融合物候知識(shí)和多時(shí)相遙感的冬小麥種植面積提取

劉偉誠(chéng) 馬靜

摘? 要：選用播種期和灌漿期兩景Landsat8衛(wèi)星影像進(jìn)行冬小麥種植面積提取研究。結(jié)合研究區(qū)冬小麥生長(zhǎng)物候知識(shí)，提取兩期遙感影像的歸一化差值植被指數(shù)（NDVI），并進(jìn)行運(yùn)算處理，提取出研究區(qū)冬小麥種植面積。同時(shí)基于灌漿期遙感影像，采用最大似然法進(jìn)行監(jiān)督分類處理，進(jìn)而提取研究區(qū)冬小麥種植面積。將兩種方法提取的冬小麥種植面積與官方統(tǒng)計(jì)數(shù)據(jù)進(jìn)行精度對(duì)比，結(jié)果表明，物候知識(shí)法提取精度較最大似然法提取精度高。

關(guān)鍵詞：冬小麥;種植面積提取;物候知識(shí)法;最大似然法

中圖分類號(hào)：TP391 ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2096-4706（2022）06-0141-04

Extraction of Winter Wheat Planting Area of Fusion on Phenological Knowledge and Multi Temporal Remote Sensing

LIU Weicheng1， MA Jing2

（1. Guangdong Tianxin Electric Power Engineering Testing Co.， Ltd.， Guangzhou? 510663， China ; 2.Scientific Institute of Pearl River Protection，Guangzhou， Guangzhou? 510611， China）

Abstract： This paper selects two satellite images of Landsat8 during sowing and filling to study the winter wheat planting area extraction. It combines with the winter wheat growth and phenological knowledge of the study area， extracts two periods remote sensing images of the Normalized Difference Vegetation Index （NDVI）， and it does the operation and processing to extract winter wheat planting area of the study area. Meanwhile， based on the remote sensing images in the filling stage， the maximum likelihood method is used for supervised classification and processing， and then extracts the planting area of winter wheat in the study area. The accuracy of winter wheat planting area extracted by the two methods is compared with the official statistical data， and the results show that the extraction accuracy of phenological knowledge method is higher than that of maximum likelihood method.

Keywords： winter wheat; planting area extraction; phenological knowledge method; maximum likelihood method

