基于遙感云計(jì)算的阿拉爾市棉花種植面積提取

呂紹倫，趙陽(yáng)，陳萬(wàn)基，張燦然，穆耶賽爾·賽達(dá)合麥提，盧吉瑞

(伊犁師范大學(xué)資源與生態(tài)研究所/伊犁師范大學(xué)生物與地理科學(xué)學(xué)院，新疆 伊寧 835000)

棉花(Gossypium hirsutum linn)是第一大經(jīng)濟(jì)農(nóng)作物，也是重要的國(guó)民戰(zhàn)略物資，其用途涉及人類(lèi)生活的衣食住行各個(gè)方面。中國(guó)棉花種植歷史悠久，現(xiàn)已是世界最大的棉花生產(chǎn)國(guó)，已形成長(zhǎng)江流域、黃河流域、西北內(nèi)陸(新疆)三大產(chǎn)棉區(qū)，其中新疆棉花種植面積位居全國(guó)第一，也是新疆國(guó)民經(jīng)濟(jì)重要的組成部分。研究棉花種植面積是當(dāng)?shù)孛藁óa(chǎn)量估測(cè)、發(fā)展預(yù)測(cè)等農(nóng)業(yè)活動(dòng)普遍采取的方法。

遙感技術(shù)憑借其較大覆蓋范圍、時(shí)效性強(qiáng)、信息量大、低成本等優(yōu)勢(shì)現(xiàn)已廣泛應(yīng)用于農(nóng)業(yè)監(jiān)測(cè)。伴隨著我國(guó)對(duì)地觀測(cè)衛(wèi)星的發(fā)展以及遙感技術(shù)與農(nóng)業(yè)的深度結(jié)合，已有學(xué)者開(kāi)展基于遙感的農(nóng)作物種植區(qū)提取。黃青，等基于時(shí)序植被指數(shù)，結(jié)合新疆棉花種植結(jié)構(gòu)、物候特征建立了棉花提取模型，實(shí)現(xiàn)棉花種植面積提取，總體精度達(dá)到78%以上。王瓊，等基于環(huán)境衛(wèi)星數(shù)據(jù)，根據(jù)棉花與其他作物的光譜差異和物候特征，運(yùn)用不同分類(lèi)方法成功提取了新疆北部一農(nóng)場(chǎng)棉花種植面積，提取精度達(dá)87.7%。玉蘇普江·艾麥提，等基于環(huán)境衛(wèi)星影像數(shù)據(jù)，運(yùn)用決策樹(shù)方法提取了庫(kù)車(chē)縣、新和縣、沙雅縣棉花種植面積，種植面積精度達(dá)94.29%，位置精度達(dá)88.57%。張佳琪，等基于高分1號(hào)遙感影像，結(jié)合耕地掩膜運(yùn)用不同監(jiān)督分類(lèi)方法，成功提取昌吉市棉花種植面積，提取精度高達(dá)95.24%。劉玫岑基于陸地觀測(cè)衛(wèi)星遙感影像，通過(guò)最優(yōu)波段組合運(yùn)用最大似然法對(duì)影像進(jìn)行監(jiān)督分類(lèi)，成功提取了新疆生產(chǎn)建設(shè)兵團(tuán)農(nóng)一師十六團(tuán)墾區(qū)棉花種植面積，精度達(dá)90%以上。魏瑞琪，等基于中分辨率成像光譜儀遙感數(shù)據(jù)，運(yùn)用時(shí)間序列衛(wèi)星遙感數(shù)據(jù)處理和分析的工具軟件集成的多種擬合方法，將石河子市時(shí)序歸一化差分植被指數(shù)與棉花生長(zhǎng)曲線擬合，分析棉花生長(zhǎng)特征，進(jìn)而提取了棉花種植區(qū)，精度達(dá)90%左右。近年來(lái)，遙感云計(jì)算技術(shù)蓬勃發(fā)展，航天宏圖公司開(kāi)發(fā)的遙感云計(jì)算平臺(tái)致力于我國(guó)農(nóng)業(yè)遙感監(jiān)測(cè)云平臺(tái)建設(shè)，現(xiàn)已在智慧農(nóng)業(yè)建設(shè)、自然災(zāi)害監(jiān)測(cè)等方面做出了突出成果，為政府部門(mén)決策提供了依據(jù)。但是，基于遙感云計(jì)算平臺(tái)對(duì)新疆南部棉花種植區(qū)提取卻鮮有研究。

