3)。提取的油菜空間分布格局在宏觀上與當?shù)貙嶋H作物的分布情況一致，說明該方法在農(nóng)作物空間分布信息的提取中具有實用價值?；诜诸惤Y(jié)果統(tǒng)計研究區(qū)及各縣(市、區(qū))2013年的油菜種植面積，2013年研究區(qū)油菜種植面積為39.465 9萬hm2。從各縣(市、區(qū))統(tǒng)計結(jié)果來看，油菜種植面積由低到高依次為荊州市市轄區(qū)、江陵縣、石首市、洪湖市、潛江市、松滋市、公安縣、仙桃市、天門市、監(jiān)利縣。

3.2 精度驗證

為驗證本研究算法提取結(jié)果的準確程度，分別基于統(tǒng)計數(shù)據(jù)和地面野外調(diào)查數(shù)據(jù)進行精度驗證。將本研究基于多時相遙感影像提取的油菜面積結(jié)果與《湖北農(nóng)村統(tǒng)計年鑒》[23]中各縣(市、區(qū))2013年的油菜面積統(tǒng)計結(jié)果進行比較，計算各縣(市、區(qū))油菜面積監(jiān)測的相對精度：相對精度=[1-|遙感監(jiān)測面積-統(tǒng)計年鑒面積|/統(tǒng)計年鑒面積]×100%。由表3可知，研究區(qū)總體相對精度為98.68%，各縣(市、區(qū))油菜面積相對精度(除荊州市市轄區(qū)外)均達到了90.00%以上，說明本研究方法具有較高的精度，完全滿足業(yè)務化運行需要。

表3 遙感分類結(jié)果與統(tǒng)計資料精度比較

結(jié)合野外實地調(diào)查樣本，計算混淆矩陣，并進行精度評價。由表4可見，野外驗證實測688個像元數(shù)，其中有206個小麥，有352個油菜，130個其他。遙感分類總體精度達到95.64%，Kappa系數(shù)是0.928 78，說明本方法分類精度較高。其中，油菜漏分誤差為4.26%，錯分誤差為3.69%。誤差來源主要是油菜被錯分成小麥，主要是由于局部地區(qū)農(nóng)田地塊破碎，小麥和油菜插花種植現(xiàn)象比較嚴重，導致遙感提取的油菜結(jié)果不精準。此外，受農(nóng)田邊界周圍防護林和道路等地物的影響，田塊邊緣部分被分類到其他地類。

表4 作物分類混淆矩陣結(jié)果

4 結(jié)論與討論

HJ-1A/1B衛(wèi)星具有空間分辨率高、重訪周期短和獲取數(shù)據(jù)成本低的優(yōu)勢，本研究利用2012年9月至2013年6月的多時相HJ-1A/1B衛(wèi)星CCD遙感影像，結(jié)合作物物候歷，采用決策樹分類算法提取江漢平原2013年油菜種植面積，并基于野外調(diào)查數(shù)據(jù)和統(tǒng)計數(shù)據(jù)對分類結(jié)果進行精度驗證，得到以下結(jié)論。

利用覆蓋研究區(qū)油菜關鍵生育期的時序HJ衛(wèi)星CCD數(shù)據(jù)，能夠準確刻畫油菜的發(fā)育特征，配合決策樹分類方法能有效監(jiān)測江漢平原油菜種植面積及空間分布。結(jié)果表明，油菜的分類總體精度達到95.64%，Kappa系數(shù)為0.928 78，與統(tǒng)計數(shù)據(jù)對比的相對精度在整個研究區(qū)達98.68%，多數(shù)縣(市、區(qū))也在95%以上，表明該方法分類精度高，滿足農(nóng)業(yè)遙感監(jiān)測的需要。

HJ-1A/1B CCD影像具有良好的時效性以及可獲取性，基本滿足使用時間序列遙感影像進行農(nóng)作物監(jiān)測的需求，得到的研究結(jié)果能客觀地反映農(nóng)作物的空間分布格局以及表征內(nèi)部差異，為該地區(qū)油菜種植結(jié)構(gòu)調(diào)整提供科學依據(jù)。但由于遙感監(jiān)測作物種植面積受多種因素的影響，它是一個復雜的過程，本研究只是初步探討，為油菜種植面積監(jiān)測提供了一種新的思路，還有許多問題有待進一步展開深入研究。

油菜主要種植區(qū)的地塊破碎程度較高、作物插花種植現(xiàn)象比較普遍，這些均會為油菜種植面積的精確提取帶來困難，有必要使用更高分辨率的遙感影像、高光譜影像甚至采用混合象元分解法以亞像元為最小研究單位來提高解譯精度。

決策樹算法中閾值的準確界定是提高作物提取精度的關鍵，僅對種植結(jié)構(gòu)簡單的平原地區(qū)進行了研究，對應用于地形和種植結(jié)構(gòu)復雜地區(qū)須要進行一步研究。

由于江漢平原地區(qū)油菜的盛花期是在3月至4月初，正是清明節(jié)前后，陰雨天氣較多，而光學遙感影像受天氣影響較大，此時難以獲取到質(zhì)量較好的數(shù)據(jù)，從而錯過區(qū)分油菜和小麥的最佳時期。而微波遙感具有全天候工作的能力，能夠穿透云、雨、霧，甚至可以獲得近地面以下的信息，因此，在今后有待于開展微波遙感在提取油菜面積中的應用研究，進一步突破光學遙感的局限性。