遙感影像在農(nóng)業(yè)中的應(yīng)用

李明澤，馬浩然，吳培昊

（天津農(nóng)學(xué)院 農(nóng)學(xué)與資源環(huán)境學(xué)院，天津 300384）

近幾十年來(lái)，隨著遙感技術(shù)的不斷發(fā)展，獲取的遙感影像質(zhì)量越來(lái)越佳，尤其是近幾年高分辨率國(guó)產(chǎn)衛(wèi)星的興起，遙感影像在分辨率及時(shí)效性方面不斷提高，逐漸為不同行業(yè)日益增長(zhǎng)的監(jiān)測(cè)需求提供了較大幫助。農(nóng)業(yè)是遙感技術(shù)應(yīng)用最重要和廣泛的領(lǐng)域之一，國(guó)產(chǎn)衛(wèi)星遙感影像在農(nóng)業(yè)中的應(yīng)用也越來(lái)越廣泛。遙感技術(shù)由于能快速無(wú)損地獲取大范圍空間地表信息，因此在監(jiān)測(cè)農(nóng)作物面積、估測(cè)作物長(zhǎng)勢(shì)和產(chǎn)量、監(jiān)測(cè)作物災(zāi)害等方面越來(lái)越受到關(guān)注。它不僅能減少大量傳統(tǒng)調(diào)查人員的工作量，全面估測(cè)調(diào)查區(qū)域作物狀況，還能結(jié)合地理信息系統(tǒng)平臺(tái)及氣象環(huán)境數(shù)據(jù)，準(zhǔn)確直觀地發(fā)布農(nóng)情信息。近年來(lái)，隨著各類(lèi)遙感數(shù)據(jù)源尤其是國(guó)產(chǎn)影像的增多和圖像處理技術(shù)的發(fā)展，遙感獲得了更多發(fā)展契機(jī)，這也將會(huì)推動(dòng)農(nóng)業(yè)信息化、現(xiàn)代化的發(fā)展。

1 農(nóng)作物分類(lèi)與面積監(jiān)測(cè)

農(nóng)作物分類(lèi)與面積監(jiān)測(cè)方法經(jīng)歷了從粗放的大面積監(jiān)測(cè)到精細(xì)監(jiān)測(cè)的過(guò)程。使用遙感影像監(jiān)測(cè)農(nóng)作物面積主要是針對(duì)一種或多種農(nóng)作物面積進(jìn)行監(jiān)測(cè)。利用農(nóng)作物的植被指數(shù)或者農(nóng)作物在某個(gè)波段的特殊反映，提取出農(nóng)作物與非農(nóng)作物，進(jìn)一步區(qū)分農(nóng)作物的不同類(lèi)型。

在遙感技術(shù)剛剛發(fā)展的階段，遙感影像主要為低分辨率，使用較多的影像為低分辨率MODIS數(shù)據(jù)，主要用于監(jiān)測(cè)大范圍農(nóng)作物，如全國(guó)或全球范圍的農(nóng)作物分布面積。MODIS數(shù)據(jù)由于獲取方便以及免費(fèi)的特點(diǎn)，成為諸多學(xué)者研究的熱點(diǎn)。韓素芹等[1]利用MODIS影像對(duì)天津市冬小麥面積進(jìn)行分類(lèi)提取，得到冬小麥面積及分布圖。除了低分辨率數(shù)據(jù)外，以美國(guó)的Landsat衛(wèi)星數(shù)據(jù)為代表的中分辨率數(shù)據(jù)也是遙感農(nóng)業(yè)研究的熱點(diǎn)，Landsat數(shù)據(jù)以其獲取免費(fèi)、波段多、覆蓋范圍廣等特點(diǎn)，受到廣泛歡迎。劉同海等[2]使用Landsat衛(wèi)星TM傳感器數(shù)據(jù)對(duì)內(nèi)蒙古自治區(qū)鑲黃旗的退耕還草情況進(jìn)行監(jiān)測(cè)，對(duì)比了2004年和2003年期間植被的變化情況。MODIS和Landsat數(shù)據(jù)等中低分辨率的遙感衛(wèi)星在國(guó)家級(jí)、省級(jí)、市縣級(jí)大宗作物的監(jiān)測(cè)中一直發(fā)揮著重要作用[3]。

