基于XGBoost算法的多云多霧地區(qū)多源遙感作物識別

張 超 陳 暢 徐海清 薛 琳

(1.中國農(nóng)業(yè)大學土地科學與技術學院，北京 100083；2.自然資源部農(nóng)用地質(zhì)量與監(jiān)控重點實驗室，北京 100083；3.安徽皖南煙葉有限責任公司，宣城 242000)

0 引言

快速、準確地獲取農(nóng)作物空間分布信息是區(qū)域作物長勢監(jiān)測、產(chǎn)量估測以及種植結構調(diào)整的重要依據(jù)[1]。遙感以其覆蓋范圍廣、時效性強等特點，成為獲取農(nóng)作物信息的重要手段[2]。針對我國南方多云多霧地區(qū)農(nóng)作物遙感識別問題，YU等[3]以MODIS時間序列影像為數(shù)據(jù)源，采用植被指數(shù)和水體指數(shù)，提取我國南部13個省地區(qū)的水稻種植區(qū)。馮實磊[4]綜合MODIS、Landsat、Sentinel系列多源衛(wèi)星遙感數(shù)據(jù)，實現(xiàn)了多云雨霧地區(qū)大范圍水稻種植信息提取，精度達85%。于彬[5]設計多云雨地區(qū)多源遙感影像融合增強方法，采用面向對象分類影像方法，精度達88.17%。具有強穿透力的微波雷達為遙感作物識別提供了數(shù)據(jù)支撐[6-7]。綜合微波雷達和光學多光譜遙感影像等多源遙感數(shù)據(jù)進行作物識別具有很大潛力[8]。文獻[9-10]融合Sentinel-1和Sentinel-2多源遙感數(shù)據(jù)提高分類精度，評估現(xiàn)有監(jiān)督學習模型進行作物精確分類的可行性，分類精度均達90%以上。針對起壟覆膜作物遙感識別[11]，尹楠[12]基于全極化雷達數(shù)據(jù)，采用Oh模型分析壟行結構參數(shù)對不同極化后向散射系數(shù)的影響。朱秀芳等[13]結合紋理特征數(shù)據(jù)，研究無人機遙感在覆膜農(nóng)田面積及分布提取的方法。在分類方法上，隨機森林(Random forest，RF)算法[14]廣泛應用于水稻[15]、玉米[16]、小麥[17]等作物識別[18]，而有研究表明極端梯度提升樹模型(eXtreme gradient boosting，XGBoost)在高光譜圖像的光譜空間分類和雷達極化空間信息分類方面，優(yōu)于RF方法[19]。蔡林菲等[20]基于高分二號影像，采用支持向量機、RF和XGBoost等3種方法，對主要優(yōu)勢樹種進行分類，得出XGBoost優(yōu)于其他兩種方法。DONG等[21]利用高分三號PolSAR圖像進行土地覆被分類，在分類結果和時間成本方面，XGBoost方法相比RF更為有效。

我國皖南地區(qū)，作物關鍵生育期多云多霧，光學遙感數(shù)據(jù)難以有效獲取，遙感作物識別的數(shù)據(jù)和精度都難以保障。本文根據(jù)研究區(qū)不同作物類別的物候差異，針對主要作物早期覆膜保溫保水等特點，以關鍵生育期的多時相遙感數(shù)據(jù)，多光譜反射率結合SAR后向散射，研究我國南方多云多霧地區(qū)作物識別問題。

1 研究區(qū)及數(shù)據(jù)源

1.1 研究區(qū)概況

研究區(qū)選擇安徽省宣城市宣州區(qū)，地處安徽省東南部，如圖1所示。研究區(qū)屬于亞熱帶季風氣候區(qū)，年平均溫度15.6℃。雨量適中，年平均降水量約1 430 mm。該區(qū)域屬于低山丘陵地帶，坡度平緩，適宜煙草、水稻、油菜、冬小麥等作物種植，煙草是該區(qū)域重要的經(jīng)濟作物。

