基于遙感影像的縣域冬小麥種植信息提取—以陜西省武功縣為例

王建興,車(chē)自力

(咸陽(yáng)師范學(xué)院資源環(huán)境與歷史文化學(xué)院，陜西 咸陽(yáng) 712000)

糧食作物產(chǎn)量的穩(wěn)定是經(jīng)濟(jì)社會(huì)發(fā)展的基礎(chǔ)[1]，近年來(lái)，隨著種植結(jié)構(gòu)的調(diào)整，經(jīng)濟(jì)作物的種植面積逐年增加，糧食作物尤其是小麥的種植面積相應(yīng)減少[2]。在當(dāng)前單位面積產(chǎn)量穩(wěn)定的情況下，足量的種植面積是糧食安全的重要保障[3]。相比傳統(tǒng)的調(diào)查方法，使用衛(wèi)星遙感影像監(jiān)測(cè)農(nóng)作物種植信息具有快速、客觀、省時(shí)省力等優(yōu)勢(shì)，可以作為提取冬小麥種植面積和空間位置信息的有效手段[4]。潘耀忠等使用多源遙感影像數(shù)據(jù)建立基于特征物候期植被指數(shù)的冬小麥種植面積估算模型，提高了冬小麥種植面積遙感估算的精度和穩(wěn)定性[5]。王慶林等選用拔節(jié)期和抽穗期的國(guó)產(chǎn)環(huán)境衛(wèi)星影像數(shù)據(jù)，使用NDVI閾值劃分技術(shù)提取了2013年大豐市冬小麥種植面積[6]；田海峰等選取與2014年冬小麥分蘗期、越冬期、拔節(jié)期共3個(gè)生育期對(duì)應(yīng)的3期OLI影像，對(duì)當(dāng)年虞城縣冬小麥種植面積進(jìn)行估算[7]；王連喜等綜合運(yùn)用MODIS和Landsat影像數(shù)據(jù)，使用決策樹(shù)分類(lèi)和混合像元分解等技術(shù)提取了2014年江蘇省冬小麥種植面積[8]。

關(guān)中地區(qū)是陜西省重要的糧食生產(chǎn)區(qū)域，其中武功縣作為國(guó)家商品糧基地縣，是該地區(qū)小麥主產(chǎn)區(qū)之一[9]。本研究使用Landsat OLI遙感影像，提取2017年武功縣冬小麥種植面積和空間分布，以期為農(nóng)業(yè)部門(mén)掌握農(nóng)田種植結(jié)構(gòu)信息、指導(dǎo)農(nóng)業(yè)生產(chǎn)提供參考。

1 材料與方法

1.1 研究區(qū)概況

武功縣地處關(guān)中平原西部，東臨興平，西接扶風(fēng)縣和楊凌農(nóng)業(yè)高新技術(shù)產(chǎn)業(yè)示范區(qū)，南部與周至縣隔河相望，北部與乾縣接壤。下轄8個(gè)鎮(zhèn)，土地面積397.8 km2。地勢(shì)平坦而微有起伏，主要由河谷沖積階地、黃土臺(tái)塬、河漫灘和山前洪積扇前緣地帶幾種類(lèi)型構(gòu)成。屬大陸性季風(fēng)半濕潤(rùn)氣候，四季分明，雨熱同期，光照充足。全年總?cè)照諗?shù)2163小時(shí)左右，年平均氣溫12.9℃, 無(wú)霜期227天左右, 總降水量552.6～663.9 mm。耕作制度以一年兩熟為主，主要農(nóng)作物為冬小麥和夏玉米，其中冬小麥常年種植面積為2.15萬(wàn)hm2。

1.2 數(shù)據(jù)獲取

本研究選用美國(guó)Landsat 8衛(wèi)星搭載的運(yùn)營(yíng)性陸地成像儀(Operational Land Imager，OLI)獲取的影像作為數(shù)據(jù)源[10]。Landsat 8為近極點(diǎn)太陽(yáng)軌道衛(wèi)星，軌道高度705 km，重訪周期16天。OLI影像為9波段多光譜影像，光譜范圍覆蓋430～2 290 nm；空間分辨率在全色影像上為15 m，多光譜影像上為30 m；成像范圍為185 km×185 km。

