基于MODIS-EVI的內(nèi)蒙古沿黃平原區(qū)作物種植結(jié)構(gòu)分析

賈博中，白燕英*，魏占民，閆 東，張志胤

（1.內(nèi)蒙古農(nóng)業(yè)大學(xué) 水利與土木建筑工程學(xué)院，呼和浩特010018；2.內(nèi)蒙古自治區(qū)土壤肥料和節(jié)水農(nóng)業(yè)工作站，呼和浩特010010）

0 引 言

【研究意義】我國(guó)是人口大國(guó)，農(nóng)業(yè)的發(fā)展是國(guó)民經(jīng)濟(jì)和社會(huì)穩(wěn)定發(fā)展的重要基礎(chǔ)和保障[1]?？焖?、高效地獲取農(nóng)作物種植結(jié)構(gòu)信息對(duì)農(nóng)業(yè)部門的生產(chǎn)管理、農(nóng)產(chǎn)品產(chǎn)量估計(jì)以及農(nóng)作物種植結(jié)構(gòu)優(yōu)化和調(diào)整都具有重要的意義[2-3]。遙感技術(shù)相比于費(fèi)時(shí)費(fèi)力的傳統(tǒng)人工調(diào)查，有著成本低、觀測(cè)周期短以及覆蓋面積廣等優(yōu)勢(shì)，廣泛應(yīng)用于作物種植結(jié)構(gòu)提取，并且正逐漸成為一種熱門手段[4-6]。因此，怎樣應(yīng)用遙感影像和采用適合的分類方法，來取得較高精度的分類結(jié)果，成為低成本較高精度農(nóng)業(yè)遙感研究的一個(gè)重要方向。【研究進(jìn)展】目前基于多時(shí)相作物分類方法充分地利用了作物季節(jié)特征，能清楚地反映出不同農(nóng)作物隨著時(shí)間的變化趨勢(shì)，能有效地減少農(nóng)作物誤分現(xiàn)象，是當(dāng)前用遙感進(jìn)行農(nóng)作物種植結(jié)構(gòu)提取的主流方法[7-11]。楊小喚等[12]基于時(shí)間序列的MODIS 影像，通過分析各類作物的歸一化植被指數(shù)NDVI值在生育期的生長(zhǎng)變化規(guī)律，提取出北京市冬小麥和夏玉米等農(nóng)作物。MAUS 等[13]在DTW 算法的基礎(chǔ)上引入了時(shí)間權(quán)重因子，利用MODIS 時(shí)間序列影像，基于時(shí)間加權(quán)的動(dòng)態(tài)彎曲方法在巴西中部地區(qū)提取作物的空間分布情況。陳穎姝等[14]對(duì)Landsat8-OLI 和MODIS影像的時(shí)間序列綜合利用，提取出感興趣區(qū)域，再利用BP 神經(jīng)網(wǎng)絡(luò)的方法對(duì)提取數(shù)據(jù)進(jìn)行監(jiān)督分類，進(jìn)而獲取研究區(qū)農(nóng)作物的空間分布信息。韓宇平等[15]利用Landsat8 和MODIS 影像的NDVI時(shí)間序列數(shù)據(jù)，采用監(jiān)督分類和非監(jiān)督分類2 種方法對(duì)灌區(qū)不同水源的灌溉面積進(jìn)行分類。由此可見，雖然目前學(xué)者對(duì)利用衛(wèi)星遙感數(shù)據(jù)提取空間分布信息開展了廣泛研究，但如何利用大尺度中低分辨率在大區(qū)域內(nèi)進(jìn)行種植結(jié)構(gòu)分析仍值得研究。

