杏树遥感图像辨识的最佳时相与方法

邢东兴,王明军,焦 俏，车自力,封建民，杨 波

(1.咸阳师范学院 资源环境学院，陕西 咸阳 712000; 2.咸阳师范学院 物理与电子工程学院，陕西 咸阳 712000)

目前，国内外快速发展的对地观测技术、四高(空间/波谱/辐射/时间分辨率)卫星影像技术，以及多光谱遥感的无人机为快捷、准确地获取大面积果区内果树的栽植信息提供了保障。利用这些信息，各级果业管理人员可以即时掌握辖区内各种果树的栽植现状；可以适时、有效地指导果农因地科学选栽或更换果树；可以及时、高效地优化调控各种果树的栽植面积与结构；可以进一步对果区内各地块上果树的长势、受害情状、养分盈缺以及果实质量等进行即时、有效地遥感监测，以利指导果农科学施肥、灌溉、喷药、防害，提高果区整体生产效益[1]。

伴随着遥感技术的发展，国内外相关研究者利用各种数据对森林树种[2-8]、耕区农作物种类或单种农作物的不同品种等的栽、种信息进行了相对深入地监测辨识[9-12]。然而，有关果区果树栽植信息遥感监测的研究却较少。从已有的研究来看，董芳等[13]利用苹果花期的TM(专题绘图仪)影像，基于混合像元分解法对栖霞市境苹果园地信息进行了提取。岳俊等[14]利用GF-1(高分1号)卫星数据，运用支持向量机等4种分类方法，结合光谱与纹理特征，对南疆盆地的红枣、核桃等4种果树进行了遥感识别。李雪等[15]利用8景HJ(环境卫星)影像，采用光谱分析、NDVI(归一化植被指数)时序变化分析以及微分变换方法，对阿克苏市的红枣、核桃等4种林果与其他地物的差异性、果树之间的差异性进行研究。杨辽[16]利用多时相的ZY3(资源3号)、HJ卫星影像，基于NDVI时序变化分析，对库尔勒境内香梨的种植信息进行研究。赵希妮等[17]基于逐月GF1-WFV(高分1号宽幅)影像在对贺兰山东麓地带的NDVI、EVI(增强型植被指数)的时序变化特征进行分析的基础上，利用决策树分类方法提取了当地葡萄树的空间分布信息。邢东兴等[18-19]利用野外光谱仪采集的反射光谱数据，先后对礼泉县境果实成熟期、花期的苹果、梨树、桃树、杏树进行辨识分析。在此研究中，由于所用分析数据(空间)尺度偏小，且仅对少数几种果树进行区分辨别，因而所得结论仅可参考，而不可直移于尺度较大、树种较多的影像分析中。

如何利用卫星影像从大面积果区尤其是栽植结构复杂的果区内提取杏树的栽植信息，杏树遥感监测的最佳时相等问题在遥感应用研究领域仍鲜见报道。鉴于此，本研究选取关中果区局部地区作为研究区域，并利用多年逐月GF1-WFV影像，从反射光谱特性角度探寻杏树遥感辨识的最佳时相与方法，以期为关中乃至全国其他果区开展杏树遥感监测提供理论依据。

1 材料和方法

1.1 研究区概况

依据杏树物候变化同步、影像覆盖区成像清晰(无浮云及其阴影浸掩)等限因，本研究将区域定于渭北台塬局部(图1)，其范围为34°28′26.60″～34°36′39.30″ N, 108°17′1.91″～108°57′24.95″ E。该区域平均海拔670 m，地势较平。属暖温带半湿润气候，雨热同季，四季分明。该区域果业发展较早，果树栽植结构复杂多样，树种多达12种以上(有杏树、苹果、梨树、桃树、核桃、葡萄、柿子、石榴、李子、樱桃、桑葚树、猕猴桃等)。区域内同种果树树形较为接近、物候变化几近同步。区域内除果业以外，还有以冬小麦、夏玉米为主的粮食生产，具有较好的灌溉条件。