國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)應(yīng)用方面，在數(shù)據(jù)應(yīng)用初始階段，國(guó)產(chǎn)的“環(huán)境一號(hào)”小衛(wèi)星是較常用的影像，其多光譜影像分辨率為30 m，分辨率屬于中低分辨率，在農(nóng)業(yè)上多為監(jiān)測(cè)大范圍農(nóng)作物。李楊[4]利用環(huán)境衛(wèi)星（HJ-A/B）進(jìn)行大尺度監(jiān)測(cè)農(nóng)作物種植面積，認(rèn)為時(shí)間分辨率可以彌補(bǔ)數(shù)據(jù)與美國(guó)Landsat-TM數(shù)據(jù)在質(zhì)量上存在的差異，解決了農(nóng)作物種植面積測(cè)量時(shí)遙感數(shù)據(jù)因受云霧雪等天氣影響而難以獲取的問(wèn)題。

隨著國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)發(fā)展越來(lái)越快，數(shù)據(jù)質(zhì)量越來(lái)越好，越來(lái)越多學(xué)者采用分辨率更高的國(guó)產(chǎn)數(shù)據(jù)進(jìn)行研究。農(nóng)作物類(lèi)型分類(lèi)與面積監(jiān)測(cè)方法也更加完善，將遙感數(shù)據(jù)與農(nóng)作物物候期結(jié)合起來(lái)，能夠大大改善監(jiān)測(cè)效果。也有越來(lái)越多的學(xué)者通過(guò)多期遙感數(shù)據(jù)共同分析監(jiān)測(cè)農(nóng)作物類(lèi)型與面積。黃健熙等[5]利用高分一號(hào)衛(wèi)星多個(gè)時(shí)相16 m分辨率的數(shù)據(jù)，采用隨機(jī)森林分類(lèi)算法對(duì)黑龍江省黑河市嫩江縣玉米與大豆種植面積進(jìn)行提取。王利民等[6]利用4期16 m的高分一號(hào)數(shù)據(jù)，采用基于分割對(duì)象結(jié)合分層決策樹(shù)分類(lèi)算法對(duì)冬小麥面積進(jìn)行提取。武笑天[7]基于國(guó)產(chǎn)高分一號(hào) 16 m影像與美國(guó) Landsat-8衛(wèi)星數(shù)據(jù)進(jìn)行小麥面積監(jiān)測(cè)的對(duì)比研究，認(rèn)為國(guó)產(chǎn)高分一號(hào)衛(wèi)星總體分類(lèi)精度相對(duì)于Landsat-8衛(wèi)星數(shù)據(jù)稍低，但其生產(chǎn)和用戶(hù)精度比Landsat-8衛(wèi)星要高。此外，陳志杰[8]也提出單純基于 GF-1數(shù)據(jù)的作物面積遙感監(jiān)測(cè)效果較差，其原因主要在于目前GF-1影像只有近紅外、紅光、綠光和藍(lán)光等4個(gè)波段，缺少對(duì)農(nóng)作物生理生態(tài)特性非常敏感的SWIR等特征波段，而Landsat衛(wèi)星恰恰能滿(mǎn)足此需求。

另外，隨著國(guó)產(chǎn)高分辨率數(shù)據(jù)分辨率越來(lái)越高，提取小范圍某種類(lèi)型農(nóng)作物的效果也越來(lái)越好。娜仁花等[9]利用資源三號(hào)衛(wèi)星影像采用基于PCA和紋理特征的分類(lèi)方法提取種植紅花面積。鄭利娟[10]根據(jù)研究區(qū)的高分一號(hào)融合后的2 m數(shù)據(jù)結(jié)合高分六號(hào)數(shù)據(jù)，采用基于時(shí)間序列的面向?qū)ο筠r(nóng)作物分類(lèi)方法對(duì)農(nóng)作物進(jìn)行分類(lèi)，提高了農(nóng)作物遙感識(shí)別和分類(lèi)精度。李大威[11]用2 m分辨率的高分一號(hào)和0.8 m分辨率的高分二號(hào)影像，實(shí)現(xiàn)了玉米區(qū)信息提取研究。

