湖北省一季稻种植面积遥感监测方法研究

鄂月胜，王新生，汪权方，何津，陈志杰

(湖北大学 资源环境学院，湖北 武汉 430062)

农业部遥感应用中心自1999年成立以来，遥感监测业务化工作从最初的单一作物冬小麦，发展到今天全国性玉米、水稻、棉花、油料作物等大宗农作物，机构设置、工作规模等方面都有了长足的进步，也取得了比较显著的成绩，为国民社会经济发展作出了突出的贡献.尽管遥感监测工作经过多年的实践，已经越来越完善，但是，在实际的业务流程化运行中，工作人员需要在较短时间内完成某一类作物的全部遥感监测工作，特别是影像解译，时间非常紧迫，导致精度方面存在瑕疵.就一季稻而言，主要表现为目标农作物分类不纯，存在误分、漏分等现象.因此，为解决这一问题，找出一种好的方法十分迫切.

本文中以湖北省一季稻种植面积遥感监测为例，采用2种数据源，运用几种通用的影像分类方法及其组合，来对研究区影像进行解译，并对分类结果进行了综合评估，以期找到最合适的方法，可供流程化运行参考.

1 研究区域与数据

研究区域选取位于湖北省江汉平原南部的仙桃市.该地区地理坐标介于北纬30°04′～30°32′、东经112°55′～113°49′，属冲积平原，西北高而东南低，地势平坦，土壤肥沃；亚热带季风气候，年平均气温16.5 ℃，一月最冷，无霜期258 d，年平均日照时数1 934.8 h，农业生产条件较为优越，是湖北省一季稻主产区之一.

文中所用数据类型农业部遥感应用为中心提供的2009年SPOT-4 HRVIR传感器数据，产品级别为Level-1B，即经过了Level-1A级辐射校正和系统级几何校正，由于卫星轨道、姿态及地球自转等因素造成的数据几何畸变得到了纠正，地面分辨率20 m，时相为8月初，处于一季稻生长期内，影像质量较好，区分度较高.同时为了提高一季稻种植面积提取精度，收集了该区域的土地利用类型矢量数据以及同期快鸟影像，以用于精度评价.

2 解译方法

2.1数据预处理在分类处理之前，先对研究数据进行预处理，包括影像裁剪、几何精校正、辐射校正等，突出目标地物信息，结合矢量数据，获得目标地物先验知识.

为了减小影像预处理对遥感监测精度的影响，几何精校正时参考点选取用GPS野外实地调查特征点，与GoogleEarth比对，误差在3 m范围之内；图像重采样方法选用最临近法，简单、速度快，使输出的图像仍然保持原来的像元值.

对高分辨率的快鸟影像进行目视解译并矢量化，统计目标地物面积(该面积为扣除细小地物后面积).

2.2 分类方法

1)监督分类法

监督分类法主要是利用遥感数据的统计特征，假定各类地物的反射光谱为正态分布函数，按正态分布规律用最大似然判别准则进行判别.最大似然法其算法内在缺陷少，可靠性好，分类精度较高，缺陷是需要先验概率和条件概率密度函数模型，模型的精度直接影响分类精度.

为了获得比较精确稳定的概率密度函数模型，本文中结合一季稻地面样方和野外采样所得的一季稻分布数据，在此基础上选取训练样区，采用监督分类法得到研究区域的遥感分类图象，并加以少量人工干预，最终在GIS软件支持下得到一季稻种植信息.

2)非监督分类

非监督分类是以不同影像地物在特征空间中类别特征的差别为依据的一种无先验(已知)类别标准的图像分类，是以集群为理论基础，通过计算机对图像进行集聚统计分析的方法.根据待分类样本特征参数的统计特征，建立决策规则来进行分类,而不需事先知道类别特征.把各样本的空间分布按其相似性分割或合并成一群集，每一群集代表的地物类别，需经实地调查或与已知类型的地物加以比较才能确定，是模式识别的一种方法.

本文中依据最短距离决策规则，对待分类影像进行分类，然后结合地面样方和野外实测数据确定类别归属属性，最后人工干预得到一季稻种植信息.

3)植被指数阈值法

不同作物物候期的不同导致了反映作物生长的植被指数(NDVI)的差异，分析NDVI的光谱特征，可有效提取作物种植面积信息.

本文中根据先验知识，选取若干区域目标地物和非目标地物NDVI值，根据其统计特征，设定阈值a、b，对耕地区中NDVI满足的判定其为一季稻种植区域，最后人工干预确定目标地物种植面积.

4)光谱阈值法

对于多光谱数据，同一波段不同地物接收反射能量是不一致的，同一地物在不同波段反射率也存在差异，因此，如果能利用波段间地物反射率的变化规律，反映不同作物光谱特征，则可以有效提取不同作物的种植面积.