图1 研究区域位置Fig.1 The location of research area

1.2 遥感影像及其预处理

1.2.1 遥感影像 为了获得坚实可靠的研究结果，本研究采用43景GF1-WFV卫星影像(表1)进行对照分析与佐证。影像均采购于中国资源卫星应用中心，分辨率为16 m，除WFV3_2017-03-25、WFV3_2019-03-25外，其余影像皆无云清晰。出于对照分析之用，这些影像依采集年份划分为3套。第1套影像相对齐全，逐月影像基本具备(2014-01-20、2015-09-14影像分别代替2014年1月、9月的影像)，特征物候期(杏树花期、果实成熟期及其前后)内的影像皆有。第2套中的3景替代影像分别替代2017年5月底、8月、10月的影像。第3套中的3景替代影像分别替代2018年花前、花期与10月的影像。

表1 GF1-WFV遥感影像详情Tab.1 Details of the GF1-WFV remote sensing images

注：间断线表示缺失影像，*表示替代影像，下同。

Note：Discontinuous line indicates missing image,* indicates substitute image, the same below.

1.2.2 遥感影像预处理 利用ENVI 5.1软件系统分别对上述各景影像依次进行如下预处理：(1)辐射定标；(2)镶嵌与空间裁剪；(3)大气辐射校正：在校正时，考虑邻边效应、传感器的天顶角与方位角等；(4)几何校正：对所有影像采用相同的校正参数(包括投影类型、校正数学模型、像元灰度重采样方法等)进行几何校正；(5)均值滤波：对每景影像中的各个波段分别进行了3(像元)×3(像元)的均值滤波，以剔除奇异灰度值。

1.3 辨识目标限定

据采样、对比分析可知：(1)幼龄杏树与成年杏树的反射光谱存在差异；(2)单块宽度不同的杏树地受相邻地物光谱影响的程度不同；(3)裸地、城乡建筑与道路、水体、小麦、玉米等与杏树的反射光谱差别较大。鉴于此，本研究将树龄≥5 a(从2014年算起)、地块宽度≥32 m(即2个像元宽)、面积≥2 000 m2的杏树地作为辨识目标，并将11种非杏果树作为与杏树区别的主要地物，将其余地物作为与杏树区别的次要目标。

1.4 最佳时相与辨识方法探寻

1.4.1 探寻过程 在分析综合前人研究成果[9-26]，结合常年野外观察所得、当期杏树反射光谱特征的基础上，采用以下手段对杏树的最佳时相与辨识方法予以探寻。(1)同期影像地物光谱比较：在每期影像(指单景影像或准同时相邻接的两景影像的镶嵌影像)中采集各种地物样地内的ROI(感兴趣区)，并对其进行处理与分析，以探寻杏树反射光谱与别物的异同。(2)同期影像波段差值或比值分析：先对每期影像中的多个波段按序进行差值或比值运算，后基于ROI采样对比分析杏树对应的差值或比值序列与同期他物的差别。(3)同套邻期影像差值或比值分析：在同套影像中，分别对相邻时期、相隔1期、相隔2期等的两景影像进行(同波段)求差或求比运算，随后基于ROI采样探寻杏树对应的邻期或隔期光谱变化与别物的差异。(4)同期影像光谱指数求算与分析：对每期影像先后采用表2中的光谱指数进行相应的波段代数运算，随后基于ROI采样探寻辨识精度较高的光谱指数与较佳的辨识时相。在表2中，光谱指数1～3用于表征杏树枝叶情形或地面杂草的多少；光谱指数4～12是依据杏树花期与果实成熟期的反射光谱特征(见图2，其数据是利用便携式光谱仪在室内外实测而得，在室内架灯对缀有多个黄色杏子的短枝予以实测，于晴朗天气在室外对缀满花朵的杏枝予以实测)而构建，用于辨识对应时期的杏树；为了探试花期地面草多、草少与无草杏树地能否利用同一光谱指数予以辨识，而构建了光谱指数13～15；其他光谱指数还有同期影像的4个波段反射率倒数的对数值[即ln(1/Rbi)]的加、减、乘、除以及混合运算等。(5)同套邻期光谱指数变化追踪：首先在表2中任选1个光谱指数并对同套中的每期影像分别进行波段运算，随后基于ROI采样与数据处理等方式，观察杏树对应的该光谱指数值序列、该光谱指数值邻期或隔期差值序列及与其他地物的差别。接下来用同样的方法对其他光谱指数予以一一探试。(6)影像复合与多指数联用分析，并对其综合辨识效能予以探试。