2 農(nóng)作物受災(zāi)情況監(jiān)測(cè)

病害、蟲(chóng)害、凍害對(duì)農(nóng)作物的葉片結(jié)構(gòu)、葉綠素含量等產(chǎn)生影響，這些影響也會(huì)反映在光譜特征上。受害脅迫后的作物冠層光譜因植株本身形態(tài)與結(jié)構(gòu)影響，與健康葉光譜存在一定差異，作物遭病害危害或長(zhǎng)勢(shì)改變后，反射光譜一定會(huì)發(fā)生變化，遙感影像灰度值也會(huì)相應(yīng)變化。利用遙感影像中作物的光譜特征去判斷作物是否受災(zāi)，結(jié)合計(jì)算機(jī)圖像處理算法，就可實(shí)現(xiàn)對(duì)農(nóng)作物受災(zāi)情況的監(jiān)測(cè)。如:楊粉團(tuán)等[12]利用多時(shí)相環(huán)境衛(wèi)星遙感影像監(jiān)測(cè)玉米黏蟲(chóng)災(zāi)情空間分布；王立志等[13]利用基于多時(shí)相環(huán)境衛(wèi)星影像監(jiān)測(cè)玉米倒伏災(zāi)情情況。

大多數(shù)災(zāi)害研究使用光學(xué)遙感數(shù)據(jù)，是由于高光譜數(shù)據(jù)價(jià)格昂貴、幅寬窄和返回周期長(zhǎng)等問(wèn)題限制了應(yīng)用。高光譜包含的波段多，與光學(xué)遙感常見(jiàn)的紅、綠、藍(lán)、近紅外波段不同，高光譜數(shù)據(jù)包含紫外、可見(jiàn)光、近紅外、中紅外波段的許多狹窄的連續(xù)光譜圖像，具有很高的光譜分辨率，對(duì)于監(jiān)測(cè)農(nóng)作物精細(xì)光譜信息有很大幫助。部分學(xué)者利用高光譜數(shù)據(jù)對(duì)農(nóng)作物災(zāi)害進(jìn)行了研究。李軍玲等[14]利用環(huán)境一號(hào)衛(wèi)星HSI高光譜遙感數(shù)據(jù)對(duì)冬小麥凍害進(jìn)行監(jiān)測(cè)，認(rèn)為高光譜數(shù)據(jù)比光學(xué)數(shù)據(jù)監(jiān)測(cè)凍害具有一定優(yōu)勢(shì)；趙蕓[15]利用高光譜影像實(shí)現(xiàn)了油菜病蟲(chóng)害的早期監(jiān)測(cè)。

3 農(nóng)作物長(zhǎng)勢(shì)監(jiān)測(cè)

