基于Sentinel-2A影像的乡镇农业土地利用制图*

蒋 怡，刘忠友，董秀春，任国业，李宗南

（四川省农业科学院遥感与数字农业研究所，成都610066）

0 引言

通过长时间序列遥感、地理制图等方法，国内外科研机构已生产多套不同时期的全球土地覆盖、土地利用现状［1-2］、种植结构［3-4］、作物分布产品［5-6］；中国国土部门定期开展国家土地利用变化调查与更新，农业农村部近年开展了承包土地确权调查和“两区”划定等工作，政府部门当前已积累海量土地利用类型、土地用途及权属等农业空间大数据。土地利用空间信息等综合反映了人类多种开发利用土地的信息，但对农业生产、作物种植、农业资源利用等多种内涵的空间信息描述不足，且我国乡村地区普遍为小农经济，地块面积小，早期受限于遥感影像的时空分辨率、数据覆盖不全等因素，缺乏开放使用的高时空分辨率农业空间信息。

目前，作物种植结构信息在全球、国家等尺度上有广泛深入研究应用，其时空分辨率普遍为30～1 000 m［4-5］。大尺度信息难以准确反映多种精细作物种植结构，不能满足乡镇村级农业规划、结构调整、生产管理等数字化需求。随着多种10～30 m分辨率遥感影像的免费获取，农业遥感监测、农业土地分类等应用的成本得以降低，小尺度、高分辨率的作物种植结构和农业土地利用信息得到更多关注和研究，具有应用前景和潜力［7-8］。文章拟使用10 m分辨率的Sentinel-2A影像进行乡镇尺度农业土地利用和作物种植结构制图，对照基于WorldView-2融合图像生产的0.5 m分辨率种植结构图，评价Sentinel-2A影像获取的作物种植结构信息的精度，以期应用遥感大数据开展乡镇农业景观分析、农业产业结构优化调整等提供技术参考。

1 数据与方法

1.1 研究区概况

该文选取四川省成都市以农业为主的典型乡镇（邛崃市原牟礼镇）为研究区，该区位于邛崃市东南面，分别距邛崃市城区和成都市中心约25 km和60 km，交通便利，是典型的城市郊区乡镇（图1）。该区域属亚热带湿润气候，四季分明，平均气温17.8℃，年均降雨量约1 300 mm；区域内地势平坦，平坝、浅丘相间，以平坝为主。该区耕地面积约23.33 km2，田间道路布局合理，排灌设施配套，随着都市农业发展，逐步形成了规模化、专业化粮油、水果、蔬菜以及水产养殖等多种农业产业，是成都市郊区农业功能主导发展的乡镇。

图1 研究区区位Fig.1 Thelocation of thestudy area

1.2 数据来源

高分辨率遥感影像是提取农业土地利用信息的主要数据来源，应用于大范围的定期农业监测中，但基于单一高分辨率数据费用高。基于多源数据提取不同类型土地利用信息能充分发挥各类数据优势、降低数据成本、提高信息精度。因此该文将使用当前多种开放数据和商业数据来提取研究所需的各类空间信息。该文部分历史高分辨率影像来源于Google Earth平台；0.5 m分辨率WorldView-2影像通过购买获取；Sentinel-2A多光谱影像来源于欧空局的哥白尼开放存取中心（Copernicus Open Access Hub）。该文使用QGIS下载研究区的开放街区数据，并通过2018年2月5日外业调查，获取在研究区内典型地物解译标志和样方内土地利用类型等数据。

1.2.1 OpenStreetMap数据

下载OpenStreetMap（OSM）开放数据，提取各类道路、居民点等建设用地信息。OSM是目前世界上使用最广泛的开源地理空间数据库，向用户免费提供多种地物的空间分布矢量数据，用户可下载元数据进一步编辑、修改和使用。

1.2.2 遥感影像

WorldView-2卫星于2009年10月6日发射升空，运行在770 km高的太阳同步轨道上，是用途广泛的商业遥感卫星，星载多光谱遥感器可提供0.5 m全色波段影像和1.8 m分辨率的多光谱影像。多光谱影像包括4个常用标准谱段（红、绿、蓝、近红外），还可定制获取四个额外波段（海岸蓝、黄、红边和近红外2）的影像。Sentinel-2卫星是欧空局分别于2015年（A星）和2017年（B星）发射的小卫星星座，Sentinel-2单星重访周期为10 d，A/B双星重返周期为5 d。卫星搭载的多光谱成像仪具备13个光谱波段的感知能力，设置10 m、20 m、60 m这3种空间分辨率。在研究区范围内获取的影像数据包括：2013年1月24日Google Earth真彩色合成影像；2018年2月28日WorldView-2影像；2018年3月8日、2018年5月15日、2018年12月16日优质无云的Sentinel-2A多光谱影像。