【切入點(diǎn)】目前，MOD13Q1 影像能夠有效地構(gòu)建NDVI和EVI時(shí)間序列。由于在農(nóng)作物生育高峰期或高作物覆蓋下，NDVI的增長(zhǎng)速度沒有EVI快，導(dǎo)致生長(zhǎng)或衰落時(shí)農(nóng)作物的EVI值相比NDVI值的變化更為明顯。甚至有些情況下當(dāng)作物開始衰落時(shí)，EVI值顯示為降低，而NDVI值仍表現(xiàn)為升高，不能敏銳地感應(yīng)出農(nóng)作物長(zhǎng)勢(shì)變化，在監(jiān)測(cè)農(nóng)作物長(zhǎng)勢(shì)變化方面EVI更敏感[16]?！緮M解決的關(guān)鍵問題】本研究采用2019年的MCD12Q1 影像和2019年4―9月12 個(gè)時(shí)相的MOD13Q1 影像構(gòu)建EVI時(shí)間序列，分析內(nèi)蒙古沿黃平原區(qū)小麥、玉米、葵花、西葫蘆、番茄和苜蓿6 種作物的生育期和增強(qiáng)型植被指數(shù)EVI的時(shí)間序列變化特征，提取出主要農(nóng)作物的時(shí)間變化曲線，通過6 種主要農(nóng)作物的EVI時(shí)序曲線，獲取作物空間分布和種植面積等信息。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于內(nèi)蒙古自治區(qū)中西部的內(nèi)蒙古沿黃平原區(qū)地處黃河中上游，研究區(qū)疆域遼闊地勢(shì)平坦（圖1）。平原區(qū)屬于典型的溫帶大陸性氣候，降水量少而蒸發(fā)能力大，全年日照時(shí)間長(zhǎng)。地理坐標(biāo)為北緯39°01′30″―41°20′23″，東經(jīng)105°22′09″―112°00′14″。內(nèi)蒙古沿黃平原區(qū)擁有著得天獨(dú)厚的灌溉條件，適宜多種作物生長(zhǎng)，是我國(guó)重要的糧食生產(chǎn)基地，主要的糧食作物有小麥和玉米，主要的經(jīng)濟(jì)作物有各類瓜果蔬菜和葵花，種植結(jié)構(gòu)較為復(fù)雜，在自治區(qū)經(jīng)濟(jì)發(fā)展中有著舉足輕重的作用。

圖1 研究區(qū)地理位置Fig.1 Geographical location of the study area

1.2 研究區(qū)數(shù)據(jù)獲取與分析

1.2.1 MODIS 遙感數(shù)據(jù)獲取

本研究所用的MCD12Q1 和MOD13Q1 影像時(shí)間分辨率分別為1 a 和16 d，空間分辨率分別為500 m和250 m，均下載自ladsweb.modaps.eosdis.nasa.gov。中分辨率成像光譜儀（MODIS）是AQUA 衛(wèi)星和TERRA 衛(wèi)星上裝載的主要傳感器之一，在2 顆衛(wèi)星的相互配合下可以得出36 個(gè)波段的觀測(cè)信息，并可重復(fù)觀測(cè)整個(gè)地球表面。

1.2.2 MODIS 遙感數(shù)據(jù)預(yù)處理

MODIS 產(chǎn)品都為正弦投影坐標(biāo)系，通常使用的地理坐標(biāo)系為WGS-84，而在正弦投影下中國(guó)地區(qū)形變較大，需要坐標(biāo)轉(zhuǎn)換后使用，所以對(duì)MODIS 影像數(shù)據(jù)預(yù)處理的流程是：重投影-重采樣-鑲嵌-裁剪。

數(shù)據(jù)預(yù)處理使用The Environment for Visualizing Images（ENVI）軟件。首先對(duì)MCD12Q1 和MOD13Q1影像進(jìn)行重投影，將圖像轉(zhuǎn)換為WGS-84 地理坐標(biāo)系；其次進(jìn)行重采樣，將MCD12Q1 和MOD13Q1 影像的像素分別設(shè)為500 m 和250 m；然后將覆蓋研究區(qū)需要的h26v04 和h26v05 二部分圖像鑲嵌；最后根據(jù)內(nèi)蒙古沿黃平原區(qū)的矢量數(shù)據(jù)文件對(duì)測(cè)區(qū)進(jìn)行裁剪。

1.2.3 野外采樣數(shù)據(jù)