農(nóng)作物的光譜特征由葉片中的葉肉細(xì)胞、葉綠素、水分及其他化學(xué)成分反射所得，這些是農(nóng)作物長(zhǎng)勢(shì)的監(jiān)測(cè)依據(jù)。遙感影像近年來(lái)被廣泛應(yīng)用于作物的長(zhǎng)勢(shì)監(jiān)測(cè)中，對(duì)指導(dǎo)農(nóng)業(yè)生產(chǎn)管理具有越來(lái)越重要的作用。雖然目前可供使用的影像數(shù)據(jù)源較為豐富，但受空間分辨率、光譜分辨率以及監(jiān)測(cè)成本等多種因素的影響，在實(shí)際應(yīng)用中，中分辨率多光譜影像成為應(yīng)用能力最強(qiáng)的作物長(zhǎng)勢(shì)監(jiān)測(cè)遙感數(shù)據(jù)源。在反映作物長(zhǎng)勢(shì)的指標(biāo)中，LAI是一個(gè)非常重要的生理參數(shù)，與作物的許多生物物理過(guò)程相關(guān)聯(lián)，如光合、蒸發(fā)、蒸散、碳循環(huán)等，能夠與作物的生物量、產(chǎn)量建立較好的關(guān)系。因此諸多學(xué)者研究了遙感影像在水稻、玉米等農(nóng)作物L(fēng)AI估測(cè)方面的可行性。在諸多中分辨率影像數(shù)據(jù)中，美國(guó)的Landsat系列影像較為常用。在此基礎(chǔ)上，也有諸多學(xué)者研究了國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)與Landsat數(shù)據(jù)在LAI估測(cè)方面的對(duì)比，包括環(huán)境一號(hào)小衛(wèi)星、高分一號(hào)衛(wèi)星與Landsat數(shù)據(jù)在LAI估測(cè)方面的對(duì)比。得出HJ-CCD 影像在LAI 估測(cè)方面基本可以獲得與TM影像相近的效果[16]。同樣，GF-1衛(wèi)星數(shù)據(jù)也能夠代替?zhèn)鹘y(tǒng)中分辨率數(shù)據(jù)成為農(nóng)業(yè)遙感長(zhǎng)勢(shì)監(jiān)測(cè)中的重要數(shù)據(jù)源。

4 農(nóng)作物產(chǎn)量監(jiān)測(cè)

農(nóng)作物遙感估產(chǎn)是通過(guò)衛(wèi)星獲取的多光譜或高光譜數(shù)據(jù)，收集分析農(nóng)作物不同生理期光譜特征，從而提取植被指數(shù)、葉面積指數(shù)、葉綠素含量、植土比等因子，結(jié)合農(nóng)作物生理特征，反演出被測(cè)作物的產(chǎn)量。

遙感影像提供的作物光譜信息與作物產(chǎn)量具有一定的關(guān)系。作物的豐度信息可以反映出作物產(chǎn)量。因此基于作物豐度信息與作物產(chǎn)量的估產(chǎn)模型可以對(duì)作物產(chǎn)量進(jìn)行預(yù)測(cè)。諸多學(xué)者利用中分辨率數(shù)據(jù)對(duì)大范圍的作物產(chǎn)量預(yù)估進(jìn)行了研究。張強(qiáng)[17]使用MODIS數(shù)據(jù)對(duì)黑河流域中游農(nóng)作物進(jìn)行估產(chǎn)研究。彭麗[18]使用MODIS數(shù)據(jù)對(duì)陜西省的小麥與玉米產(chǎn)量進(jìn)行估算模型研究。此外，中國(guó)氣象科學(xué)研究院主持研究了全球主要農(nóng)作物產(chǎn)量氣象衛(wèi)星遙感監(jiān)測(cè)和綜合估產(chǎn)研究項(xiàng)目，取得較好的預(yù)估效果[19]。

另外，也有學(xué)者對(duì)小范圍的研究區(qū)域采用分辨率較高的遙感數(shù)據(jù)進(jìn)行了產(chǎn)量預(yù)估研究，無(wú)人機(jī)遙感具有靈活機(jī)動(dòng)、高效快速、精細(xì)準(zhǔn)確、作業(yè)成本低等特點(diǎn)，特別適合小范圍的快速精確遙感應(yīng)用。龔 龑等[20]根據(jù)5月和10月兩個(gè)季節(jié)的6波段無(wú)人機(jī)數(shù)據(jù)，提出基于全約束混合像元分析方法的油菜估產(chǎn)模型，將其應(yīng)用于油菜花產(chǎn)量的預(yù)估。

5 秸稈焚燒監(jiān)測(cè)