圖1 研究區(qū)地理位置與遙感影像Fig.1 Location of study area and remote sensing data

研究區(qū)主要作物為煙草、水稻、冬小麥和油菜等。目前宣州區(qū)有超過4 000 hm2耕地實施稻-煙輪作的種植模式，該模式為7—10月底種植水稻，11月到次年3月進行土地休養(yǎng)，3—7月種植煙草。煙草移栽前需要進行田間起壟覆膜，起壟高度30～40 cm，起壟寬度60～70 cm；起壟后覆膜，采用銀黑雙面地膜，地膜覆蓋寬度110～120 cm。研究區(qū)主要作物的生育期如表1所示。

表1 主要作物類型物候時期Tab.1 Phenological period of major crop types

1.2 數(shù)據(jù)源及預處理

1.2.1衛(wèi)星遙感數(shù)據(jù)

選取3—7月作物主要生育期多期Sentinel-1的SAR數(shù)據(jù)。Sentinel-1衛(wèi)星是歐洲航空局的地球觀測衛(wèi)星，搭載C波段SAR，可以全天候連續(xù)對地監(jiān)測。數(shù)據(jù)使用Sentinel-1干涉測量寬幅模式(IW)的L1級別GRDH數(shù)據(jù)類型，并經(jīng)過消除熱噪聲、輻射定標、幾何校正等預處理。同時，選用3—7月主要作物生育期內(nèi)，能夠覆蓋研究區(qū)的多時相Sentinel-2數(shù)據(jù)。Sentinel-2是歐空局的高分辨率多光譜衛(wèi)星，由“Sentinel-2A”和“Sentinel-2B”2顆衛(wèi)星組成，覆蓋從可見光近紅外到短波紅外共13個波段的數(shù)據(jù)，本文主要采用可見光至近紅外范圍的7個波段。Sentinel-2的2顆衛(wèi)星互補重訪周期可達到5 d，多光譜數(shù)據(jù)經(jīng)過大氣校正、幾何校正、輻射校正等預處理。

皖南地區(qū)多云多霧，光學遙感影像覆蓋的有效性及完整性難以保證，作物生育期(3—7月)內(nèi)光學影像總數(shù)量為127景，圖2為研究區(qū)逐像元可用光學影像數(shù)量，即3—7月各像元位置去除云霧干擾后的光學影像數(shù)量[22]，分為兩種主要類型：受云霧影響小區(qū)域(A)和云霧覆蓋影響區(qū)域(B)，所采用的遙感影像信息如表2所示。

圖2 宣州區(qū)可用光學影像分布(景)Fig.2 Distribution of available optical images

表2 主要遙感影像分辨率及時相Tab.2 Main remote sensing image resolution and time phase

1.2.2外業(yè)調(diào)查數(shù)據(jù)及其他專題數(shù)據(jù)

采用研究區(qū)分辨率為30 m Shuttle Radar Topography Mission (SRTM)的DEM數(shù)據(jù)，提取坡度、高程等地形因子。此外，采用研究區(qū)2018年土地利用數(shù)據(jù)庫中的耕地矢量數(shù)據(jù)，包括水田、水澆地和旱地等耕地二級地類，以耕地數(shù)據(jù)為約束，減少林地、園地、草地等地類對農(nóng)作物識別的干擾，提高識別精度。研究區(qū)耕地分布如圖3所示。

分別于2019年5月和7月在研究區(qū)進行兩次外業(yè)調(diào)查，此外，結合高分辨率GoogleEarth影像目視解譯增補樣本點，共計樣本點總數(shù)517個。其中煙草樣本點224個，其他作物類型樣點293個，包括冬小麥、水稻、油菜、蔬菜大棚等。按照7∶3的比例隨機抽取劃分為訓練樣本集和測試樣本集。樣本點分布如圖3所示。

圖3 宣州區(qū)作物識別樣本點及耕地分布Fig.3 Samples and farmland distribution in Xuanzhou District