0? 引? 言

冬小麥?zhǔn)鞘澜缰饕Z食作物之一，及時(shí)了解冬小麥種植面積，對(duì)開(kāi)展冬小麥長(zhǎng)勢(shì)監(jiān)測(cè)和估產(chǎn)、區(qū)域糧食安全評(píng)估等工作具有重要的社會(huì)意義[1]。傳統(tǒng)的調(diào)查統(tǒng)計(jì)方法獲取小麥種植面積精度不高，成本耗費(fèi)巨大，不能很好地滿足現(xiàn)代農(nóng)業(yè)發(fā)展的需求且無(wú)法獲得農(nóng)作物的產(chǎn)量估值和種植面積的分布情況。衛(wèi)星遙感技術(shù)具有空間分辨率高、分布區(qū)域廣、時(shí)效性強(qiáng)等優(yōu)勢(shì)，因而在冬小麥種植面積監(jiān)測(cè)方面應(yīng)用廣泛[2-5]。在國(guó)外，美國(guó)是全球展開(kāi)遙感技術(shù)方面工作的領(lǐng)先者，也是美國(guó)最先施行遙感技術(shù)來(lái)監(jiān)測(cè)美國(guó)的農(nóng)作物種植面積，美國(guó)在1974年推行了“大面積作物清查試驗(yàn)”（large area crop inventory experiment， LACIE），在美國(guó)全州和世界其它地域展開(kāi)遙感監(jiān)測(cè)預(yù)估農(nóng)作物總產(chǎn)量的工程，美國(guó)方面稱為：農(nóng)業(yè)和資源的空間設(shè)計(jì)和評(píng)估研究工程;緊接著美國(guó)又開(kāi)展的“遙感在農(nóng)業(yè)和資源的空間調(diào)查”方針是對(duì)全球的多種作物進(jìn)行的生長(zhǎng)長(zhǎng)勢(shì)狀況監(jiān)測(cè)和農(nóng)作物產(chǎn)量估計(jì)，最終把實(shí)驗(yàn)成功的遙感技術(shù)部分進(jìn)行到框圖面積取樣（area sampling frame， ASF）[6]。Tang等人以河南省為試點(diǎn)地區(qū)，通過(guò)線性混合模型進(jìn)行混合像元分解得到的多時(shí)相MODIS數(shù)據(jù)的冬小麥種植面積，精度達(dá)93.9%，得出多時(shí)相數(shù)據(jù)可以有效地提取作物種植面積[7]。Julien等利用TM數(shù)據(jù)選取西班牙巴拉克斯地區(qū)，基于地表溫度和NDVI 數(shù)據(jù)，采用最大似然法分類得到農(nóng)業(yè)用地，精度達(dá)87%[8]。Tuner等采用SPOT XS 數(shù)據(jù)對(duì)西非的薩赫勒地區(qū)進(jìn)行作物監(jiān)測(cè)，將非監(jiān)督分類、分層和監(jiān)督分類方法有序結(jié)合，分類精度達(dá)71%，并針對(duì)該研究區(qū)作物種植面積小、植被覆蓋度低等特點(diǎn)，有效地解決了同物異譜問(wèn)題[9]。Zhang等運(yùn)用多時(shí)相TM/ETM+遙感數(shù)據(jù)和MODIS 遙感數(shù)據(jù)提取黑龍港地區(qū)的主要作物信息，總體分類精度為91.3%[10]。國(guó)內(nèi)方面，潘學(xué)鵬等基于NDVI時(shí)序數(shù)據(jù)結(jié)合熟制作物種植生長(zhǎng)期存在差異的特性，探討了1982年到2007年間我國(guó)北方平原種植制度的空間分布特性，并以此考證了冬小麥的種植面積與遙感獲取的一年2熟的作物面積有很不錯(cuò)的一致性[11]。趙麗花等利用多時(shí)相HJ-1A/B結(jié)合物候規(guī)律的差異性提取冬小麥種植面積，精度達(dá)90.2%[12]。朱長(zhǎng)明基于SPOT-5數(shù)據(jù)以及多時(shí)相ETM+數(shù)據(jù)，對(duì)新疆伊犁河谷的冬小麥種植面積進(jìn)行了提取[13]。王慶林等研究結(jié)果表明多時(shí)相遙感數(shù)據(jù)地物間光譜特征變化明顯，特別是冬小麥與其他地物光譜特征區(qū)別較大，有利于冬小麥種植面積的提取[14]。B01A86D0-EB3A-46CC-A46F-BC0598190637

綜合以上研究，由于不同國(guó)家的氣溫、地勢(shì)和種植區(qū)域等方面存在很大的差異，研究成果也大不相同。河南省作為冬小麥種植大省，提高冬小麥種植面積監(jiān)測(cè)精度顯得尤為迫切，同時(shí)將農(nóng)作物的物候知識(shí)與多時(shí)相遙感信息相結(jié)合用于提取河南省冬小麥種植面積方面的研究還相對(duì)較少?；诖?，本文以河南省新鄭市為研究區(qū)，選用兩期Landsat8 OLI遙感影像作為主要數(shù)據(jù)源，采用物候知識(shí)法和最大似然法兩種方法，結(jié)合研究區(qū)冬小麥物候特點(diǎn)提取冬小麥的種植面積，并與官方統(tǒng)計(jì)數(shù)據(jù)進(jìn)行精度評(píng)定。

1? 研究區(qū)和數(shù)據(jù)源

1.1? 研究區(qū)與試驗(yàn)

選取河南省新鄭市作為研究區(qū)域，如圖1所示，地理坐標(biāo)介于北緯34°16′34°39′，東經(jīng)113°30′至113°54′之間，北連鄭州市，南鄰長(zhǎng)葛、禹州市，東靠中牟、尉氏，西接新密，面積約為873平方公里。地勢(shì)西高東低，西部為淺山丘陵區(qū)，東部為平原，西北部為丘崗地。氣候?qū)儆谂瘻貛Т箨懶约撅L(fēng)氣候，夏季受太陽(yáng)和季風(fēng)影響高溫多雨，冬季寒冷干燥，全年平均氣溫為14 ℃，全年平均降水量約735 mm，非常適宜冬小麥的生長(zhǎng)，在耕種方式上，新鄭市的耕作制度主要是一年兩熟制，夏季以種植玉米和花生為主，冬季主要是種植冬小麥，且一般在9月份進(jìn)行冬小麥播種，來(lái)年6月份收獲冬小麥。