阿拉爾市自然條件適宜棉花生長(zhǎng)，且該地區(qū)對(duì)棉花種植與品種培育投入較高成本，已建設(shè)較為完善的棉花產(chǎn)業(yè)鏈，棉花種植產(chǎn)業(yè)已成為該地區(qū)優(yōu)勢(shì)產(chǎn)業(yè)和整地發(fā)展產(chǎn)業(yè)。在宏觀視角下研究該地區(qū)棉花種植情況，對(duì)其農(nóng)業(yè)統(tǒng)計(jì)及后期農(nóng)業(yè)經(jīng)濟(jì)活動(dòng)至關(guān)重要。輕量化、高精度、低成本的棉花種植區(qū)提取方法是現(xiàn)在亟待需要解決的問(wèn)題。通過(guò)遙感云計(jì)算平臺(tái)可以實(shí)現(xiàn)輕量化、低成本的需求，因此，研究基于國(guó)產(chǎn)遙感云計(jì)算平臺(tái)結(jié)合2020年哨兵2號(hào)衛(wèi)星影像數(shù)據(jù)，通過(guò)解譯遙感影像中作物光譜特征結(jié)合阿拉爾市棉花物候特征，對(duì)新疆阿拉爾市棉花種植區(qū)進(jìn)行提取。為該地區(qū)及南疆大部分相似環(huán)境地區(qū)棉花種植、經(jīng)營(yíng)、發(fā)展等提供一定的理論指導(dǎo)和依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

研究區(qū)為棉花種植產(chǎn)業(yè)較為發(fā)達(dá)的阿拉爾市。阿拉爾市屬新疆生產(chǎn)建設(shè)兵團(tuán)第一師阿拉爾墾區(qū)(80°30′～81°58′E，40°22′～40°57′N(xiāo))，人工開(kāi)墾耕地面積廣闊(見(jiàn)圖1)。阿拉爾市北靠天山山脈南麓，南接世界第二大沙漠塔克拉瑪干大沙漠。地勢(shì)相對(duì)平坦，最大高差不超過(guò)500 m，平均海拔1011 m。阿拉爾市屬于溫帶大陸性氣候，干旱特征明顯，年平均氣溫4～20℃，年平均降水量40.1～82.5 mm，年平均蒸發(fā)量1876.6～2558.9 mm，蒸發(fā)量是降水量的30倍以上，屬于絕對(duì)干旱地區(qū)，該地區(qū)農(nóng)業(yè)受氣候條件限制，農(nóng)作物以棉花等耐旱喜光作物為主，林果以紅棗(Ziziphus jujuba Mill)等耐旱溫帶果樹(shù)為主。該地區(qū)農(nóng)業(yè)儲(chǔ)水工程相對(duì)發(fā)達(dá)，將流經(jīng)該地域的阿克蘇河、塔里木河進(jìn)行適度的農(nóng)業(yè)改造，以及修建勝利、上游、多浪三大水庫(kù)進(jìn)行儲(chǔ)水，為農(nóng)業(yè)灌溉和居民生活用水提供保障。2020年阿拉爾市生產(chǎn)總值332億元，其中農(nóng)業(yè)生產(chǎn)占43.73%，且主要以棉花產(chǎn)業(yè)貢獻(xiàn)為主。棉花種植占阿拉爾市國(guó)民經(jīng)濟(jì)重要部分，實(shí)現(xiàn)系統(tǒng)的棉花清查，是阿拉爾市宏觀調(diào)控棉花產(chǎn)業(yè)及棉花種植產(chǎn)業(yè)發(fā)展亟待需要解決的問(wèn)題。