2 研究方法

利用多源遙感數(shù)據(jù)，構建多時相光譜特征和SAR后向散射特征相結合的多云多霧地區(qū)作物識別體系。首先利用不同時期Sentinel-2多光譜遙感影像提取研究區(qū)典型地物類型的光譜特征，分析研究區(qū)隨著不同作物生長光譜變化特征，選取多種植被指數(shù)；此外，分析不同作物的微波雷達后向散射特征，結合光學植被指數(shù)構建地膜植被指數(shù)(SAR plastic-film vegetation index，SPVI)；構建多種指數(shù)時序數(shù)據(jù)集，利用XGBoost模型進行作物分類，并和RF分類結果對比，實現(xiàn)研究區(qū)作物遙感高精度識別，具體技術路線如圖4所示。

圖4 研究技術路線圖Fig.4 Technology flowchart for crop identification

2.1 作物識別特征選取

根據(jù)樣本點獲取Sentinel-2每個時相遙感數(shù)據(jù)的可見光至近紅外范圍7個波段各波段反射數(shù)據(jù)，可見光至近紅外波段是常用植被指數(shù)的波段范圍，被廣泛用于獲取植被特征。不同時相遙感影像中不同地類的光譜反射曲線如圖5所示，不同作物在同一時期光譜反射存在差異，3月中旬油菜和小麥植被生長旺盛，紅外波段反射最高；兩圖間變化反映作物生長情況，從移栽至現(xiàn)蕾期，長勢達到峰值，煙草紅外波段反射率明顯高于其他作物。

圖5 研究區(qū)典型地類光譜曲線Fig.5 Spectral curves of typical class of study area

根據(jù)研究區(qū)主要作物的時序光譜特征情況，從3方面選取指標構建分類特征集：

(1)光譜特征。根據(jù)上述反射光譜曲線特征，提取經(jīng)預處理后的3月多光譜影像的紅(B4)、綠(B3)、藍(B2)3個波段以及5月紅邊波段(B6、B7)、近紅外波段(B8)，得到6個波段組合的光譜特征集。

(2)植被指數(shù)。本文對常用的植被指數(shù)進行相關性分析，選取增強型植被指數(shù)(EVI)、比值植被指數(shù)(RVI)、歸一化植被指數(shù)(NDVI)、土壤調(diào)節(jié)植被指數(shù)(SAVI)、歸一化差異水體指數(shù)(NDWI)等5種參與作物識別，并在作物種植特性和光譜特征的基礎上，結合SAR數(shù)據(jù)，針對研究區(qū)作物的種植特點，改進構建SPVI。

通過光譜反射差異及相關研究[23-24]，藍波段對地膜覆蓋農(nóng)田識別較為敏感。選取添加藍波段的NDVIB反映覆膜農(nóng)田的地膜和植被特征，計算式為

(1)

式中N——Sentinel-2近紅外波段反射率

R——Sentinel-2紅色波段反射率

B——Sentinel-2藍色波段反射率

比值后向散射系數(shù)反映由田間起壟和植株高度產(chǎn)生的后向散射系數(shù)差異。綜合兩者構建SPVI為

(2)

式中SVV——Sentinel-1的VV極化后向散射系數(shù)

SVH——Sentinel-1的VH極化后向散射系數(shù)

(3)地形因子。地形因子影響降水量、光照強度以及氣溫、土壤濕度，進一步?jīng)Q定了作物的空間分布。將研究區(qū)的坡度和高程因子特征作為輔助因素，參與作物分類，可提高作物識別精度。

2.2 XGBoost分類算法

XGBoost算法由CHEN等[25]提出，是在梯度提升算法(Gradient boosting，GDBT)基礎上優(yōu)化而來。Boosting算法是將基分類器組合提升為強分類器的算法，首先利用初始訓練集訓練一個基分類器，根據(jù)表現(xiàn)調(diào)整下一個基分類器中訓練樣本的權重，分類錯誤的樣本得到更多的關注，多次重復達到滿足條件為止，最后將訓練后的多個分類器加權組合。與GDBT相比，XGBoost具有準確度高、不易過擬合、可擴展性強等特點[20]。

