水稻种植面积提取遥感方法研究——以黑龙江省绥滨县为例

张有智

（黑龙江省农业科学院遥感技术中心，哈尔滨 150086）

水稻种植面积提取遥感方法研究
——以黑龙江省绥滨县为例

张有智

（黑龙江省农业科学院遥感技术中心，哈尔滨 150086）

农作物种植面积及其空间分布是制定粮食政策和调整种植结构的重要依据。文章选择黑龙江省绥滨县作为训练区，选取TM8卫星数据，采用人工目视解译与计算机自动分类等2种方法，进行对训练区水稻种植面积提取。假定目视解译的结果为真值，在时间效率和解译精度2个方面，对自动分类结果进行对比分析，自动分类水稻面积的准确率在95%左右，但时间节省了数十倍。说明利用计算机自动分类方法提取水稻种植面积的方法是可行的。

目视解译 自动分类 遥感 水稻

我国水稻面积十分广泛，从南方到北方都有种植，其在粮食作物中占的比重相当高。黑龙江省具有得天独厚的自然环境和优越的地理条件优势，水稻种植面积2015年已超400万hm2。作为黑龙江省两大主要高产粮食作物之一，水稻的播种面积对该省粮食总产颇具意义。及时、快速、准确的水稻种植面积及空间分布，可以更好地为各级管理部门指导农业生产提供基础数据，为国家粮食安全提供强有力的保障。

1 研究区概况

绥滨县位于黑龙江省东北部，地处松花江与黑龙江汇合口处，属三江冲积平原。位于东经13 l°8'12"～132°，北纬47°11'55"～47°45'23"之间，东与同江市、南与富锦市、桦川县隔松花江相望，县段界江线长148 km；北与俄罗斯一江相隔，县内国界线长89 km；西与萝北县毗邻，县界线长60 km。县界三线相接形似菱形，东西长117.4 km，南北宽40 km，总面积为3 335.216 km2。

县境内无山少岗，是全国唯一没石头的县份。该县地势低平、土壤肥沃、土地资源丰富，平均海拔55 m。河流除北境的黑龙江和南境的松花江外，还有人工河—蜿蜒河。年平均气温2.9℃，1月平均气温-20.1℃，7月平均气温22.5℃，年降水496 mm，无霜期140 d。

县属总土地面积为16.99万hm2，其中耕地面积6.74万hm2，人均分别占有1.299 hm2和0.513 hm2。县境三面环水，境内沟河纵横，泡泽众多，水资源丰富。全县总水域面积为2.23万hm2，人均0.12 hm2。而地下水资源更为丰富，总净储水量292.5亿m3。地下矿藏资源有煤（储量为5.3亿t）、砂金、天然气和石油。

全县经济以农业为主，畜牧业发展较快，渔业在全县经济中占重要地位。国内生产总值13.764 2亿元，其中第一产业7.323 5亿元；第二产业2.285 8亿元；第三产业4.154 9亿元；人均国内生产总值7 415元。农林牧渔业总产值4.512 3亿元，其中农业3.025 7亿元；林业249万元；牧业1.311 2亿元；渔业1 505万元。主要农作物产量为粮食18万t、油料385 t、甜菜50 t。

2 数据源及利用

研究选用美国的TM8免费下载的遥感数据。分辨率为30 m，时相为2015年9月14日。卫星数据无云，质量好。波段组合采用R4G5B3，光谱特征明显，易于水稻面积的提取。

遥感数据预处理，包括：

（1）转换投影。将遥感数据利用Erdas软件转换成Albers投影，具体参数信息：

Projected Coordinate System：Krasovsky_1940_Albers

Projection：Albers

False_Easting：0.00000000

False_Northing：0.00000000

Central_Meridian：105.00000000

Standard_Parallel_1∶25.00000000

Standard_Parallel_2∶47.00000000

Latitude_Of_Origin：0.00000000

Linear Unit：Meter

Geographic Coordinate System：GCS_Krasovsky_1940

Datum：D_Krasovsky_1940

Prime Meridian：Greenwich

Angular Unit：Degree

（2）图像裁剪。根据1∶25万县界进行裁切，获取绥滨县TM8影像图1。

3 玉米面积提取

文章采用监督分类与人工解译相2种分类方法做试验，在剪裁好的绥滨县遥感影像图1上，波段组合为4、3、2，依据野外调查GPS记录的解译标志点，进行分类解译，产生水稻种植区域图2。假定人工目视解译成果为真值，对2种方法在解译精度，时间效率，人力效率等方面进行对比分析，在保证精度的情况下，提出更方便、快捷的解译方法。

图1 绥滨县遥感影像

图2 绥滨县水稻种植面积自动分类结果

图3 绥滨县水稻种植面积目视解译分类结果

4 结果比对

水稻种植面积分类的结果从2个方面来进行比对：（1）分类面积的准确性；（2）解译的时间效率。

4.1 水稻面积准确性的评价

文章采用首先在ERDAS软件进行非监督分类30个类别，依据野外GPS实测点确定的解译标准，进行分类统计，算出面积为16.69万hm2。另外，在人工目视解译的情况下见图3，通过ARCGIS软件进行面积统计，水稻面积为15.92万hm2。

面积的准确性按公式计算：

P=（m/n）*100%

式中的P：准确率；m：自动分类面积；n：目视解译面积；水稻面积的准确率：P=166 904.28/159 202.01* 100%=1.05%。由此可见，自动分类的面积与人工目视解译的面积还是存在一定的差距，误差在5%左右，也就是说解译的精度在95%左右。

4.2 时间效率的评价

时间效率的评价是指，在完成同一样工作，人员与时间上的差距对比。在试验过程中，自动分类的情况下，1个工作人员在用时半个工作日即可完成；人工目视解译，同样的工作，1个技术人员需要耗时10个工作日才可完成。

5 结论

（1）通过面积的准确性和时间效率2方面的评价，可以看出，通过利用遥感卫星数据，进行水稻面积的自动分类方法可行，准确率在95%左右，节约了大量的人力和时间，符合遥感监测的标准。

（2）由于遥感图像获取的时间不确定性，有些时相存在同谱异物或者同物异谱的问题，不能完全利用自动分类来解决，需要人工进行干预。但是，仍然以自动分类为主，人工干预为辅。由此可见，计算机自动分类将是作物面积分类的方向。

[1] 黄振国，陈仲新，刘芳清，等．地块数据利用SPOT5影像提取水稻种植面积的研究—以湖南株洲市区为例．湖南农业大学学报，2013，（2）：137～140

[2] 林子晶，李卫国，申双和，等．HJ星和GF1号数据在水稻种植面积提取中的应用．江苏农业学报，2016，（1）：111～182

[3] 黄维，黄进良，王立辉，等．多时相遥感影像检测平乐县晚稻种植面积变化．农业工程学报，2014，（21）：174～182

[4] 王迪，陈仲新，周清波，等．冬小麦种植面积空间抽样样本布局的优化设计．中国农业科学，2014，（18）：3 545～3 556

[5] 唐晓玲，王杰，刘珂，等．基于TM数据耕地吉林省水田种植面积的遥感监测．气象灾害防御，2014，（3）：40～42