1.3 农业空间信息提取与制图

1.3.1 基础空间信息整理

该文使用QGIS、ArcGIS等地理信息系统软件完成数据清洗、整理、裁剪、编辑及更新，基于Google Earth 0.5 m分辨率影像数据进行地块边界信息提取以及补充OSM缺失的农田道路网、水渠网等，利用ArcGIS、ENVI遥感影像处理软件进行制图，研究区基础空间信息如图2所示。

1.3.2 农业空间信息提取

根据野外调查，样区内土地利用类型包括农业用地和建设用地，其中，农业用地包括耕地（粮油作物、蔬菜和其他作物等）、林地、园地（以猕猴桃、葡萄、李子、柑橘等为主的果园用地）、设施农用地、坑塘水面（除天然河流外的人工坑塘、水产养殖以及灌溉蓄水池等），建设用地为建筑物和主要道路。

在ENVI 5.5中对WorldView-2影像进行数据融合、几何配准等预处理，得到调查样区所需的空间分辨率为0.5 m的遥感影像，通过目视解译方法在影像中提取各类农业土地利用信息、作物种植结构信息。然后将道路、居民点建筑物等基础空间信息与之融合，得到0.5 m分辨率的农业空间信息数据集。

对多时相Sentinel-2A卫星影像，通过几何纠正、图像融合、数据合成、影像裁剪和图像融合等预处理，得到3期空间分辨率为10 m的10波段数据；计算各时期的NDWI指数，通过数据合成形成NDWI数据，使用遥感指数阈值法提取水体、河流等信息。然后使用监督分类法和已有空间信息为掩膜，逐步提取粮油作物用地、园地、林地及菜地等地物。

2 结果与分析

2.1 信息精度评价

该文利用10 m分辨率土地利用和作物用地类型信息与0.5 m分辨率的结果进行比较，评价基于Sentinel-2A影像的分类精度。在研究区随机选取验证样区，结果见表1。各类地物的区域面积精度均达到92%以上，表明10 m空间分辨率的Sentinel-2A影像提取土地利用及作物用地类型信息具有较高精度，基于该农业空间信息制图方法，利用此类卫星遥感影像高时空分辨率、数据开放免费的优势，可快速获取更高精度的农业空间信息产品。

表1 研究区主要土地利用及作物用地类型分类精度Table 1 Classification accuracy of major land useand crop land types in thestudy area

2.2 农业空间信息

分类结果与道路边界矢量数据进行叠加，通过图斑膨胀、边缘融合等处理，对分类结果进行后处理，得到10 m分辨率的农业空间信息数据集，局部制图效果见图3，土地利用及作物用地类型分布如图4所示。

图3 土地利用及作物用地类型对比Fig 3 Comparison of land useand crop land types

图3 显示，解译结果边界模糊，存在明显的地块粘黏现象。基础空间信息与Sentinel-2A多光谱影像分类结果进行叠加，可对地块边缘进行优化，形成封闭性的地块边界，能有效整合10 m分辨率影像分类结果，提高地块边界信息精度。

从图4可见，园地主要集中在浅丘区，粮油作物用地、菜地和设施农用地则主要分布在平坝区，土地利用和作物用地类型存在明显的分区。农业产业结构由传统单一化逐渐演变多元化，产业规模化趋势加强。

图4 2018年春季研究区土地利用及作物用地类型分布Fig 4 Distribution of land useand crop land typesin the study area in 2018

3 讨论

牟礼镇靠近成都市区，为满足城市居民生产生活需求，域内农作物类型多样，土地利用情况复杂，Sentinel-2A多光谱遥感影像和WorldView-2影像具有不同的空间分辨率，空间异质性和尺度差异［9-10］会导致一定的误差。此外，基于Google Earth的基础空间信息补充主要依靠人工目视解译，人力成本较大，在今后的研究中应尝试探索更先进的方法快速完善基础空间信息，为构建成都平原地区的农业土地时空大数据，定量分析土地利用、农业产业格局，尝试评估土地利用变化的经济、社会、生态综合效应等提供技术支持。

4 结论

基于Sentinel-2A多光谱遥感影像，以邛崃市牟礼镇为研究区，构建基于国内外开放使用的多源遥感数据和空间信息产品生产乡镇尺度高精度的农业空间大数据产品的方法；通过时序遥感指数阈值分类、最大似然法等完成各土地利用类型分类、作物空间信息提取，生产乡镇尺度农业土地利用图，与基于WorldView-2融合图像的0.5 m分辨率农业空间信息图比较验证，结果表明：（1）研究区粮油作物用地、菜地、设施农用地和园地的面积精度良好，依次为92.93%、98.98%、95.71%和95.14%，与实际面积的差异在8%以内。（2）应用OSM道路数据和历史高分辨率影像等生产的地块边界、农田道路网、水渠网等空间信息与Sentinel-2A多光谱影像分类结果进行叠加制图，能提高10 m分辨率影像分类结果的地块边界信息精度。