圖1 阿拉爾市2022年7月哨兵2號(hào)遙感影像(B4，B3，B2真彩色合成)圖

1.2 數(shù)據(jù)來(lái)源

研究基于遙感云計(jì)算平臺(tái)(https://engine.piesat.cn/)，所用的哨兵2號(hào)衛(wèi)星遙感影像數(shù)據(jù)、阿拉爾市行政區(qū)邊界、2020年阿拉爾市土地利用類(lèi)型等都來(lái)自平臺(tái)提供的數(shù)據(jù)集。

哨兵2號(hào)衛(wèi)星是高分辨率多光譜成像衛(wèi)星，攜帶一枚多光譜成像儀，用于陸地觀測(cè)，可提供植被、土壤、水體等圖像。本研究選取遙感云計(jì)算平臺(tái)中經(jīng)過(guò)正射校正和幾何精校正的空間分辨率為10 m的哨兵2號(hào)遙感影像，有13個(gè)光譜波段，包括可見(jiàn)光和紅外光，可滿足對(duì)農(nóng)作物分類(lèi)提取和動(dòng)態(tài)監(jiān)測(cè)。阿拉爾市行政邊界數(shù)據(jù)來(lái)自于國(guó)家基礎(chǔ)地理信息中心的“中國(guó)城市區(qū)劃邊界”數(shù)據(jù)集。2020年阿拉爾市土地利用類(lèi)型數(shù)據(jù)采用全球30 m地表覆蓋數(shù)據(jù)集，該數(shù)據(jù)集將地表劃分為耕地、林地、草地、灌木地、濕地、水體、苔原、人造地表、裸地、冰川和永久積雪十個(gè)類(lèi)型，可以滿足研究提取阿拉爾市耕地需求。

數(shù)據(jù)預(yù)處理和后期統(tǒng)計(jì)計(jì)算都在遙感云計(jì)算平臺(tái)內(nèi)進(jìn)行，通過(guò)編譯器交互式編程實(shí)現(xiàn)數(shù)據(jù)處理與計(jì)算過(guò)程。

1.3 研究方法

1.3.1棉花生長(zhǎng)發(fā)育期分析

通過(guò)實(shí)地調(diào)查和走訪阿拉爾市棉花種植戶制定阿拉爾市主要農(nóng)作物農(nóng)時(shí)歷。冬小麥在3月下旬和4月上旬進(jìn)入拔節(jié)期，4月中下旬至5月上旬處于抽穗期，5月中下旬進(jìn)入灌乳期，6月上旬進(jìn)入成熟期。玉米在4月中上旬播種，5月進(jìn)入苗期，6月中上旬處于拔節(jié)期，7月進(jìn)入灌乳期，8月份成熟。棉花在4月上旬播種，5月份出苗，6月份進(jìn)入蕾期，7月份開(kāi)始進(jìn)入花鈴期，8月中下旬及9月處于吐絮期。

1.3.2光譜分析

基于遙感云計(jì)算平臺(tái)選取2020年哨兵2號(hào)衛(wèi)星遙感影像數(shù)據(jù)進(jìn)行研究區(qū)裁剪等預(yù)處理?；谧顑?yōu)波段組合的思想，對(duì)遙感數(shù)據(jù)進(jìn)行波段組合實(shí)驗(yàn)，尋找可以最佳反應(yīng)農(nóng)作物生長(zhǎng)狀態(tài)的波段組合，通過(guò)反復(fù)實(shí)驗(yàn)發(fā)現(xiàn)B11(紅外2波段)、B8(近紅外波段)、B2(藍(lán)光波段)波段組合突出顯示綠色植被，有利于農(nóng)業(yè)監(jiān)測(cè)和本研究。結(jié)果表明4～9月完整貫穿棉花生長(zhǎng)周期，且通過(guò)真彩色合成影像(見(jiàn)圖1)可以發(fā)現(xiàn)研究區(qū)主要植被為覆蓋耕地的農(nóng)作物，其他類(lèi)型植被地表對(duì)研究干擾較小。因此選擇4～9月為棉花物候期進(jìn)行研究。