為了更好地驗(yàn)證農(nóng)作物分類結(jié)果，2019年4―9月對(duì)內(nèi)蒙古沿黃平原區(qū)內(nèi)的農(nóng)作物種植情況進(jìn)行了多次實(shí)地采樣，共收集到533 個(gè)樣本點(diǎn)，其中小麥64 個(gè)，玉米129 個(gè)，葵花72 個(gè)，西葫蘆79 個(gè)，番茄75 個(gè)，苜蓿62 個(gè)和其他作物52 個(gè)。MODIS 影像空間分辨率較低，在野外采集數(shù)據(jù)時(shí)需要用Landsat8-OLI 影像中分辨率為15 m 的全色波段和30 m 的多光譜波段，配合Google Earth 地圖，通過目視解譯來輔助野外布點(diǎn)，保證每一個(gè)采樣點(diǎn)都設(shè)置在面積相對(duì)較大的農(nóng)田上，且平均分散在研究區(qū)內(nèi)。在野外實(shí)地采樣時(shí)用GPS 儀打點(diǎn)并拍照記錄，盡量選取農(nóng)作物種類一致、覆蓋度相對(duì)較高、長(zhǎng)勢(shì)均勻且面積大于250 m×250 m 的區(qū)域作為采樣點(diǎn)。

表1 主要農(nóng)作物生育期Table 1 Main crop growth period

1.3 農(nóng)作物生育期

內(nèi)蒙古沿黃平原區(qū)農(nóng)作物的生育期為4月初到9月底，本文主要對(duì)研究區(qū)2019年種植面積相對(duì)較大的小麥、玉米、葵花、西葫蘆、番茄和苜蓿的種植情況進(jìn)行遙感獲取，剩余農(nóng)作物歸為其他作物一類，6 種主要農(nóng)作物生育期詳見表1。

1.4 混淆矩陣的計(jì)算方法

混淆矩陣可以進(jìn)一步得到農(nóng)作物總體分類精度（PC）和Kappa 系數(shù)（k），計(jì)算式為：

式中：n為混淆矩陣的總行列數(shù)；Pkk為混淆矩陣的對(duì)角線元素；P為總像元個(gè)數(shù)。

式中：N為總像元個(gè)數(shù)；r為混淆矩陣的總行列數(shù)；Xii為混淆矩陣的對(duì)角線元素；Xi+為混淆矩陣各行之和；X+i為混淆矩陣各列之和。

2 結(jié)果與分析

2.1 土地利用分類

MCD12Q1 影像基本的土地覆蓋分類確定了17 種土地覆蓋類別，其中包括11 種自然植被類別，3 種土地類別以及3 種非植被土地類別，這些是通過MCD12Q1影像本身自帶的決策樹分類方法得出（圖2）。本研究應(yīng)用的是全球植被分類（IGBP），提取其中DN 值為12 的農(nóng)用地在ENVI軟件下進(jìn)行掩膜處理，需要在內(nèi)蒙古沿黃平原區(qū)內(nèi)掩膜掉非農(nóng)用地部分，掩膜后剩余的部分作為下一步作物提取分類的研究區(qū)。

圖2 MCD12Q1 土地利用分類Fig.2 MCD12Q1 Land use classification

完成分類后統(tǒng)計(jì)各類所占比例，得出內(nèi)蒙古沿黃平原區(qū)總面積約為3.86×104km2；提取出農(nóng)用地面積約為1.03×104km2，占研究區(qū)總面積的26.55%，把這部分得到的分類結(jié)果作為農(nóng)用地研究區(qū)。

2.2 不同農(nóng)作物EVI 值時(shí)間特征分析

根據(jù)小麥、玉米、葵花、西葫蘆、番茄和苜蓿6種作物在野外采樣時(shí)得到的經(jīng)緯度，在ENVI軟件上可以顯示出每個(gè)采樣點(diǎn)EVI的時(shí)序曲線走向，并得到每個(gè)采樣點(diǎn)時(shí)間序列EVI值，合并起來即為EVI時(shí)間序列曲線（如圖3）。同一種農(nóng)作物在不同的采樣點(diǎn)由于長(zhǎng)勢(shì)、種植方式等因素的不同導(dǎo)致EVI時(shí)間序列曲線也不完全相同，但其趨勢(shì)基本相近。在分析研究區(qū)目標(biāo)農(nóng)作物時(shí)間序列EVI值特征的基礎(chǔ)上，可以提取6 種主要農(nóng)作物EVI的最大值、最小值、平均值以及峰值出現(xiàn)的時(shí)間這4 個(gè)特征閾值作為典型特征，用于輔助提取6 種主要農(nóng)作物EVI時(shí)間序列曲線。

