基于水體季相差異的稻蝦共作提取方法研究*

魏妍冰，陸 苗，吳文斌

(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/農(nóng)業(yè)部農(nóng)業(yè)遙感重點實驗室，北京 100081)

0 引言

近年來小龍蝦產(chǎn)業(yè)快速發(fā)展，有效地促進了農(nóng)業(yè)增效、農(nóng)民增收和產(chǎn)業(yè)扶貧，其中稻蝦共作是主要的養(yǎng)殖方式。稻蝦共作作為一種新興的稻田養(yǎng)殖復(fù)合生態(tài)模式，將水稻種植和克氏原螯蝦養(yǎng)殖組合到同一個生態(tài)系統(tǒng)，兩者互惠互利，在時間和空間上充分利用水土資源，可以獲得良好的經(jīng)濟和生態(tài)效益[1-3]。統(tǒng)計數(shù)據(jù)顯示，近年稻蝦共作面積呈持續(xù)增長態(tài)勢， 2017年全國稻蝦共作種養(yǎng)面積達到5.7×105hm2，占小龍蝦總養(yǎng)殖面積的70.83%，其中湖北省養(yǎng)殖面積超過2.5×105hm2，是稻蝦共作模式的重點推廣省份[4]。

隨著稻蝦共作模式的不斷發(fā)展，準確的地理空間分布和面積信息，對于掌握產(chǎn)業(yè)發(fā)展態(tài)勢、制定相應(yīng)的管理政策等具有重要意義。目前，統(tǒng)計數(shù)據(jù)是獲取其面積信息的主要途徑，但是難以準確反映稻蝦共作的空間分布。因此，如何獲取準確的稻蝦共作空間分布信息是目前亟待解決的問題。遙感技術(shù)具有在時空上持續(xù)監(jiān)測的能力，能夠準確地反映地物的空間分布，已成為獲取地表覆蓋信息的一種重要手段[5-7]。遙感數(shù)據(jù)已經(jīng)廣泛應(yīng)用在農(nóng)田、城市和森林等地物的準確提取[8]，但缺少在稻蝦共作的有效提取研究。基于此，文章基于稻蝦共作模式獨特的光譜時間差異特征，分析其與普通稻田、池塘水體等地表覆蓋類型的區(qū)別，根據(jù)不同季節(jié)稻蝦共作農(nóng)田的水體變化規(guī)律，應(yīng)用自動水域提取指數(shù)(Automated Water Extraction Index，AWEIsh)，建立一種基于水體季相差異的稻蝦共作提取方法。以湖北省潛江市為研究區(qū)域，利用2017年Landsat 8 OLI影像提取稻蝦共作農(nóng)田空間分布。

1 研究區(qū)域與數(shù)據(jù)

潛江市位于湖北省中部的江漢平原，是長江中下游稻蝦綜合種養(yǎng)模式的發(fā)源地，被譽為“小龍蝦之鄉(xiāng)”，稻蝦共作模式發(fā)展迅速。選用Landsat8 OLI影像進行稻蝦共作提取，在7—9月稻蝦共作農(nóng)田中稻生長旺盛和11月至次年2月處于灌水狀態(tài)的兩個時間段內(nèi)，選取行列號為124/39的2017年8月18日和2017年12月24日兩景全覆蓋湖北省潛江市的影像，數(shù)據(jù)源來自于美國地質(zhì)調(diào)查局(United States Geological Survey，USGS)網(wǎng)站(https：//earthexplorer.usgs.gov)。在ENVI中對Landsat8 OLI影像進行輻射定標、大氣校正和矢量裁剪后得到影像如圖1所示。

圖1 預(yù)處理后兩景假彩色影像：(a)和(b)影像時間分別為2017年8月18日和2017年12月24日

圖2 稻蝦共作驗證樣本空間分布

利用樣本數(shù)據(jù)對稻蝦共作提取結(jié)果進行精度驗證。該研究利用Google Earth平臺提供的2017年高分辨率影像數(shù)據(jù)，在保證樣本點數(shù)量充足、空間分布均勻的前提下，通過目視解譯的方法獲得稻蝦共作樣本點215個，非稻蝦共作樣本點212個，其空間分布如圖2所示。其中，非稻蝦共作樣本點包括5種易于被錯分為稻蝦共作的地表覆蓋類型：河流、普通池塘、建筑物、普通稻田和黃鱔養(yǎng)殖池塘。