圖2表明，4月份植被覆蓋較低，只有少量冬小麥生長(zhǎng)，棉花和其他作物正處于播種期；5月份棉花和其他作物相繼出苗，影像呈現(xiàn)淺綠色；6月份冬小麥進(jìn)入成熟期，棉花和其他作物開(kāi)始進(jìn)入第二生長(zhǎng)階段，形成植株，影像上呈現(xiàn)綠色越來(lái)越深；到7、8月份棉花生長(zhǎng)進(jìn)入全盛時(shí)期，影像上呈現(xiàn)深綠色。到9月份棉花進(jìn)入吐絮期，其他作物基本進(jìn)入收割期，影像綠色開(kāi)始變淺。

圖2 阿拉爾市棉花物候期遙感影像(B11、B8、B2合成)圖

由于植物葉片和植株中含有大量葉綠素，影響可見(jiàn)光波段反射，因此根據(jù)遙感影像不同光譜特征可以對(duì)地面不同植物進(jìn)分類(lèi)識(shí)別。受地形、天氣、地物復(fù)雜程度等影響，在研究中只依靠單波段光譜信息很難做到農(nóng)作物精細(xì)分類(lèi)。植被指數(shù)是根據(jù)植被光譜特征，將對(duì)地觀測(cè)衛(wèi)星的可見(jiàn)光波段和近紅外波段進(jìn)行組合形成的指數(shù)，實(shí)現(xiàn)多光譜波段信息組合的量化，可以很好地表示植被變化情況。因此引入恰當(dāng)?shù)闹脖恢笖?shù)，可以有效實(shí)現(xiàn)對(duì)作物精細(xì)分類(lèi)。

歸一化差分植被指數(shù)(Normalized Difference Vegetation Index，NDVI)是最常用的植被指數(shù)，它能夠反應(yīng)植被生長(zhǎng)狀態(tài)，反演植被覆蓋度。NDVI取值范圍在[-1，1]之間，當(dāng)NDVI為負(fù)值時(shí)，表示地表為水體、冰雪、云等；當(dāng)NDVI=0時(shí)，表示地表為裸露的巖石或土地；當(dāng)NDVI為正值時(shí)，表示地表有植物覆蓋，一般NDVI值在0.2～0.8時(shí)，認(rèn)為地表有綠色植物覆蓋。NDVI是對(duì)近紅外光和紅光的反射率，通過(guò)一定的數(shù)學(xué)法則計(jì)算得到的，計(jì)算公式：NDVI=(B-B)/(B+B)。式中B表示近紅外光反射率，B表示紅光反射率。

比值植被指數(shù)(Ratio Vegetation Index，RVI)是反映綠色植物健康狀態(tài)時(shí)常用的植被指數(shù)。當(dāng)RVI遠(yuǎn)大于1時(shí)，表示綠色植物健康狀態(tài)良好；當(dāng)RVI趨近于1，則表示地表無(wú)植被覆蓋、植被已枯死或植被遭受?chē)?yán)重蟲(chóng)害。通過(guò)計(jì)算近紅外光波段與紅光波段比值可得RVI，計(jì)算公式：RVI=B/B。式中B表示近紅外光反射率，B表示紅光反射率。

差值植被指數(shù)(Difference Vegetation Index，DVI)可以監(jiān)測(cè)植被生長(zhǎng)狀態(tài)，但對(duì)土壤變化極為敏感，因此在耕地監(jiān)測(cè)中，可以幫助播種期或收割期不同的農(nóng)作物進(jìn)行分類(lèi)。DVI是由近紅外光反射率減去紅光反射率得到，計(jì)算公式：DVI=B-B。式中B表示近紅外光反射率，B表示紅光反射率。

研究通過(guò)計(jì)算阿拉爾市不同時(shí)期植被指數(shù)尋找其變化規(guī)律構(gòu)建分類(lèi)規(guī)則，將耕地農(nóng)作物進(jìn)行分類(lèi)，進(jìn)而算出棉花種植面積。