圖1 武功縣地理位置與行政區(qū)劃圖Fig.1 Location and administrative divisions of Wugong County

本研究區(qū)冬小麥10月上旬播種，10月中旬出苗，10月下旬至11月中旬分蘗，隨后隨著氣溫的降低停止生長(zhǎng)并進(jìn)入越冬階段，次年3月份隨氣溫上升恢復(fù)生長(zhǎng)。在冬小麥越冬期間，研究區(qū)遙感影像上保持綠色植物的光譜特征的地表主要植被為冬小麥，另外還有少量冬油菜分布，二者不易區(qū)分；花期的冬油菜在影像上具有獨(dú)特的特征，與其它農(nóng)作物有著顯著的區(qū)別(圖2)。根據(jù)這一特點(diǎn)，選擇2017年2月12日、2017年4月17日共2期OLI影像(L1T級(jí))用于冬小麥種植信息提取，2期影像云層覆蓋率均小于1%。

圖2 不同時(shí)期影像上的冬小麥與冬油菜Fig.2 Winter wheat and winter rape in different periods

于2017年1月和4月，在研究區(qū)境內(nèi)選取不同蓋度的農(nóng)田樣區(qū)10個(gè)，其中小麥田6個(gè)，油菜田4個(gè)。每個(gè)樣區(qū)面積大于300 m×300 m，以確保在OLI影像上有足量的像元與之對(duì)應(yīng)。樣區(qū)之間間隔在1 km以上。用Garmin eTrex20手持GPS記錄各樣區(qū)四角坐標(biāo)，并根據(jù)坐標(biāo)信息，在ArcGIS 10.2軟件中繪制出各樣區(qū)的多邊形矢量圖，得到10個(gè)樣區(qū)在武功縣境內(nèi)的分布，如圖3所示。

圖3 調(diào)查樣本的空間分布Fig.3 Spatial distribution of the investigated sample

1.3 數(shù)據(jù)預(yù)處理

OLI影像L1T級(jí)產(chǎn)品已經(jīng)過(guò)輻射校正和幾何精校正[11]。在遙感影像處理軟件ENVI5.1中，首先使用Radiometric Calibration工具對(duì)影像進(jìn)行輻射定標(biāo)；再使用FLAASH Atmospheric Correction工具對(duì)輻射定標(biāo)得到的數(shù)據(jù)進(jìn)行大氣校正，得到地表反射率數(shù)據(jù)；然后使用Gram-Schmit Pan Sharpening工具將多光譜反射率數(shù)據(jù)與全色數(shù)據(jù)融合，得到15 m×15 m空間分辨率的地表反射率影像；進(jìn)而使用1∶400萬(wàn)武功縣行政邊界矢量圖對(duì)影像進(jìn)行裁切得到研究區(qū)各時(shí)期的影像。

1.4 冬小麥種植信息提取方法

歸一化植被指數(shù)(normal difference vegetation index，NDVI)是指示地表綠色植被覆蓋狀況的敏感指標(biāo)，取值范圍在-1～1之間，NDVI值越接近于1，表明地表植被特征越明顯[12]。本研究?jī)?nèi)沒(méi)有大面積常綠喬灌的分布，果園、林地、草地等地表植被在冬季均呈現(xiàn)出枯黃狀態(tài)，失去植被特征，對(duì)應(yīng)影像上的NDVI值與裸地和建筑用地類(lèi)似，都遠(yuǎn)小于1且接近于0值；水體的NDVI表現(xiàn)為負(fù)值。同時(shí)期地表大面積呈現(xiàn)出綠色植被特征的只有種植冬小麥和冬油菜的地塊，因此可以通過(guò)這一時(shí)期的NDVI影像提取小麥和油菜的種植區(qū)域。在ENVI5.1中使用Band math工具計(jì)算2017年2月12日和4月17日2期OLI影像的歸一化植被指數(shù)NDVI，計(jì)算公式為：NDVI = (b1-b2)/(b1+b2)，其中b1為近紅外波段，b2為紅光波段。