2 稻蝦共作提取方法

2.1 稻蝦種養(yǎng)模式特征

稻蝦共作模式與傳統(tǒng)水稻種植模式不同，在該模式中，為保持克氏原螯蝦產(chǎn)量，只進行一季中稻種植，其余時間農(nóng)田保持水深50cm的灌水狀態(tài)，為克氏原螯蝦的發(fā)育繁殖提供廣闊的空間[9]。稻蝦共作種養(yǎng)模式通常在傳統(tǒng)稻田四周挖掘2～4m寬， 0.8～1.5m深的環(huán)形溝，水稻插秧之后，克氏原螯蝦在四周溝渠中養(yǎng)殖。此模式有效解決了稻蝦連作模式中水稻和克氏原螯蝦生長期沖突的問題，增加了克氏原螯蝦的經(jīng)濟效益和稻田的生態(tài)效益[10]。

稻蝦共作模式的種養(yǎng)過程如圖3所示，可以分為中稻種植和稻田休耕兩個階段。中稻種植階段從每年6月整田插秧開始，至10月中稻收割結(jié)束，此階段克氏原螯蝦在稻田四周的溝渠中進行養(yǎng)殖。其中8月上旬至9月底是第二季蝦的捕獲階段，同時投放親蝦為之后的幼蝦繁殖提供保障。稻田休耕從10月到次年5月，此階段為克氏原螯蝦的生長發(fā)育時期，其中4月中旬至6月上旬為第一季蝦的捕獲時期，并同時進行幼蝦投放以保障第二季蝦的產(chǎn)量[11， 12]。綜上所屬，稻蝦共作區(qū)域6—10月表現(xiàn)為水稻種植狀態(tài)， 10月底至次年5月呈現(xiàn)水域分布狀態(tài)。

圖3 稻蝦共作模式的種養(yǎng)過程

圖4 稻蝦共作與其他地表覆蓋類型在兩個季相中的光譜曲線與遙感影像 注：折線圖分別為6種地表覆蓋類型在2017年8月和12月兩景影像中提取出的光譜曲線； 表中展示6種地表覆蓋類型在兩個季相的假彩色遙感影像

2.2 稻蝦共作光譜分析

稻蝦種養(yǎng)模式具有獨特的季相變化，為分析稻蝦共作農(nóng)田的光譜季相差異特征，在研究區(qū)域內(nèi)選取稻蝦共作農(nóng)田、普通稻田、水產(chǎn)養(yǎng)殖池塘、亮建筑物、暗建筑物和河流6種地表覆蓋類型，分析在8月和12月光譜曲線特征。如圖4所示，比較兩個季相的反射率發(fā)現(xiàn)，亮建筑物、暗建筑物、水產(chǎn)養(yǎng)殖池塘和河流4種地表覆蓋在兩個季相的光譜曲線總體相似，而普通稻田和稻蝦共作農(nóng)田的反射率在兩個季相有明顯變化，主要體現(xiàn)在近紅外(NIR)和短波紅外(SWIR1)波段。具體來說，在8月份，稻蝦共作農(nóng)田光譜曲線和普通農(nóng)田類似，在NIR波段有較高的反射率，SWIR1波段的反射率也高于池塘、河流等水域。這個期間，稻蝦共作農(nóng)田與普通稻田同為水稻種植狀態(tài)，都處于水稻生長旺盛時期，如圖4中的遙感影像所示，稻蝦共作和普通稻田在8月份的假彩色影像中均顯示為紅色。在12月份，稻蝦共作農(nóng)田光譜曲線發(fā)生了顯著變化，呈現(xiàn)出與池塘等水域相似的光譜特征，即NIR波段的反射率大幅度降低，SWIR1波段反射率也降低。該階段，由于稻蝦共作農(nóng)田獨特的灌水特性，使其在假彩色影像中呈現(xiàn)出于類似水產(chǎn)養(yǎng)殖池塘的水域狀態(tài)。實踐表明，稻蝦共作農(nóng)田在兩個季相存在水域面積增加的規(guī)律，而其他地表覆蓋類型都沒有該特征。