XGBoost算法在決策樹算法的基礎上，添加包括葉子節(jié)點數(shù)及葉子節(jié)點數(shù)平方和的正則項,因此其目標函數(shù)包括損失函數(shù)和正則項兩部分。損失函數(shù)為預測值和真實值之差，通過減少損失來優(yōu)化目標函數(shù)；正則項用來控制模型的復雜度，防止模型出現(xiàn)極端情況。XGBoost算法最優(yōu)的目標函數(shù)為

(3)

其中

(4)

式中λ——固定系數(shù)γ——復雜度參數(shù)

T——樹中葉節(jié)點的數(shù)量

Gj——葉子節(jié)點j所包含樣本的一階偏導數(shù)gi累加之和

Hj——葉子節(jié)點j所包含樣本的二階偏導數(shù)hi累加之和

XGBoost算法參數(shù)設置采用網(wǎng)格搜索法[26]，為一種指定參數(shù)的窮舉搜索方法，在取值區(qū)域內(nèi)，由步長決定的網(wǎng)格作為自變量分組依據(jù)，通過劃分網(wǎng)格，逐一計算每個網(wǎng)格點上的約束值，自動輸出最佳參數(shù)的組合。

3 試驗與結果分析

3.1 時序曲線構建

利用主要作物生育期可覆蓋多期多源遙感數(shù)據(jù)集，獲取的6種植被指數(shù)疊加合成時序影像數(shù)據(jù)集，以提取作物主要生育期的時序曲線。圖6為不同作物指數(shù)時序的變化曲線，其中煙草和早稻栽種及收獲時間較為一致，指數(shù)曲線的趨勢相似，但3月煙草覆膜時期SPVI和6、7月成熟期的SPVI、NDWI、RVI可將兩者較好區(qū)分；在3月，農(nóng)田覆膜反射與大棚類似，煙草處于移栽前后期，未表現(xiàn)出植被特征。圖6a煙田、大棚兩者反射率相差不大，煙草的SPVI指數(shù)略高于早稻。6—7月煙草和早稻進入成熟收獲期，煙草的植株高度可達150 cm，比值后向散射降低，使得早稻SPVI明顯高于煙草。圖6b～6f的植被指數(shù)時序曲線，5月煙草處于生長旺盛的現(xiàn)蕾期，指數(shù)處于峰值，EVI明顯高于早稻；6—7月植被指數(shù)逐步降低，此時煙草和早稻之間的NDWI以及RVI有明顯差異且趨勢相反，可用于區(qū)分作物。

圖6 多時相植被指數(shù)時序曲線Fig.6 Time series curves of multi-temporal vegetation index

圖6a中SPVI指數(shù)可表達覆膜起壟作物與其他作物的差異，3月冬小麥和油菜等進入拔節(jié)期和蕾薹期，在SPVI上兩者相似，但與煙草差別較大；圖6b～6f植被指數(shù)中可以看出冬小麥和油菜在4月達到生長旺盛期，指數(shù)出現(xiàn)峰值隨后逐漸降低，與煙草的植被指數(shù)變化趨勢相反。

3.2 分類模型訓練

利用研究區(qū)的多源遙感數(shù)據(jù)，計算選取分類指標，綜合6個光譜特征，構建30個多時相植被指數(shù)和兩個地形因子輔助特征的多指數(shù)分類特征集。隨機抽取70%樣本訓練XGBoost和RF模型，對研究區(qū)地物進行分類，30%作為測試樣本對作物識別結果進行精度評價。本文通過網(wǎng)格搜索法使用Python分別優(yōu)化XGBoost模型和RF模型的參數(shù)[27]，最終確定兩個模型的最優(yōu)參數(shù)如表3所示，其余參數(shù)均為默認值。

表3 模型參數(shù)含義及調(diào)優(yōu)結果Tab.3 Implications of model parameters and tuning results