1.2? 衛(wèi)星數(shù)據(jù)與預(yù)處理

選取兩期Landsat 8 OLI衛(wèi)星遙感影像作為主要數(shù)據(jù)源，影像空間分辨率為30米，成像寬幅是185×185 km。結(jié)合研究區(qū)冬小麥生長(zhǎng)期情況，10月份冬小麥處于播種期，耕地土壤裸露，此時(shí)植被覆蓋信息量最少，5月份是冬小麥長(zhǎng)勢(shì)茂盛的階段，植被覆蓋信息量最大，因此選取播種期（2015年10月16日）和灌漿期（2016年5月11日）兩期Landsat 8遙感影像數(shù)據(jù)，兩期影像云量小于10%。Landsat 8 OLI影像的預(yù)處理主要包括輻射定標(biāo)、大氣校正和影像裁剪，大氣校正采用ENVI軟件中的FLAASH大氣校正模塊完成，利用新鄭市的矢量文件裁剪得到兩期研究區(qū)遙感影像數(shù)據(jù)，如圖2所示。

2? 冬小麥面積提取方法及精度評(píng)定

2.1? 基于物候知識(shí)的冬小麥種植面積提取

2.1.1? NDVI計(jì)算

綠色植物的歸一化差值植被指數(shù)（Normalized Diff erence Vegetation Index， NDVI）與植被所占的面積及長(zhǎng)勢(shì)狀況之間有較強(qiáng)的相關(guān)性，能夠充分反映出綠色植物的生長(zhǎng)態(tài)勢(shì)。NDVI是指近紅外波段反射值及紅色波段反射值之差與兩者相加的和值之比，NDVI是處理影像數(shù)據(jù)中最常用的植被指數(shù)，計(jì)算公式見(jiàn)式（1）：

（1）

式中，NIR即為近紅外波段，R即為紅色波段，NDVI的值介于-1與1之內(nèi)。

2.1.2? 基于物候知識(shí)的種植面積提取

根據(jù)研究區(qū)冬小麥農(nóng)作物的物候期特點(diǎn)，九月下旬至十月中旬為播種期，此時(shí)麥地經(jīng)過(guò)翻耕基本無(wú)植被覆蓋信息為裸地，第二年五月中旬為灌漿期，此時(shí)麥地上冬小麥長(zhǎng)勢(shì)最為茂盛，能夠提取的冬小麥信息最為豐富。因此首先獲取兩期影像的NDVI影像信息，之后將灌漿期（2016年5月11日）的NDVI影像減去播種期（2015年10月16日）的NDVI影像，即可獲取兩期NDVI的差值影像，如圖3所示。

10月份的影像圖中，冬小麥剛剛播種，此時(shí)麥田的NDVI數(shù)值較小，5月份時(shí)候的影像圖小麥處于灌漿期，此時(shí)麥田的NDVI數(shù)值較大，因此在此差值影像上冬小麥種植區(qū)域的像元數(shù)值相對(duì)較大，非小麥區(qū)域的像元數(shù)值相對(duì)較小，此時(shí)只需設(shè)置相應(yīng)的閾值即可把冬小麥種植區(qū)域提取出來(lái)。對(duì)于閾值的設(shè)置，通過(guò)反復(fù)嘗試并與原圖進(jìn)行對(duì)比來(lái)的方法進(jìn)行選取，當(dāng)像元值大于設(shè)定的閾值時(shí)認(rèn)為該像元為冬小麥種植區(qū)域，小于設(shè)定閾值的像元認(rèn)定為非冬小麥種植區(qū)域，采用這樣的方法最終將圖像變?yōu)?（冬小麥種植區(qū)）和0（非冬小麥種植區(qū)）的圖像，從而提取出研究區(qū)冬小麥種植區(qū)域，之后統(tǒng)計(jì)冬小麥種植區(qū)域的像元個(gè)數(shù)，每個(gè)像元的面積為900平方米，兩者相乘最終計(jì)算得到研究區(qū)的冬小麥種植面積。