1.3.3提取模型構(gòu)建

通過(guò)對(duì)各物候期各作物植被指數(shù)計(jì)算，尋找各物候期不同作物之間的植被指數(shù)變化，構(gòu)建棉花種植區(qū)提取模型(見(jiàn)圖3)。在遙感云計(jì)算平臺(tái)基于阿拉爾市2020年4～9月哨兵2號(hào)衛(wèi)星遙感影像數(shù)據(jù)按月尺度計(jì)算物候期阿拉爾市植被指數(shù)，并基于2020年地表覆蓋數(shù)據(jù)提取阿拉爾市2020年的耕地?cái)?shù)據(jù)，兩者相交獲得阿拉爾市2020年物候期耕地植被指數(shù)數(shù)據(jù)，根據(jù)不同物候期棉花指數(shù)范圍，提取出各物候期可能棉花種植區(qū)，將提取的6個(gè)物候期的棉花種植區(qū)進(jìn)行疊置分析，獲得阿拉爾2020年棉花種植區(qū)，并通過(guò)計(jì)算幾何，計(jì)算出種植面積，將提取結(jié)果與2020年阿拉爾市統(tǒng)計(jì)公報(bào)中棉花種植面積數(shù)據(jù)相對(duì)比，驗(yàn)證提取精度。

圖3 棉花提取模型

2 結(jié)果與分析

2.1 棉花物候期各項(xiàng)植被指數(shù)

基于遙感云計(jì)算平臺(tái)結(jié)合植被指數(shù)計(jì)算公式，計(jì)算各物候期三種植被指數(shù)(見(jiàn)表1)。

表1 各物候期的三種植被指數(shù)

表1物候期植被指數(shù)表明，物候期4月到7月，各植被指數(shù)整體呈現(xiàn)增長(zhǎng)趨勢(shì)。這一階段冬小麥生長(zhǎng)旺盛，趨于成熟發(fā)展；棉花、玉米及其他作物正在經(jīng)歷從播種到出苗再到形成植株過(guò)程，農(nóng)作物逐漸繁茂。7月份，冬小麥雖已經(jīng)收割，但是各項(xiàng)植被指數(shù)卻達(dá)到了整個(gè)物候期最大值，因?yàn)檫@一階段棉花處于花鈴期，生長(zhǎng)旺盛，對(duì)光吸收需求增大，超過(guò)6月份冬小麥等其他作物對(duì)光吸收需求的總和。8月份以后，各項(xiàng)植被指數(shù)開(kāi)始下降，這一時(shí)期作物都趨于成熟，植株內(nèi)葉綠素含量開(kāi)始減少，農(nóng)作物進(jìn)入枯萎期。

結(jié)合研究區(qū)農(nóng)時(shí)歷對(duì)植被指數(shù)變化進(jìn)行分析，可以辨析植被指數(shù)和農(nóng)作物生長(zhǎng)之間的關(guān)系，有利于不同農(nóng)作物敏感特征提取，幫助農(nóng)作物進(jìn)行分類(lèi)。

2.2 棉花種植區(qū)面積提取

基于提取模型，獲得阿拉爾市耕地植被指數(shù)數(shù)據(jù)。如圖4所示，4月份和5月份中部和東部部分區(qū)域歸一化差分植被指數(shù)介于0.6與0.8之間，結(jié)合阿拉爾市主要作物農(nóng)時(shí)歷分析可知，此時(shí)棉花和玉米處于播種期和幼苗期，歸一化差分植被指數(shù)較小，而冬小麥處于抽穗期和灌乳期，歸一化差分植被指數(shù)處于較高水平，從而可以確定冬小麥的主要分布地區(qū)。6月份歸一化差分植被指數(shù)值介于0.7與0.8之間，冬小麥開(kāi)始成熟，棉花和玉米分別進(jìn)入蕾期和抽穗期，進(jìn)入7月份，冬小麥預(yù)備收割，棉花和玉米也逐漸成熟，歸一化差分植被指數(shù)在部分地區(qū)達(dá)到了0.8，玉米的生長(zhǎng)周期比棉花短，8月下旬玉米成熟，棉花也到了吐絮期，冬小麥已經(jīng)收割，歸一化差分植被指數(shù)雖然開(kāi)始減小，但仍然達(dá)到了0.8。到了9月份，玉米開(kāi)始收割，棉花也已經(jīng)成熟，此時(shí)地表基本只有棉花一種作物類(lèi)型，再根據(jù)不同物候期棉花歸一化差分植被指數(shù)范圍，提取出各物候期可能棉花種植區(qū)，對(duì)不同物候期的棉花種植區(qū)進(jìn)行疊置分析，從而獲得阿拉爾2020年棉花種植區(qū)。