圖3 農(nóng)作物EVI 時(shí)間序列曲線Fig.3 Crop EVI time series curve

小麥的EVI值在4月下旬出苗時(shí)開始增加，在6月下旬抽穗時(shí)達(dá)到最大值，并在7月下旬成熟收獲時(shí)會(huì)迅速下降。內(nèi)蒙古沿黃平原區(qū)部分區(qū)域春小麥?zhǔn)崭顣r(shí)間早，如果收割后溫度適宜，且灌溉條件好，部分地區(qū)還會(huì)在收割后的春小麥區(qū)域重新種植其他農(nóng)作物，導(dǎo)致有的地區(qū)9月小麥EVI時(shí)序曲線有一定幅度上升，達(dá)到了1年2 個(gè)波峰。因?yàn)榉逯岛头逯党霈F(xiàn)時(shí)間是區(qū)分小麥和其他作物的關(guān)鍵，所以在提取小麥時(shí)找到這2 個(gè)因素尤為重要。

玉米的EVI值在4—5月都處于較低范圍，EVI值小于0.25，此時(shí)的玉米處于生長(zhǎng)初期，到了6—8月，玉米的EVI指數(shù)一直呈較快速度增長(zhǎng)，此時(shí)玉米處于快速生長(zhǎng)期，EVI值于8月初達(dá)到峰值。

葵花4—6月EVI值始終較小，EVI值低于0.2，其在此時(shí)期處于生長(zhǎng)初級(jí)階段，7月初至8月底，葵花的EVI值迅速增加，此時(shí)葵花處于快速生長(zhǎng)期，8月底葵花EVI指數(shù)達(dá)到峰值，并在9月呈下降趨勢(shì)，在9月下旬進(jìn)入成熟期。值得注意的是葵花是內(nèi)蒙古沿黃平原區(qū)最晚收割的農(nóng)作物，其峰值出現(xiàn)時(shí)間在農(nóng)作物提取中尤為關(guān)鍵。

西葫蘆的EVI指數(shù)在4—5月都處于較低范圍，EVI值均小于0.2，此時(shí)西葫蘆處于生長(zhǎng)初期，5—6月EVI指數(shù)增速加快，到了6—7月西葫蘆EVI指數(shù)增速減緩，并在7月初達(dá)到峰值。

番茄與西葫蘆生長(zhǎng)情況較為相似，在4—5月EVI指數(shù)處于較低范圍，EVI值均小于0.2，5—6月EVI指數(shù)快速增加，6—7月番茄EVI指數(shù)增長(zhǎng)速率減慢，并在7月中旬達(dá)到峰值。

苜蓿和其他農(nóng)作物的EVI時(shí)間序列曲線差異明顯，在研究區(qū)的地理和氣候條件下，當(dāng)?shù)貫榱藢?shí)現(xiàn)飼草料就近就地化解決，從而降低奶牛養(yǎng)殖成本增加收益，苜蓿每年收割3 次，間隔1—2 個(gè)月就會(huì)出現(xiàn)1次EVI值先上升再下降的情況，相應(yīng)在EVI時(shí)序曲線升降較為頻繁，便于區(qū)分。

2.3 作物種植結(jié)構(gòu)提取

本研究根據(jù)農(nóng)作物EVI時(shí)間序列曲線和農(nóng)作物樣本點(diǎn)分別列出6 種主要農(nóng)作物的分類提取條件，其中EVI時(shí)間序列曲線的波形可以反映出農(nóng)作物的生長(zhǎng)變化情況。依據(jù)不同農(nóng)作物生長(zhǎng)的物候特征，利用作物分類提取條件（如圖4）在MOD13Q1 影像ENVI軟件中對(duì)研究區(qū)內(nèi)的農(nóng)作物進(jìn)行分類提取。