表2 光谱指数及其计算公式Tab.2 Spectral indices and their calculation formulas

注：Rbi表示第i波段的反射率。

Note:Rbiindicates the reflectance of bandi.

a：盛花期杏树的反射光谱； b:果实成熟期杏树的反射光谱

1.4.2 探试结果 在以上探试性辨识的结果中，发现如下较佳的辨识方法与最佳时相。

(1)光谱指数VI1对盛花期杏树具有一定的辨识效能：在盛花期的3景影像中，利用VI1的阈值进行地物辨识，皆发现杏树具有相对低的VI1值，该阈值对杏树具有一定的辨识力(见表3，其数据是在对应影像中对每种果树样地进行ROI采集、处理与均值后所得的结果，缺失数据是因浮云及其阴影影响而未能采集样地ROI所致)。

(2)在杏树盛花期，联用NDVI与VI1双重阈值可提高总体分类精度(指地块级精度，若分类地块与实际样地的形状基本套合且≥75%的像元被正确辨识，则认为该地块被正确辨识。若与此标准不符，则认为错分，下同):受异物同谱现象等的影响，在3个年份的盛花期辨识杏树时，皆发现若仅采用单一的VI1阈值会将一些非杏地物错分为杏树，以致总体分类精度不高，但若采用NDVI与VI1双重阈值，可明显提高总体分类精度。

表3 杏树盛花期的影像中各种果树的VI1值Tab.3 VI1 value of various fruit trees in the images at apricot trees blooming stage

(3)花期与花前影像(同序号)波段的比值也可较好地辨识杏树:在探试同套邻期影像比值方法的辨识效能时，发现花期与花前影像的波段比值也可较好地辨识杏树(见图3，数据源自WFV1_2017-03-08与WFV3_2017-03-25)，并且联用第1波段比与第3波段比的双重阈值其辨识力相对较佳。

图3 WFV1_2017-03-08与WFV3_2017-03-25两景影像的波段比值Fig.3 Values of band ratio of WFV1_2017-03-08 to WFV3_2017-03-25

(4)联用上述4个光谱指数的阈值(即花期的NDVI、VI1阈值以及花期与花前影像的第1波段比与第3波段比的阈值)，辨识杏树的精度更为理想。

(5)从上述结果可知，利用遥感影像辨识杏树的最佳时相是盛花期。果实成熟期并非辨识杏树的较佳时相，因为研究区域内品种多样的杏树的果实成熟期不统一，以及果农为了抢价而在杏果还未真正成熟时就已陆续开采，从而导致果实成熟期内同品种杏树的反射光谱竟存差异(图2b)，进而致使该时段内辨识杏树的精度不高。在其他时段内，因杏树与其他果树树种反射光谱曲线差异不大，以致不易辨识。

2 结果与分析

2.1 验证影像

利用源自WFV1_2014-03-14与WFV2_2014-03-22两景影像的衍生影像来进行验证。该影像通过如下途径而得：(1)首先对WFV1_2014-03-14与WFV2_2014-03-22两景影像进行配准、复合与裁减；(2)随后通过波段代数运算分别求取WFV1_2014-03-22影像的NDVI、VI1值(下文用其原型标记)，再分别求取Rb1花期/Rb1花前、Rb3花期/Rb3花前(下文用Rb1/Rb1花前、Rb3/Rb3花前标记)；(3)最后将NDVI、VI1、Rb1/Rb1花前、Rb3/Rb3花前4帧图像予以复合，形成验证影像。