利用遙感影像進(jìn)行秸稈焚燒監(jiān)測(cè)，目前有幾種方法，一種是使用低分辨率的MODIS數(shù)據(jù)，由于MODIS的MOD14熱異常數(shù)據(jù)可供直接獲取使用，能夠探測(cè)比氣象衛(wèi)星更小更多的火點(diǎn)，是監(jiān)測(cè)秸稈焚燒的理想數(shù)據(jù)源。王子峰等[21]用 MODIS數(shù)據(jù)，通過(guò)對(duì)“背景對(duì)比火點(diǎn)探測(cè)算法”調(diào)整閾值后的算法進(jìn)行秸稈焚燒火點(diǎn)監(jiān)測(cè)。另一種是使用常見(jiàn)的光學(xué)遙感影像進(jìn)行目視解譯或者自動(dòng)解譯。目視解譯一般會(huì)針對(duì)融合后的真彩色波段進(jìn)行解譯。馮登超等[22]利用資源三號(hào)遙感影像，資源三號(hào)衛(wèi)星融合后 2.1 m真彩色影像對(duì)秸稈焚燒火點(diǎn)進(jìn)行精確目視解譯，并結(jié)合ArcGIS進(jìn)行精確定位，實(shí)現(xiàn)較高的準(zhǔn)確率。自動(dòng)解譯主要是根據(jù)火點(diǎn)或者焚燒后的秸稈區(qū)域與普通秸稈區(qū)域存在光譜異?，F(xiàn)象，通過(guò)計(jì)算機(jī)判斷光譜差異來(lái)確定秸稈焚燒區(qū)域。

6 總結(jié)與展望

遙感技術(shù)的不斷發(fā)展使得農(nóng)業(yè)監(jiān)測(cè)越來(lái)越精細(xì)化、實(shí)時(shí)化，衛(wèi)星數(shù)據(jù)的實(shí)時(shí)獲取越來(lái)越方便，大大促進(jìn)了農(nóng)業(yè)遙感監(jiān)測(cè)的科學(xué)性。尤其是近幾年國(guó)產(chǎn)遙感數(shù)據(jù)分辨率和清晰度逐漸可以與國(guó)外衛(wèi)星數(shù)據(jù)媲美，使得國(guó)產(chǎn)數(shù)據(jù)的應(yīng)用越來(lái)越廣泛。加之民用遙感行業(yè)的不斷發(fā)展，各個(gè)行業(yè)專(zhuān)項(xiàng)小衛(wèi)星也陸續(xù)升空，衛(wèi)星影像與視頻協(xié)同監(jiān)測(cè)地面越來(lái)越成為可能。幾種常見(jiàn)的國(guó)外和國(guó)產(chǎn)衛(wèi)星參數(shù)見(jiàn)表1～表5。

國(guó)產(chǎn)的高分一號(hào)遙感影像分辨率在一定程度上能和國(guó)外的Landsat系列衛(wèi)星影像抗衡，但其波段相較于 Landsat稍有不足，而環(huán)境一號(hào)小衛(wèi)星HJ-1B星座的影像能在一定程度上彌補(bǔ)這方面的不足。高分四號(hào)衛(wèi)星在覆蓋范圍能力和分辨率方面能取代一部分 MODIS影像的功能，但 MODIS的多波段效能目前還很難替代。至于高分辨率的影像，國(guó)產(chǎn)的資源三號(hào)、高分二號(hào)衛(wèi)星已具備很好的效果，可逐步替代國(guó)外的Worldview、Quickbuird影像在農(nóng)業(yè)遙感監(jiān)測(cè)方面的應(yīng)用。

農(nóng)業(yè)遙感監(jiān)測(cè)的方向一直都很廣泛，如何在各個(gè)監(jiān)測(cè)范圍內(nèi)不斷完善監(jiān)測(cè)的準(zhǔn)確性和實(shí)時(shí)性，將是農(nóng)業(yè)遙感監(jiān)測(cè)研究的重點(diǎn)，這也有賴(lài)于圖像處理技術(shù)和物聯(lián)網(wǎng)技術(shù)等信息提取和傳輸?shù)燃夹g(shù)的更進(jìn)一步發(fā)展，為遙感監(jiān)測(cè)提供更多可能。

表1 MODIS衛(wèi)星數(shù)據(jù)參數(shù)

表2 高分一號(hào)衛(wèi)星參數(shù)

表3 環(huán)境一號(hào)小衛(wèi)星HJ-1B參數(shù)

表4 Landsat衛(wèi)星ETM＋傳感器參數(shù)

表5 高分四號(hào)衛(wèi)星參數(shù)