2.2? 最大似然法種植面積提取

五月中旬時(shí)冬小麥處于灌漿期，此時(shí)冬小麥生長(zhǎng)茂盛，植被覆蓋信息也最為豐富，因此采用最大似然法對(duì)灌漿期影像進(jìn)行監(jiān)督分類，進(jìn)而提取冬小麥的種植面積。首先選取監(jiān)督分類樣本，通過(guò)目視判讀將影像上的地物類別分為四類，分別為水體、植被、冬小麥和居民地，選取相應(yīng)的監(jiān)督分類樣本和驗(yàn)證樣本，確保選取的樣本符合1.8～2.0，若值少于1.8，就要對(duì)ROI就行修改，直到符合標(biāo)準(zhǔn)為止，之后選擇分類器，進(jìn)行最大似然法分類，如圖4所示。采用聚類分析方法對(duì)分類后的影像進(jìn)行后處理，對(duì)影像上的小斑點(diǎn)進(jìn)行去除，將相似樣本信息進(jìn)行合并或者剔除，最終提取出研究區(qū)冬小麥種植區(qū)域。

2.3? 冬小麥面積提取精度評(píng)定

將兩種方法提取的冬小麥種植區(qū)域結(jié)果分為兩類，一類為冬小麥種植區(qū)，另一類為非冬小麥種植區(qū)，冬小麥種植區(qū)填充為綠色，非冬小麥種植區(qū)填充為白色，結(jié)果如圖5所示。

從圖5可以直觀的看出，新鄭市冬小麥種植區(qū)域主要分布于研究區(qū)西南部和中部偏北部分地區(qū)，中部和北部為新鄭市區(qū)和龍湖鎮(zhèn)，為城鎮(zhèn)建成區(qū)，基本無(wú)冬小麥種植。為了評(píng)價(jià)兩種方法提取的精度，以新鄭市官方統(tǒng)計(jì)局提供的當(dāng)年轄區(qū)冬小麥種植面積數(shù)據(jù)作為真值，分別統(tǒng)計(jì)兩種方法提取的冬小麥種植面積、與官方統(tǒng)計(jì)數(shù)據(jù)的差值以及兩種方法提取的相對(duì)誤差，結(jié)果如表1所示。

從表1中可以看出，采用物候知識(shí)法提取的新鄭市轄區(qū)冬小麥種植面積為25 324公頃，與新鄭市官方統(tǒng)計(jì)局?jǐn)?shù)據(jù)相比少了24公頃，相對(duì)誤差為0.10%;最大似然法提取的新鄭市轄區(qū)冬小麥種植面積為25 443公頃，與官方統(tǒng)計(jì)局?jǐn)?shù)據(jù)相比多算了95公頃，相對(duì)誤差為0.37%。通過(guò)定量對(duì)比，物候知識(shí)法提取的冬小麥面積精度較最大似然法的提取精度要高。B01A86D0-EB3A-46CC-A46F-BC0598190637

3? 結(jié)? 論

為了及時(shí)有效的監(jiān)測(cè)冬小麥的種植面積，文中基于播種期和灌漿期兩期Landsat 8 OLI衛(wèi)星遙感影像為主要數(shù)據(jù)源，選取河南省新鄭市為研究區(qū)，結(jié)合研究區(qū)冬小麥生長(zhǎng)物候特點(diǎn)，分別采用物候知識(shí)法與最大似然法提取冬小麥種植面積，并與官方統(tǒng)計(jì)數(shù)據(jù)對(duì)比進(jìn)行精度評(píng)定。從空間分布上看，研究區(qū)冬小麥種植區(qū)域主要分布于西南部和中部偏北地區(qū)，中部新鄭市區(qū)和和北部龍湖鎮(zhèn)基本無(wú)冬小麥種植。基于物候知識(shí)的冬小麥面積提取方法結(jié)合冬小麥物候特點(diǎn)，通過(guò)將灌漿期與播種期NDVI的差值影像設(shè)置合理閾值，提取出研究區(qū)冬小麥的種植面積為25 324公頃，與統(tǒng)計(jì)數(shù)據(jù)相差24公頃，相對(duì)誤差為0.10%，最大似然法提取的冬小麥面積為25 443公頃，與官方統(tǒng)計(jì)局?jǐn)?shù)據(jù)相比相差95公頃，相對(duì)誤差達(dá)0.37%，物候知識(shí)法提取的冬小麥種植面積的精度高于最大似然法。但物候知識(shí)法閾值的選擇需要人工不斷的反復(fù)試驗(yàn)，才可能會(huì)得到較為合理的精度，最大似然法冬小麥農(nóng)作物種植面積提取精度的關(guān)鍵取決于樣本的精確獲取。相比較之下，采用物候知識(shí)法能夠高效地獲取研究區(qū)冬小麥的種植面積，而最大似然法的精度依舊需要更深層次的改善。