2.2 验证过程

首先，在验证影像中采集每种果树多个样地的ROI，所有样地皆是经实地调查与筛选的样地，其宽度皆≥32 m。样地中葡萄、桃树的树龄≥4 a，其他果树树龄≥5 a(2014年算起)。杏树、猕猴桃、桑葚树样地分别为38、7、5块，其余9种果树样地均在35～42块，共392块样地。在采集ROI时，避开地块边界处的混合像元。

随后，在对所采的ROI数据集进行整理、同树种归聚、奇异值剔除等的基础上，又对杏树对应的4个指数的最大值与最小值(即阈值)予以分别计算。最后,利用依据这些阈值(0.247 8≤NDVI≤0.390 0，2.460 0≤VI1≤3.622 6，1.086≤Rb3/Rb3花前≤1.310 0，1.071 0≤Rb1/Rb1花前≤1.343 0)构建的决策树对验证图像进行基于专家知识的决策树分类。

2.3 验证结果

利用NDVI单阈值、双重阈值(NDVI、VI1)、三重阈值(NDVI、VI1、Rb3/Rb3花前)、四重阈值(NDVI、VI1、Rb3/Rb3花前、Rb1/Rb1花前)分别进行辨识的结果见图4—7。

从图4可知，仅采用NDVI阈值进行辨识，既可将绝大部分水体、人工建筑用地及其中的绿化植物、裸地、小麦以及NDVI值较低的非杏果树予以剔除，又可将与杏树VI1值接近的部分非杏果树等地物剔除，为提高后续辨识的总体精度打下基础。

图4 仅采用NDVI阈值进行辨识的结果Fig.4 Identification result using NDVI threshold only

图5 采用NDVI与VI1双重阈值进行辨识的结果Fig.5 Identification result using dual thresholds of NDVI and VI1

图6 采用NDVI、VI1与Rb3/Rb3花前三重阈值进行辨识的结果Fig.6 Identification result using triple thresholds of NDVI,VI1 and Rb3/Rb3 Pre-flowering

图7 采用NDVI、VI1、Rb3/Rb3花前与Rb1/Rb1花前四重阈值进行辨识的结果Fig.7 Identification result using four thresholds of NDVI,VI1,Rb3/Rb3 Pre-flowering and Rb1/Rb1 Pre-flowering

由图5可知，在图4分类的基础上继用VI1阈值可较大幅度地剔除非杏果树等地物。这一辨识结果证实了光谱指数VI1对盛花期杏树具有较强的辨识效能。究其原因是盛花期杏树具有迥异于别种果树的反射光谱，从图2a可见，此时的杏树在蓝光波段的反射率相对较高，高于绿光波段的反射率，以致其VI1值偏低。而此时的其他果树因其还未开花或发芽抽枝，再加之地面裸露度大，以致在蓝光与红光波段的反射率差别较大，进而使其VI1值偏高。

由图5可见，受地面众多地物交错复杂的组合情状、混合像元与异物同谱现象的存在、辐射校正精度的有限以及所用影像较低的空间分辨率(在较低空间分辨率的影像中采集样地ROI时，很难保证每一像元都具有代表性与典型性)等多种不利因素的共同影响，利用NDVI与VI1的双重阈值虽可将杏树较好地辨识出来，但还有部分其他地物被错分为杏树，以致总体分类精度不够高。

从图6—7可见，基于图5分类结果，用Rb3/Rb3花前与Rb1/Rb1花前两指数的阈值可将采用NDVI与VI1双重阈值不易识别的非杏果树等地物予以较大幅度地剔除。这一结果表明，花期与花前影像的求比方法可有效提高辨识杏树的总体分类精度。究其原因是:(1)在杏树开花前期,杏树与其他果树在林相、反射光谱等方面差别较小；而在开花期，杏树以其雪白的外相迥异于其他地物，亦即在花前至盛花期时段内，杏树的时相变化最大；(2)对盛花期与花前两景影像进行同号波段求比，可有效消弱上述几个负面因素的不利影响。