圖4 作物分類提取條件Fig.4 Crop classification extraction conditions

表2 各類農(nóng)作物分類像元數(shù)及面積占比Table 2 Image number and area ratio of various crop classification

圖5 主要農(nóng)作物分類Fig.5 Main crop classification

按上述分類提取條件（如圖4）和分類結(jié)果（如圖5）可得，農(nóng)用地大部分被玉米所覆蓋占比達(dá)到72.29%，面積為7 412.75 km2，尤其在研究區(qū)東部的呼和浩特和包頭周圍地區(qū)種植意向更傾向于玉米?？娣e為575.26 km2，占農(nóng)用地總面積的5.61%，主要分布在烏拉特前旗和五原縣。小麥在研究區(qū)內(nèi)僅占農(nóng)用地的0.97%，面積為99.47 km2，集中在杭錦后旗一帶。西葫蘆和番茄的面積分別為900.06 km2和836.75 km2，分別占農(nóng)用地的8.78%和8.16%，在研究區(qū)分布較為廣泛。苜蓿主要集中在土默特左旗，面積為183.55 km2，占農(nóng)用地的1.79%。其他作物面積為246.10 km2，占農(nóng)用地的2.40%，得到的統(tǒng)計(jì)結(jié)果與野外實(shí)地采樣情況基本符合。

2.4 精度驗(yàn)證

根據(jù)野外采樣點(diǎn)結(jié)合6 種主要農(nóng)作物EVI時(shí)間序列曲線，在分類結(jié)果圖像中隨機(jī)提取每種作物50 個(gè)樣本點(diǎn)，共計(jì)350 個(gè)點(diǎn)進(jìn)行農(nóng)作物分類結(jié)果精度驗(yàn)證，結(jié)果如圖6 所示。

圖6 農(nóng)作物分類混淆矩陣熱度Fig.6 Crop classification confusion matrix heat

農(nóng)作物的總體分類精度為78.29%，Kappa 系數(shù)為0.747，精度較為理想。從用用精度和制圖精度分析，除去其他作物的用用精度和制圖精度較低，分別為68.75%和66%以外，小麥、玉米、葵花、西葫蘆、番茄和苜蓿的用用精度和制圖精度都較好。

因?yàn)檠芯繀^(qū)玉米種植面積超過70%，所以獲取了沿黃灌區(qū)各旗縣2019年玉米種植統(tǒng)計(jì)年鑒面積統(tǒng)計(jì)結(jié)果作為分類效果的依據(jù)。由統(tǒng)計(jì)結(jié)果可知，各旗縣2019年玉米種植面積為：阿拉善10.47 km2、鄂爾多斯2 287.13 km2、巴彥淖爾2 617.53 km2、包頭1 047.50 km2、呼和浩特1 949.54 km2，在沿黃灌區(qū)種植的玉米實(shí)地統(tǒng)計(jì)面積合計(jì)為7 912.17 km2。而從表2 得知玉米的提取面積為7 412.75 km2，相對(duì)誤差為6.31%，得到了較為滿意的結(jié)果。