圖4 阿拉爾市2020年各物候期歸一化差分植被指數(shù)圖

在遙感云計(jì)算平臺(tái)中，計(jì)算提取的2020年阿拉爾市棉花種植面積為14.47萬(wàn)公頃，而2020年阿拉爾市統(tǒng)計(jì)公報(bào)棉花面積為15.98萬(wàn)公頃，從而得出本次提取精度為90.53%，提取精度較高，可以作為阿拉爾市棉花種植面積提取的一種方法。

3 討論

阿拉爾市2020年棉花種植面積15.98萬(wàn)公頃，本次實(shí)驗(yàn)提取面積14.47萬(wàn)公頃，提取精度達(dá)90.53%。因此，基于遙感云計(jì)算平臺(tái)與哨兵2號(hào)衛(wèi)星影像數(shù)據(jù)可以實(shí)現(xiàn)較高精度提取阿拉爾棉花種植面積，與相關(guān)研究相比，本研究可實(shí)行性更強(qiáng)，實(shí)施成本更低。

基于高分辨率遙感影像的研究，通過(guò)機(jī)器學(xué)習(xí)訓(xùn)練樣本可以實(shí)現(xiàn)高精度的分類(lèi)，但是高分辨率影像獲取難度大、成本高；基于傳統(tǒng)遙感影像處理平臺(tái)的研究，可以使用成熟的監(jiān)督分類(lèi)組件、決策樹(shù)模型或構(gòu)建分類(lèi)模型實(shí)現(xiàn)較高精度的分類(lèi)，但是調(diào)節(jié)分類(lèi)閾值需要多次實(shí)驗(yàn)調(diào)試，不同作物對(duì)應(yīng)分類(lèi)閾值也有較大差別。遙感云計(jì)算平臺(tái)擁有豐富的數(shù)據(jù)集，可以實(shí)現(xiàn)多源數(shù)據(jù)同步處理，且使用成本較低?；谶b感云計(jì)算平臺(tái)和哨兵2號(hào)衛(wèi)星影像數(shù)據(jù)對(duì)以阿拉爾市為代表的新疆南部棉花種植面積高精度提取還需要后續(xù)遙感云計(jì)算廣泛應(yīng)用在農(nóng)作物種植面積提取研究中討論。

4 結(jié)論

基于遙感云計(jì)算平臺(tái)和哨兵2號(hào)衛(wèi)星影像數(shù)據(jù)，通過(guò)分析物候期耕地植被指數(shù)變化特征，構(gòu)建棉花提取種植區(qū)模型可以實(shí)現(xiàn)研究區(qū)棉花種植面積高精度提取。本研究選取新疆南部阿拉爾市4～9月遙感影像數(shù)據(jù)，依據(jù)阿拉爾市主要農(nóng)作物農(nóng)時(shí)歷和棉花種植面積提取模型，成功的提取了2020年阿拉爾市棉花種植面積，總體精度達(dá)90.53%，能夠較高精度提取以阿拉爾市為代表的新疆南部棉花的種植面積，為棉花估產(chǎn)、種植業(yè)發(fā)展、政府宏觀調(diào)控農(nóng)業(yè)布局等提供依據(jù)和參考。