由图7可见，38块杏树样地均被正确辨识，354块非杏树样地中的326个(占比为92.09%)地块被正确辨识，有28个(占比为7.91%)地块被错分为杏树。

在随后进行的实地随机抽验过程中，发现杏树的38块样地与12块非样地皆被正确识别，非杏果树的47个地块(包括28块样地与19块非样地)被错分为杏树，其余地物未见错分。杏树地块正确辨识率较高的原因为，分类时所采用的决策树是基于杏树对应的4个光谱指数的阈值而构建的。3块长着桃树苗的地块被错分为杏树的原因是，其与杏树同时开花而致难辨。其余44块非杏树地块大多宽度较窄且紧邻小麦地，可能受所采样本像元纯度不高或邻边效应等因素影响以致被错分为杏树。

接下来以像元为评价单元对图7的分类精度予以评价。鉴于撂荒地与裸地、道路、城乡建筑及其内部绿化植被、水体、小麦、玉米等非果树地物易与杏树区别，在此仅对杏树与非杏树两大类的混分情况予以评价。首先，在验证影像中对先选的392块样地、随后实地抽验到的12块杏树地与19块非杏树地块，共423个地块进行ROI采集。因所用图像空间分辨率所限，在每一地块采集像元时避过其最边侧的一行/列像元(大多数为混合像元)进行采集。最终在50块杏树地共采集2 106个像元，在373块非杏树地共采集10 071个像元，共12 177个像元。在2 106个杏树像元中，1 751个像元被正确识别，355个像元被错分为非杏。在10 071个非杏树像元中，8 104个像元被正确识别，1 967个像元被错分。通过简单计算而得到仅含杏树、非杏树两大类的混淆矩阵，从中可见，杏树类的正确识别率为83.14%，总体分类精度为80.93%。

3 结论与讨论

通过以上分析，可得出如下5点结论：(1)盛花期杏树具有相对(其他果树树种)较低的VI1值，此指数阈值对该时期杏树具有较佳的辨识效能；(2)在杏树盛花期的影像中，利用NDVI与VI1双重阈值，可明显提高总体分类精度;(3)盛花期与花前影像(同序号)波段的比值也可较好地辨识杏树；(4)联合应用NDVI、VI1、Rb1/Rb1花前、Rb3/Rb3花前4个光谱指数及其阈值，辨识杏树的精度更为理想，杏树类的正确识别率可达83.14%，总体分类精度可达80.93%；(5)盛花期是辨识杏树的最佳时相。

以上结论是在对3 a逐月的数十期GF1-WFV影像进行一系列处理、求算与分析的基础上得出的，因而具有一定的可靠性。然而，由于GF1-WFV影像波谱分辨率(尤其是在可见光波段)较低，基于此类影像分析得出的杏树最佳辨识时相是否唯一与坚实，还需后继采用较高波谱分辨率的影像数据予以验证。本研究采用NDVI、VI1、Rb1/Rb1花前、Rb3/Rb3花前4个光谱指数及其阈值对杏树进行辨识，杏树类的正确识别率不够高的主要原因是所用影像空间分辨率较低、混合像元较多。总体分类精度不够高的原因是在求算该值时并未将易与杏树区别的城乡建筑用地、水体、小麦与撂荒地等计入，若将其计入非杏地物类中，总体分类精度将会较大幅度提高。

以上成果可适用于今后利用相同空间与波谱分辨率的影像数据对当地杏树的栽植信息进行估测评价，对于与本研究区差异较大的果区，在今后开展杏树栽植信息遥感监测时，可参考本研究所采用的探索途径与光谱指数联用方式。对于采用更高空间与波谱分辨率的航天、航空(含无人机)影像如何来辨识当地杏树等问题，有待后续拓研。

致谢：感谢中国资源卫星应用中心提供卫星影像支持。