3 討論

作物種植結(jié)構(gòu)是作物長(zhǎng)勢(shì)監(jiān)測(cè)和估產(chǎn)分析、種植結(jié)構(gòu)調(diào)整及優(yōu)化、作物灌溉管理的主要依據(jù)，充分利用作物的季相節(jié)律特征是區(qū)分作物與其他綠色植被以及作物之間的關(guān)鍵理論依據(jù)[17]。本研究嘗試在內(nèi)蒙古沿黃平原區(qū)的糧食生產(chǎn)基地建立快速、準(zhǔn)確并且相對(duì)有效的作物分類識(shí)別方法，使用MODIS-EVI時(shí)間序列曲線探索研究區(qū)6 種主要農(nóng)作物的分布情況。研究結(jié)果表明，解譯精度雖然未能達(dá)到張威等[1]、鄧榮鑫等[18]、黃思宇等[19]、魏鵬飛等[20]研究結(jié)果的精度，學(xué)者使用高分辨率影像分類文獻(xiàn)中的平均精度，但在局部區(qū)域和整體研究區(qū)上也取得了較好的分類結(jié)果。小麥、玉米、葵花、西葫蘆、番茄、苜蓿和其他作物的用用精度分別為：79.59%、80%、83.67%、78.18%、75.93%、82.22%、68.75%，制圖精度分別為78%、80%、82%、86%、82%、74%、66%。農(nóng)作物總體分類精度達(dá)到78.29%，Kappa 系數(shù)為0.747，而且在沿黃灌區(qū)種植面積最大的玉米與實(shí)際統(tǒng)計(jì)相對(duì)誤差為6.31%。證明了基于大區(qū)域大尺度中低分辨率的EVI時(shí)間序列分類方法在識(shí)別小麥、玉米、葵花、西葫蘆、番茄和苜蓿等農(nóng)作物有較強(qiáng)的適用性。

由于研究區(qū)內(nèi)農(nóng)作物種類較多、面積較廣，在野外實(shí)地采樣中未能將研究區(qū)內(nèi)全部作物進(jìn)行采樣，未得到研究區(qū)內(nèi)所有作物的EVI時(shí)間序列曲線，也未能夠?qū)θ孔魑镞M(jìn)行分類，只提取了數(shù)量相對(duì)較多的玉米、葵花、小麥、西葫蘆、番茄和苜蓿6 種農(nóng)作物。在農(nóng)作物分類混淆矩陣中其他作物的用用精度和制圖精度僅為68.75%和66%，該方法如需進(jìn)一步提高分類精度，就要對(duì)研究區(qū)內(nèi)更多作物類別如：糖菜、馬鈴薯和大豆等進(jìn)行分類提取，從而提高其他作物的用用精度和制圖精度，來進(jìn)一步提高農(nóng)作物總體分類精度和Kappa 系數(shù)。此外，在實(shí)地采樣過程中一個(gè)像元250 m×250 m 的范圍內(nèi)存在插花種植現(xiàn)象影響EVI時(shí)間序列曲線的準(zhǔn)確性，從而影響分類精度。研究區(qū)部分農(nóng)作物生育期差異較小，僅憑借主要作物生育期得到的農(nóng)作物EVI時(shí)序曲線來確定作物分類提取條件再進(jìn)行作物種植結(jié)構(gòu)分析，不能夠?qū)@部分生育期較為相近的作物進(jìn)行很好的分類提取。針對(duì)本文研究的不足之處下一步應(yīng)著重在像元內(nèi)插花種植現(xiàn)象和生育期差異較小的農(nóng)作物分類提取這兩部分進(jìn)行深入分析。在今后的研究中，應(yīng)融合中高空間分辨率、低時(shí)間分辨率的遙感影像（如高分系列衛(wèi)星影像、Landsat 系列衛(wèi)星影像）和低空間分辨率、高時(shí)間分辨率的遙感影像（如MODIS 衛(wèi)星影像），開展多源多尺度的種植結(jié)構(gòu)分析研究，進(jìn)一步提高分類精度[22]。

4 結(jié)論

1）使用EVI時(shí)序曲線能夠清晰地反映同一種作物在不同生育期差異，也能反映不同作物在同一時(shí)期的差異，準(zhǔn)確地表達(dá)出各類農(nóng)作物的生育期特征。

2）研究區(qū)農(nóng)用地大部分被玉米所覆蓋，提取面積為7 412.75 km2，所占比例達(dá)到農(nóng)田總面積的72.29%。研究區(qū)實(shí)際玉米面積為7 912.17 km2，相對(duì)誤差為6.31%，具體分布情況均與野外實(shí)地情況相符合，分類方法有良好的分類精度。

3）基于MODIS-EVI時(shí)間序列的分類方法，對(duì)內(nèi)蒙古沿黃平原區(qū)農(nóng)作物分類的總體精度達(dá)到78.29%，Kappa 系數(shù)達(dá)到0.747，提取精度較為理想。