图1 一季稻与其他地物光谱曲线

结合一季稻和其他地物地面样方数据，通过对待分类影像光谱特征进行分析，发现如下规律：一季稻区域象元光谱特征普遍表现为band2≤band3和band3>band4(见图1)，同时也有一小部分区域表现出band2≥band3>band4，且band2和band3之间差异很小，其他地物则要么未表现出band2≤band3且band3>band4规律，要么当band2≥band3>band4时band2和band3之间差异很大，对此，实验利用band2和band3之间的差值构建了一个新的波段band5，组合后band2≤band3的一季稻区域表现出band3>band4>band5，且band5<50，而其他地物则无此规律.利用以上规律可以很好将目标地物一季稻提取出来，然后进行人工干预，确定一季稻种植面积.

需要说明的是，无论是何种方法，基于地物复杂性和光谱分类同谱异质性等自身缺陷，分类后都必须适当人工干预，对分类结果进行修正.各方法分类结果见图2.

图2 分类结果

3 分类方法比较

为了验证以上方法对一季稻的区分精度，以同区域2009年快鸟影像目视解译矢量化得到的一季稻面积作为评估标准，分类结果见表1.由表可知，精度方面光谱阈值法相对误差最小，非监督分类方法次之，监督分类和NDVI阈值法相对误差较大.

表1 分类结果对比

就方法而言，光谱阈值法在结合先验知识条件下，充分利用影像波段之间规律，突出了目标地物与其他地物各波段反射率之间的差异，增加了目标地物信息量；同时，对于其他地物规律相近的，可以根据自己的需求，通过构建新的波段等扩大与目标地物之间的差异，进而获取目标地物信息；再次，波段规律能够反映绝大多数目标地物共有的规律，具有客观性，相比监督分类等基于统计规律的方法更易区分不同地物，实际操作时，人工干预也比较少，结果更具代表性.就时效性而言，非监督分类方法所花时间最少，光谱阈值法次之，其他方法则相对较长.

总体而言，光谱阈值法在精度和时效性方面皆有一定优势，且方法简单，可供流程化运行，因此，该方法用来区分一季稻较为合适.

4 讨论

本文中以SPOT4数据作为数据源，讨论了目前卫星遥感作物种植分布的几种常用方法，计算得到了研究区域一季稻的种植分布，并对其进行检验分析，得到以下结论：

1)通过采用不同方法对几种遥感分类方法精度进行比较分析，结果表明按照上述方法和技术路线研究区域一季稻种植信息与实际种植信息相一致，特别是光谱阈值法，精度较高.同时，为了确定该方法是否具有普适性，第1作者在做湖北省油菜面积遥感监测时也应用了此方法，在应用中该方法对于油菜与除小麦外的其他植被具有显著区分效果，至于油菜与小麦因两者之间差异较小，则通过扩大差异的方法进行区分，取得了较好效果.因此，笔者认为光谱阈值法具有一定推广价值和广阔的应用前景.

2)本文中基于传统的光谱分类，未考虑地物复杂性，未将混合象元加以考虑，因此，要想进一步提高作物种植面积计算结果，必须将混合象元分解技术利用进来.

[1] 武永利，王云峰，张建新，等.应用线性混合模型遥感监测冬小麦种植面积[J].农业工程学报，2009，24(2)：136-140.

[2] 邢素丽，张广录.我国农业遥感的应用现状与展望[J].农业工程学报，2003，19(6):174-178.

[3] 韩秀梅，张建民.农业遥感技术应用现状[J].农业与技术，2006，26(6):32-35.

[4] 陈水森，柳钦火，陈良富，等.粮食作物播种面积遥感监测研究进展[J].农业工程学报，2005，21(6):166-171.

[5] 杨邦杰，裴志远，周清波，等.我国农情遥感监测关键技术研究进展[J].农业工程学报，2002，18(3):191-194.

[6] 许文波，田亦陈.作物种植面积遥感提取方法研究进展[J].云南农业大学学报，2005，20(1):94-98.

[7] 杨鹏，唐华俊，刘佳.作物遥感估产中自动分类研究进展与展望[J].中国农业资源与区划，2000，21 (3):57-60.

[8] 王延颐.南方稻区遥感水稻长势监测与估产研究[J].遥感技术与应用，1991，6(3):1-6.

[9] Benedetti Roberto，Paolo Rossini. On the use of NDVI profiles as a tool for agricultural statistics: the case study of wheat yield estimate and forecast in Emilia Romagna[J].Remote Sensing Environment，1993，45:311-326.

[10] Rasmussen M S. Assessment of millet yields and production in northern Burkina Faso using integrated NDVI from the AVHRR[J].International Journal of Remote Sensing，1992，18(13):3431-3442.

[11] 江东，王乃斌.NDVI 曲线与农作物长势的时序互动规律[J].生态学报，2002，22 (2):247-253.

[12] 汤传勇，卢远.利用面向对象的分类方法提取水稻种植面积[J].遥感应用，2010(1):53-56.

[13] 康晓风，王乃斌，杨小唤.粮食种植面积提取方法的发展与现状[J].资源科学，2002，24(5)：8-12.