2.3 基于水體季相差異的稻蝦共作提取方法

根據(jù)上述稻蝦共作所具有的獨特水域季相變化特征，該研究提出了一種基于水體季相差異的稻蝦共作提取方法。該方法應(yīng)用水體指數(shù)對同一年兩個季相的遙感影像進行水域提取，冬季與夏季相比增加的水域則為稻蝦共作區(qū)域。

該研究選取Feyisa等在2014年提出的自動水域提取指數(shù)AWEIsh分別獲取兩個時間段的水體區(qū)域，公式如下：

AWEIsh=ρband2+2.5*ρband3-1.5*(ρband5+ρband6)-0.25*ρband7

(1)

式(1)中：ρ是指Landsat 8 OLI光譜波段的反射率，band2、band3和band5分別為藍、綠、近紅外波段，band6和band7為短波紅外波段。此指數(shù)通過弱化非水體像元，增強水體和其他暗地類表面的對比度提高水體的提取精度，能夠有效地減弱陰影的影響，但存在將高反射率表面(冰雪和亮反射建筑物等)誤分為水體的可能性[13]。基于AWEIsh對2017年8月和2017年12月的水域提取結(jié)果，通過計算水域差得到潛江市稻蝦共作分布。

混淆矩陣是一個由真實類別信息和預(yù)測類別信息組成的方形數(shù)組，可以表示提取結(jié)果與實際地物類型的符合程度。該研究在驗證樣本的基礎(chǔ)上，利用混淆矩陣對提取結(jié)果進行精度評定，計算總體精度(Overall Accuracy，OA)、Kappa系數(shù)(Kappa coefficient)、漏分誤差(Omission)和錯分誤差(Comission)[14,15]。同時，該研究將實驗結(jié)果與改進的歸一化差異水體指數(shù)(Modification of Normalized Difference Water Index，MNDWI)提取的結(jié)果進行比較[16]。MNDWI的計算公式為：

(2)

該研究應(yīng)用Landsat8的SWIR1代替公式(2)中的MIR。

3 結(jié)果與分析

3.1 稻蝦共作農(nóng)田空間分析

2017年潛江市稻蝦共作農(nóng)田空間分布如圖5所示。整體上看，稻蝦共作主要分布在潛江市的西北部，該區(qū)域原來以水稻種植為主，在稻蝦共作技術(shù)的不斷推廣下，近年越來越多的農(nóng)戶和農(nóng)場將水田改為稻蝦共作農(nóng)田。其中，白鷺湖管理區(qū)、運糧湖管理區(qū)和熊口鎮(zhèn)北部地區(qū)的稻蝦共作農(nóng)田分布整齊且地塊面積較大； 后湖管理區(qū)、龍灣鎮(zhèn)和浩口鎮(zhèn)等鄉(xiāng)鎮(zhèn)的稻蝦共作農(nóng)田分布較為分散，地塊面積相對較小。潛江市東部的種植方式以旱田為主，只存在零星分布的稻蝦共作農(nóng)田，主要位于漁洋鎮(zhèn)和總口管理區(qū)。通過對提取結(jié)果進行面積統(tǒng)計，得到2017年潛江市稻蝦共作的總面積分別為1.14萬hm2。浩口鎮(zhèn)、熊口鎮(zhèn)、運糧湖管理區(qū)，龍灣鎮(zhèn)和白鷺湖管理區(qū)的稻蝦共作面積均超過了1 000hm2。其中龍灣鎮(zhèn)具有最高的稻蝦共作面積。白鷺湖管理區(qū)的稻蝦共作分布非常密集且地塊較大，使其總面積達到0.14萬hm2，位居第二。而在高石碑鎮(zhèn)、王場鎮(zhèn)和廣華街道等位于潛江市北部的鄉(xiāng)鎮(zhèn)，稻蝦共作面積較小，均在200hm2之下。