為了得到純冬小麥種植區(qū)域，需要將冬油菜從上述提取結(jié)果中去除。遙感影像上，油菜在花期與同期其它植被有著顯著的區(qū)別。使用ENVI5.1軟件，結(jié)合Google earth高分辨率衛(wèi)星影像和實(shí)地調(diào)查，通過(guò)目視解譯，在4月17日影像上識(shí)別油菜、小麥、林地、果園及草地等植被覆蓋區(qū)域，并提取對(duì)應(yīng)區(qū)域的光譜反射率，如圖4所示。與其它植被相比，冬油菜冠層光譜在花期具有鮮明的特征，主要表現(xiàn)為在562 nm、655 nm和865 nm三個(gè)波段上的反射率顯著高于其它植被。根據(jù)冬油菜的這一光譜特征，可以使用花期的影像提取出冬油菜種植區(qū)域。

1.5 精度檢驗(yàn)

為了保證結(jié)果的準(zhǔn)確性和可信度，需要對(duì)從遙感影像上提取的冬小麥種植面積數(shù)據(jù)進(jìn)行檢驗(yàn)，本研究使用地面實(shí)測(cè)冬小麥樣方面積檢驗(yàn)影像中提取得到的農(nóng)作物種植面積，計(jì)算公式為[13]：

A=(1-|(S0-S)/S|)× 100%

(1)

式中，A為提取精度，S0為影像上提取得到的農(nóng)作物種植面積，S為地面樣方實(shí)測(cè)面積。

圖4 4月17日影像上不同植被光譜反射率Fig.4 Spectral reflectance of different vegetation in April 17th

2 結(jié)果與分析

2.1 冬小麥種植區(qū)域提取

在2月12日影像上，調(diào)查樣區(qū)位置對(duì)應(yīng)的冬小麥地塊的NDVI值范圍為0.55～0.78，油菜地塊的NDVI值范圍為0.56～0.73，通過(guò)目視解譯對(duì)影像上植被覆蓋區(qū)域的NDVI值進(jìn)行多次判斷，最終選用0.53作為閾值，區(qū)分影像上植被與非植被區(qū)域。使用決策樹(shù)分類(lèi)法對(duì)2月12日NDVI影像進(jìn)行監(jiān)督分類(lèi)，判定NDVI值大于0.53的區(qū)域?yàn)槎←溑c冬油菜種植區(qū)域。在4月17日影像上，通過(guò)目視解譯選取油菜地塊的感興趣區(qū)(region of interest，ROI)，使用基于光譜角匹配的目標(biāo)偵測(cè)法(Target Detection)，結(jié)合油菜地塊ROI光譜信息提取油菜種植區(qū)域，結(jié)果如圖5所示，可以看出，武功縣油菜種植十分零散，斑塊單元面積較小，只是在武功鎮(zhèn)東北部和蘇坊鎮(zhèn)局部有小范圍的連片種植區(qū)，由ArcGIS 10.2統(tǒng)計(jì)得到全縣油菜種植面只有162.63 hm2。使用油菜種植區(qū)域圖像作為掩膜，從冬小麥與冬油菜種植區(qū)域圖中去除油菜種植區(qū)域，最終得到冬小麥種植區(qū)域圖，結(jié)果如圖6所示，可以看出，冬小麥在武功縣種植面積大，分布廣泛，是該地區(qū)的主要農(nóng)作物，各鄉(xiāng)鎮(zhèn)都有大量種植。

2.2 精度檢驗(yàn)

在ArcGIS 10.2軟件中分別查詢(xún)10個(gè)調(diào)查樣區(qū)多邊形的面積，作為地面樣區(qū)的實(shí)際面積(S)；將冬小麥種植區(qū)域提取結(jié)果導(dǎo)入ArcGIS 10.2軟件中，使用區(qū)域統(tǒng)計(jì)工具計(jì)算各調(diào)查樣區(qū)多邊形內(nèi)小麥種植區(qū)域面積(S0)。

圖5 武功縣2017年油菜種植區(qū)域分布圖Fig.5 Distribution map of oil rape planting area inWugong County in 2017

