吉林一号在广西甘蔗种植区提取中的应用

文 | 范泽琳 曲春梅 朱瑞飞 高放 江晟

1.长光卫星技术有限公司 2.吉林省卫星遥感应用技术重点实验室3.吉林省遥感信息技术应用创新基地

一、概述

广西是中国最主要的甘蔗生产基地，种植面积及甘蔗产量约占全国的60%[1-2]。快速精确地对当地甘蔗种植面积信息的获取，对当地农业指导部署，制糖企业生产管理，以至食糖进出口计划和贸易相关政策变化都有着重要意义。

遥感，作为一种大面积、高时效、低成本的监测手段，在区域性的甘蔗种植区提取中有着明显的优势。同时，丰富的卫星影像数据源，为甘蔗的遥感提取提供了充足保障。马尚杰等人基于多时相环境减灾小卫星影像数据，采用非监督分类和决策树相结合的方式，对甘蔗种植面积进行提取并对其收割过程进行了监测[2]。丁美花采用监督分类和多时相NDVI逐步提取相结合的方法，对EOS/MODIS数据进行处理，获取了广西甘蔗的种植面积[3]。陈刘凤等人采用美国陆地卫星（Landsat-8） OL1数据对甘蔗种植区的提取进行了研究[4]。上述的研究均基于中低分辨率卫星影像对甘蔗进行提取，适用于大区域的甘蔗种植面积近似提取，其提取精度难以到达地块级别，尤其在甘蔗地块分布离散且细碎的情况下，上述数据将无法应用。

近年来，吉林一号卫星数据已经在农林、城市、交通、目标监测及救灾应急等诸多领域得到了充分的应用[5-10]。其中吉林一号视频04-08星是目前国内仅有的搭载红边谱段的米级分辨率卫星，在农作物精细分类中有着特有的优势，本文对该卫星数据在广西宜州某地区甘蔗精细化提取中的应用进行了探究，研究区域地理位置见图1。

图1 研究区域地理位置

二、假彩色影像展示及光谱分析

基于包含红边谱段的吉林一号视频04星推扫数据，将利用了红边谱段的假彩色（R：NIR，G：Red_Edge，B：Green）显示结果与原始真彩色展示结果进行对比，可以发现区域内的甘蔗、林地及其他四类作物的差异特征在假彩色影像中得到了更直观的表现，而在真彩色影像中，采用目视观察的方式很难将上述地物进行准确区分（见图2）。

图2 真彩色影像及地物分布展示

根据上述划分的6种相似类别，为了减少随机误差，对于每个类别随机选取10个以上的采样点，且在研究区内离散分布，并绘制了其对应的光谱曲线（见图3）。可以发现，相较于红绿蓝三谱段，这6类地物在红边谱段和近红外谱段都表现出了明显的差异。为了进一步量化差异，统计这6类地物在红边及近红外谱段上的均方差，见表1。表中，红边谱段处的均方差仅次于近红外，为0.0514，这表明红边谱段包含了足够多描述植被特征差异的信息量，为植被更精确的分类提供了数据支撑。

图3 6类地物的光谱曲线

表1 6类地物在各谱段上的均方差

三、利用吉林一号数据的甘蔗提取

本次实验共使用了474个甘蔗实测点，影像使用包含红边谱段的吉林一号视频04星于2018年10月3日获取的多光谱影像，影像参数见表2，其假彩色影像及甘蔗采样点如图4所示，可以发现甘蔗种植区在假彩色影像中呈现为棕褐色。

表2 吉林一号视频04星推扫影像详细参数

图4 影像的假彩色效果及甘蔗采样点（红点）分布

首先，采用多尺度分割算法对卫星影像进行分割，将像素单元转换为对象单元，采用面向对象的思路对研究区进行甘蔗种植区提取，分类器选择贝叶斯分类器。从甘蔗采样点中选取239个样本作为学习样本，同时补充354个非甘蔗区学习样本；剩余的235个甘蔗采样点作为验证样本，同时补充394个非甘蔗验证样本。接下来，根据选取特征的不同，独立地进行4组实验，实验所采用的特征见表3，其中，红边指数为

edNDVI=[mean(nir)-mean(red_edge )]/[mean(nir)+mean(red_edge )][11]

4组实验的提取效果如图5所示，根据验证样本得到的提取精度见表4。表4中的精度指验证样本与分类结果的匹配程度，Kappa系数用于一致性检验，也可以用于衡量分类精度。可以发现，加入红边信息后，提取精度都得到了明显提高，且加入mean(rededge)和std(rededge)特征的第2组分类实验精度最高，相较于实验1精度提高了0.0835，kappa系数提高了0.1634。而输入特征最多的第4组实验结果却不如第2、3组实验，这说明冗余的信息量不但不能提高提取的精度，反而会产生反作用。

表3 4组实验参数表

图5 甘蔗种植区提取结果

表4 4组实验的提取精度

四、采用其他数据的甘蔗提取对比试验

为了探究吉林一号视频04星推扫数据在高分辨率且包含红边谱段情况下的优势，采用同期的高分一号数据（20181007）和哨兵二号数据（20181003）进行甘蔗提取对比实验。其中，高分一号及哨兵二号数据的影像参数见表5，图6为高分一号及哨兵二号数据展示。

表5 高分一号及哨兵二号影像参数

续表5

图6 高分一号及哨兵二号数据展示

考虑到研究区内存在较多离散分布的规则狭长状甘蔗地块，宽度较小，采用中低分辨率数据进行提取时，面向对象的提取方式将难以将此类地块分离出来，因此在这种情况下，面向对象的提取方法不再适用。在此，采用基于像元的监督分类方法对高分数据和哨兵数据进行处理，采用SVM分类器提取甘蔗种植区，提取结果如图7所示，学习及验证样本与本文第三节甘蔗种植区提取实验中的学习及验证样本相同，最后验证得到的分类精度见表6。基于高分一号数据和哨兵二号数据的甘蔗种植区提取精度分别为87.76%和84.04%，均低于吉林一号最高94.06%的提取精度，从提取结果直观来看，这两种情况均存在明显的甘蔗种植区错提现象，分析认为是由于这两种数据均无法兼顾高分辨率且具备红边谱段的特点，导致其分类精度的不足。

图7 基于三种数据的甘蔗提取结果对比

表6 甘蔗提取精度对比

五、总结

本文基于吉林一号视频04星推扫数据，对其在广西宜州某地区甘蔗提取中的应用开展了研究。通过光谱分析，假彩色合成及面向对象的分类提取技术，证明了吉林一号红边谱段的加入，有利于相似作物的差异化识别，提高了甘蔗提取的精度。此外，分别基于邻近时期的高分一号数据和哨兵二号数据开展甘蔗提取的对比实验，进一步证明了吉林一号在具备红边谱段且分辨率较高的情况下，有着更高的甘蔗提取精度。下一步，将搜集更为详细丰富的地面点采样数据，开展吉林一号在精细化作物分类中的应用研究。