3.2 稻蝦共作農(nóng)田提取精度驗證

圖5 2017年湖北省潛江市稻蝦共作空間分布和面積統(tǒng)計

利用混淆矩陣評估稻蝦共作提取結(jié)果的精度，如表1所示。該研究應(yīng)用AWEIsh提取稻蝦共作結(jié)果的總體精度和Kappa系數(shù)分別為85.01%和0.70。這表明此方法在農(nóng)田地塊大小不一、種植分布錯綜復(fù)雜的潛江市具有較高的提取精度。提取結(jié)果的漏分率較低，僅為2.13%，這得益于AWEIsh提取結(jié)果在地塊的完整性方面具有優(yōu)良的表現(xiàn)。在圖5中可以明顯看出，應(yīng)用該研究方法提取出的稻蝦共作地塊較為規(guī)整，每塊農(nóng)田的像素提取較為完善，在與不同水體指數(shù)提取結(jié)果的空間分布進行對比時則表現(xiàn)更為突出。但是提取結(jié)果的錯分率較高，即28.37%。通過與實際影像對比和在Google Earth上進行驗證，發(fā)現(xiàn)主要存在兩種錯分情況：水體錯分為稻蝦共作和亮建筑物錯分為稻蝦共作。其中，水體誤提取的情況占據(jù)主要比例，將河流錯分為稻蝦共作主要分布在高石碑鎮(zhèn)、王場鎮(zhèn)和竹根灘鎮(zhèn)北部區(qū)域； 將水產(chǎn)養(yǎng)殖池塘錯分為稻蝦共作的區(qū)域主要分布在龍灣鎮(zhèn)。龍灣鎮(zhèn)不僅具有分布廣泛的稻蝦共作農(nóng)田，同時也擁有大量的水產(chǎn)養(yǎng)殖池塘，因此易于發(fā)生將池塘的邊緣像元誤提取為稻蝦共作的情況。而發(fā)生將亮建筑錯分情況的概率較小，只有存在零星錯分像素分布在園林街道和澤口街道等位于潛江市中心且亮建筑分布比較多的區(qū)域。

3.3 不同水體指數(shù)提取方法的對比

該研究利用MNDWI水體指數(shù)進行稻蝦共作提取，并和AWEIsh的提取結(jié)果進行對比，如表1所示。總體上看，AWEIsh提取結(jié)果具有高的總體精度和Kappa系數(shù)，分別達到85.01%和0.70。MNDWI的分類總體精度和Kappa系數(shù)分別70.96%和0.42。在漏分率方面，MNDWI的漏分率為9.01%，遠遠高于AWEIsh。在錯分率方面，AWEIsh具有最低的錯分率，即28.37%，MNDWI的錯分率高達53.02%。AWEIsh提取結(jié)果的精度較高，漏分率和錯分率較低，能夠有效提取出稻蝦共作農(nóng)田輪廓，田塊內(nèi)部椒鹽現(xiàn)象較少。

以稻蝦共作分布集中的白鷺湖管理區(qū)為例，在空間上比較AWEIsh和MNDWI提取結(jié)果的細節(jié)，分析不同水體指數(shù)稻蝦共作農(nóng)田提取結(jié)果的區(qū)別(圖6)。雖然兩種水體指數(shù)提取出的稻蝦共作分布大致相同，但在完整程度和錯分情況方面存在差異。在完整性方面，對于同一塊稻蝦共作農(nóng)田AWEIsh提取的完整度更高，MNDWI的提取結(jié)果則更為破碎，在大多數(shù)情況下只能提取出農(nóng)田的部分像元，嚴重影響提取結(jié)果的準確性。在錯分方面，圖6紅色框標出一條橫穿白鷺湖管理區(qū)的供水溝渠，兩種水體指數(shù)在此均出現(xiàn)錯分的情況，但不同水體指數(shù)在錯分程度上存在差異。AWEIsh錯分的像元數(shù)量少，相反MNDWI的錯分情況比較嚴重，誤提取的像元數(shù)量比較多，能夠清晰的辨別出溝渠的輪廓。雖然稻蝦共作的分布位置大致相同，但是在細節(jié)上AWEIsh提取的稻蝦共作農(nóng)田完整性較高和錯分情況較少。因此，從空間分布上可看出，AWEIsh具有較好的提取效果，而MNDWI于提取的稻蝦共作農(nóng)田完整性較差，錯分情況較多，提取結(jié)果并不理想。