圖6 武功縣2017年冬小麥種植區(qū)域分布圖Fig.6 Distribution map of winter wheat planting area inWugong County in 2017

將S和S0代入精度計(jì)算公式(1)中計(jì)算各調(diào)查樣區(qū)農(nóng)作物種植面積的提取精度，結(jié)果如表1所示，4個(gè)油菜樣區(qū)提取精度最高為96.83%，精度最低的為91.26%，平均值為 93.33%；6個(gè)小麥樣區(qū)提取精度最高的為99.51%，精度最低的為93.26%，平均值為97.32%。精度檢驗(yàn)結(jié)果表明從OLI影像提取得到的冬小麥種植面積與實(shí)際面積高度接近，具有很高的精度。

2.3 冬小麥種植面積與空間分布

在ArcGIS 10.2軟件中，使用區(qū)域統(tǒng)計(jì)工具計(jì)算武功縣各鄉(xiāng)鎮(zhèn)冬小麥種植面積，結(jié)果如表2所示，2017年全縣冬小麥種植面積為21 181.97 hm2，比往年種植面積略低。由圖6和表2可知，武功縣冬小麥種植分布的空間格局是：北部地區(qū)種植集中，南部地區(qū)種植分散，主要分布于黃土臺(tái)塬區(qū)。武功縣北部的黃土臺(tái)塬地區(qū)，地勢(shì)高，光照資源豐富，耕地?cái)?shù)量大，非常適宜冬小麥種植，該區(qū)的冬小麥種植面積占到了全縣總面積的75.68%，南部三鎮(zhèn)土地面積占全縣土地總面積的比例超過(guò)了35%，但是冬小麥的種植面積只占全縣總種植面積的24.32%。按冬小麥種植面積分鎮(zhèn)進(jìn)行排序，貞元鎮(zhèn)冬小麥種植面積最大，達(dá)到了5076.56hm2，占全縣總種植面積的23.97%；緊隨其后的是長(zhǎng)寧鎮(zhèn)，種植面積為4 017.56 hm2，占全縣總種植面積的18.97%；僅這兩個(gè)鎮(zhèn)的冬小麥總面積就占了全縣冬小麥總種植面積的40%以上；北部的武功鎮(zhèn)、游鳳鎮(zhèn)和蘇坊鎮(zhèn)冬小麥種植面積位居第3至第5名，分別達(dá)到了2 488.70 hm2、2 354.35 hm2和2 093.29 hm2，共占全縣總面積的32.74%；南部的大莊鎮(zhèn)、普集鎮(zhèn)和小村鎮(zhèn)冬小麥種植面積相對(duì)較小，三鎮(zhèn)的冬小麥總種植面積只有5151.51hm2，是全縣種植比例最低的鄉(xiāng)鎮(zhèn)。這主要是因?yàn)椋?1)南部三鎮(zhèn)位于隴海鐵路和連霍高速兩條交通干線兩側(cè)，工業(yè)較為發(fā)達(dá)，建筑用地較多，且隨著工業(yè)化進(jìn)程的推進(jìn)還在逐年增加，耕地面積占比較少；(2)三鎮(zhèn)的南部為渭河河漫灘和河流階地，具備較好的水熱條件，調(diào)查中發(fā)現(xiàn)，該區(qū)果園、苗木、蔬菜等經(jīng)濟(jì)效益更高的作物種植較多，且種植面積有逐年增加的趨勢(shì)，冬小麥種植面積受到擠壓，相應(yīng)減少。

表1各樣區(qū)實(shí)測(cè)面積與影像提取面積精度檢驗(yàn)

Table 1 Accuracy of image extraction area in different samples

樣方編號(hào)Sample number作物類(lèi)型Crop type實(shí)測(cè)面積/m2Measured area影像提取面積/m2Image extraction area精度/%Accuracy1油菜 Oil rape92702.0286092.3692.872油菜 Oil rape91632.5299641.2091.263油菜 Oil rape92186.9989264.6596.834油菜 Oil rape90395.3497319.6392.345小麥 Wheat95123.1698604.6796.346小麥 Wheat94603.9890091.3795.237小麥 Wheat93405.5287717.1193.918小麥 Wheat92570.0798809.2993.269小麥 Wheat91458.7193690.2997.5610小麥 Wheat92813.5792358.7899.51