3.3 作物識別結果分析

根據(jù)云霧影響情況和作物種植分布，將研究區(qū)分塊，對不同區(qū)域，針對性的提出有差異的作物識別方法，并在區(qū)域A和B開展實例驗證。在區(qū)域A有效 Sentinel-2影像數(shù)量可達30景左右，綜合區(qū)域內(nèi)多時相多源遙感數(shù)據(jù)，采用了XGBoost模型，依據(jù)光譜特征及時序指數(shù)特征差異，對耕地內(nèi)的作物進行分類，并和RF算法進行對比，兩者的總體精度分別為88.68%和86.22%，XGBoost模型總體精度略高于RF模型，識別結果如圖7b、7a所示。兩種分類方法主要作物煙草識別的精度評價如表4所示。兩種方法作物識別的漏分率接近，而XGBoost算法錯分率僅為1.42%，煙草識別效果更優(yōu)。

圖7 作物識別結果Fig.7 Crop identification results

表4 2種分類方法精度評價Tab.4 Accuracy evaluation of XGBoost and RF classification methods %

研究區(qū)主要作物煙草生長旺盛以及收獲期(5—7月)皖南地區(qū)云霧較多，光學影像難以覆蓋整個研究區(qū)域。在區(qū)域B整個生育期可用影像數(shù)量僅為7景左右，而在煙草現(xiàn)蕾以及成熟收獲期，受云霧影響，大部分區(qū)域可用影像數(shù)量僅有1景，難以保證作物識別精度。因此在5—7月云霧覆蓋區(qū)域，選取3月的紅、綠、藍波段為光學特征，5—7月Sentinel-1影像為后向散射特征，以已有多期Sentinel-2影像的NDVIB指數(shù)與Sentinel-1的比值后向散射結合，得到SPVI指數(shù)特征。采用XGBoost算法按照上述相同的樣本集以及模型訓練方法，對云霧區(qū)域的主要作物進行識別，識別總體精度為84.87%，煙草制圖精度88.69%，用戶精度95.51%，基本滿足作物識別的精度要求。RF算法總體精度為83.93%，略低于XGBoost算法。僅使用生育期Sentinel-2影像的作物識別總體精度79.01%，主要作物煙草識別制圖精度82.30%，用戶精度93.49%，表明本文構建的作物識別方法可提高云霧影響地區(qū)作物識別的精度。

利用本文構建的分區(qū)域作物識別方法，兩個典型區(qū)域識別結果如圖7所示。經(jīng)多區(qū)匯總和面積估算(圖8)，得到研究區(qū)主要作物煙草的種植面積約為4 133.34 hm2，同2019年實際統(tǒng)計種植面積4 333.34 hm2對比，識別誤差約為4.6%，基本符合宣州區(qū)該作物種植分布和面積統(tǒng)計實際情況。

圖8 研究區(qū)作物識別結果Fig.8 Crop identification results in study area

4 結論

(1)綜合多光譜光學數(shù)據(jù)與雷達數(shù)據(jù)，針對作物早春覆膜特點，構建SPVI和NDVI、EVI、SAVI、NDWI、RVI等5種植被指數(shù)，共同構建多時相植被指數(shù)集，利用時間序列上的變化信息，提高了多云多霧地區(qū)作物識別精度。

(2)利用作物全生育期(3—7月)多時相Sentinel-1和Sentinel-2數(shù)據(jù)，構建多云多霧地區(qū)農(nóng)田作物識別體系，采用XGBoost分類模型，結合光譜特征、SAR后向散射特征及時序指數(shù)特征，分別對研究區(qū)的作物進行分類，并與RF算法進行對比。對于全生育期光學多光譜遙感覆蓋較密集區(qū)域，兩者的總體精度分別為88.68%和86.22%，XGBoost模型的總體精度略高于RF模型；對于5—7月云霧覆蓋，光學多光譜數(shù)據(jù)缺失嚴重區(qū)域，XGBoost模型和RF模型識別總體精度分別為84.87%和83.93%。表明本文構建的基于XGBoost模型遙感作物識別方法在多云多霧地區(qū)有效。