表1 水體指數(shù)AWEIsh 和MNDWI提取結(jié)果的精度評價 %

圖6 白鷺湖管理區(qū)AWEIsh(a)和MNDWI(b)的提取結(jié)果

4 討論

針對目前稻蝦共作模式不斷發(fā)展，而稻蝦共作空間分布和面積信息獲取方法十分缺乏的問題，該研究提出一種高時效、低成本、易操作的遙感提取方法。以Landsat 8 OLI影像為例，通過分析稻蝦共作與其他地表覆蓋類型的光譜差異，總結(jié)稻蝦共作的水域變化規(guī)律，提出了基于水體季相差異的了稻蝦共作提取方法。

試驗結(jié)果表明，該方法的提取精度可達到85%以上，提取效果較好。同時，發(fā)現(xiàn)水體和高反射率地物是影響提取精度的主要因素。在水體方面，實際沒有發(fā)生變化的河流和池塘等，由于季相變化造成的光譜差異，使得部分像元，尤其是邊緣部分，被誤提取為稻蝦共作農(nóng)田。Feyisa也認為，由于不同季節(jié)的太陽照射角度、大氣構(gòu)成和水質(zhì)水量等發(fā)生變化，對于同一沒有發(fā)生變化的水域AWEIsh會受季節(jié)因素的影響而造成不同的提取效果[13]。另一方面，城區(qū)的高反射率建筑部分被錯分為稻蝦共作。Feyisa在已有多種水體指數(shù)的基礎(chǔ)上，為了增強AWEIsh區(qū)分水體和陰影、暗地物類型之間的能力，在指數(shù)中加入Blue和Green兩個波段，并且賦予Green波段成倍的系數(shù)。此方法雖然顯著的增加了水體的辨別度，但也可能會出現(xiàn)將具有高反射率的地表類型如冰雪、建筑物等錯分為水體的情況[13]。隨著水體提取方法的不斷改進，準確程度也在逐漸提高。通過選用更加準確的水域提取方法能夠在一定程度提高稻蝦共作的提取精度。同時，潛江稻蝦共作農(nóng)田的地塊面積大小不一，位于大多數(shù)鄉(xiāng)鎮(zhèn)的農(nóng)田更加破碎分散，在應(yīng)用具有中等分辨率的Landsat 8影像時，混合像元的情況則不可避免，這對提取結(jié)果的準確性產(chǎn)生一定影響。

5 結(jié)論

稻蝦共作作為一種復(fù)合生態(tài)模式，將水稻種植和克氏原螯蝦養(yǎng)殖組合在一起，具有良好的經(jīng)濟和生態(tài)效益。該研究通過分析稻蝦共作種養(yǎng)特點，基于不同季相的兩期Landsat 8 OLI影像，利用稻蝦共作農(nóng)田在冬季進行農(nóng)田灌水這一特征，提出了一種基于水體季相差異的稻蝦共作提取方法。該研究提取出的潛江市稻蝦共作農(nóng)田，主要分布在西北部的白鷺湖管理區(qū)、后湖管理區(qū)、熊口鎮(zhèn)和龍灣鎮(zhèn)等區(qū)域，和實際分布情況吻合，精度達到85.01%。通過與MNDWI的提取結(jié)果進行對比，該方法提取的農(nóng)田完整性高，錯分情況較少，具有較好的提取效果，這為今后區(qū)域尺度的稻蝦共作農(nóng)田監(jiān)測提供了便捷有效的技術(shù)手段。