參考文獻(xiàn)：

[1] 權(quán)文婷，王釗.冬小麥種植面積遙感提取方法研究 [J].國(guó)土資源遙感，2013，25（4）：8-15.

[2] 陳水森，柳欽火，陳良富，等.糧食作物播種面積遙感監(jiān)測(cè)研究進(jìn)展 [J].農(nóng)業(yè)工程學(xué)報(bào)，2005（6）：166-171.

[3] 趙蓮，張錦水，胡潭高，等.變端元混合像元分解冬小麥種植面積測(cè)量方法 [J].國(guó)土資源遙感，2011（1）：66-72.

[4] 李衛(wèi)國(guó)，蔣楠.基于面向?qū)ο蠓诸惖亩←湻N植面積提取 [J].麥類作物學(xué)報(bào)，2012，32（4）：701-705.

[5] 黃青，李丹丹，陳仲新，等.基于MODIS數(shù)據(jù)的冬小麥種植面積快速提取與長(zhǎng)勢(shì)監(jiān)測(cè) [J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43（7）：163-167.

[6] 權(quán)文婷，王釗.冬小麥種植面積遙感提取方法研究 [J].國(guó)土資源遙感，2013，25（4）：8-15.

[7] TANG Y，SUN R，F(xiàn)ENG L，et al. Extracting winter wheat planting area in Henan province based on mixed pixels decomposition [C]//International Conference on Remote Sensing，Environment and Transportation Engineering.Nanjing：IEEE，2012：1-5.

[8] JULIEN Y，SOBRINO J A，Jimenez-Munoz J C. Land use classification from multi-temporal Landsat imagery using the yearly land cover dynamics（YLCD） method [J].International Journal of Applied Earth Observation and Geoinformation，2011，13（5）：711-720.

[9] TURNER M D，CONGALTON R G. Classification of multi-temporal SPOT-XS satellite data for mapping rice fields on a West African floodplain [J].International Journal of Remote Sensing，1998，19（1）：21-41.

[10] ZHANG J K，CHENG Y P，ZHANG F W，et al. Multi-temporal remote sensing image-based extraction on the crops planting information [J].International Journal of Remote Sensing Applications，2012，2（4）：31-40.

[11] 潘學(xué)鵬，李改欣，劉峰貴，等.華北平原冬小麥面積遙感提取及時(shí)空變化研究 [J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2015，23（4）：497-505.

[12] 趙麗花，李衛(wèi)國(guó)，杜培軍.基于多時(shí)相HJ衛(wèi)星的冬小麥面積提取 [J].遙感信息，2011（2）：41-45+50.

[13] 朱長(zhǎng)明，駱劍承，沈占鋒，等.基于地塊特征基元與多時(shí)相遙感數(shù)據(jù)的冬小麥播種面積快速提取 [J].農(nóng)業(yè)工程學(xué)報(bào)，2011，27（9）：94-99.

[14] 王慶林，李衛(wèi)國(guó)，王榮富.基于不同時(shí)相遙感的冬小麥種植面積的提取 [J].江蘇農(nóng)業(yè)學(xué)報(bào)，2014，30（6）：1286-1291.

作者簡(jiǎn)介：劉偉誠(chéng)（1987.09—），男，漢族，江西吉安人，工程師，碩士研究生，研究方向：精密工程測(cè)量與遙感 ;馬靜（1981—），女，漢族，福建龍巖人，高級(jí)工程師，碩士研究生，主要研究方向：水資源規(guī)劃及環(huán)境保護(hù)。

收稿日期：2022-02-09

基金項(xiàng)目：河南省高等學(xué)校重點(diǎn)科研項(xiàng)目（21A420003）B01A86D0-EB3A-46CC-A46F-BC0598190637