表2 各鄉(xiāng)鎮(zhèn)冬小麥種植面積統(tǒng)計(jì)

3 結(jié)論與討論

3.1 結(jié) 論

本研究利用兩個(gè)時(shí)點(diǎn)的Landsat OLI數(shù)據(jù)提取陜西省武功縣2017年冬小麥種植面積和空間分布信息，取得了良好的效果，主要結(jié)論有：

(1)在有多種越冬作物種植的地區(qū)，從單期衛(wèi)星遙感影像上難以精確提取冬小麥種植信息；多生育期影像數(shù)據(jù)結(jié)合能夠排除其它作物干擾，有效提取冬小麥。在本研究區(qū)，冬小麥越冬期結(jié)合油菜開(kāi)花期是利用遙感影像提取冬小麥種植信息的最佳時(shí)期組合，可以有效排除同時(shí)期油菜地塊，得到冬小麥種植區(qū)域；

(2)NDVI閾值分割法和決策樹(shù)分類(lèi)結(jié)合是從多光譜分辨率衛(wèi)星影像上提取農(nóng)作物種植信息的有效方法，應(yīng)用此方法提取武功縣冬小麥的精度達(dá)到93%以上。

(3)從OLI影像上提取到的武功縣2017年小麥種植面積為21 181.97 hm2，與常年播種面積接近。冬小麥種植分布的空間格局是：北部地區(qū)種植集中，南部地區(qū)種植分散，主要分布于黃土臺(tái)塬區(qū)。分鄉(xiāng)鎮(zhèn)看，貞元鎮(zhèn)冬小麥種植面積最大，長(zhǎng)寧鎮(zhèn)緊隨其后，兩鎮(zhèn)總種植面積占全縣面積的42.94%，南部各鄉(xiāng)鎮(zhèn)冬小麥種植面積較小。

3.2 討 論

Landsat系列影像獲取便利，地面分辨率和重訪周期都適合大面積農(nóng)作物監(jiān)測(cè)，是縣域尺度農(nóng)業(yè)遙感監(jiān)測(cè)的理想數(shù)據(jù)源。通過(guò)與實(shí)地調(diào)查情況對(duì)比，本研究中冬小麥提取效果較好，對(duì)于武功鎮(zhèn)東北部區(qū)域連片種植的油菜提取精度也較高；但對(duì)于其它區(qū)域零星種植的油菜地塊提取效果較差。這主要是由于OLI影像的多光譜分辨率為30m，小片種植的油菜地塊往往在影像上不足一個(gè)像元，與周邊其它農(nóng)作物構(gòu)成的混合像元無(wú)法有效識(shí)別。張榮群[14]等人在使用中等分辨率衛(wèi)星影像提取農(nóng)作物種植信息的研究中也發(fā)現(xiàn)，對(duì)連片種植的大宗農(nóng)作物提取精度較高；而對(duì)分散種植，地塊較為破碎的農(nóng)作物提取精度較低。

使用衛(wèi)星遙感影像提取農(nóng)作物種植信息，農(nóng)作物物候期的選取很重要，往往不能從單期影像直接提取農(nóng)作物。本研究中同期影像上小麥與油菜易混淆，需要結(jié)合油菜花期的影像提取油菜種植區(qū)域并進(jìn)行排除。此外，衛(wèi)星平臺(tái)的遙感傳感器受天氣因素影響較大，不能保證在每個(gè)重訪周期內(nèi)都獲取到所需范圍內(nèi)地表影像數(shù)據(jù)，其應(yīng)用也有一定的局限性，在實(shí)際應(yīng)用中，需要根據(jù)農(nóng)作物的物候特征靈活選取影像和分析方法。劉佳[4]、王慶林[6]、田海峰[7]等人的研究也表明，根據(jù)農(nóng)作物物候期的特點(diǎn)選用多期影像是提取農(nóng)作物空間信息的有效途徑。