沂蒙山区金银花种植的遥感动态监测

刘懿莹,孙 莉,厉彦玲

(山东农业大学信息科学与工程学院,山东 泰安 271018)

0 引 言

金银花是沂蒙山区传统的正宗药材,种植历史悠久。山东省平邑县是农业农村部命名的 “中国金银花之乡”,是公认的金银花原产地和主产区,也是中国最大的金银花集散地。2019年3月,该县启动了《平邑金银花志》的编修工作。利用卫星遥感数据对中草药材的种植面积进行监测是遥感领域一个新的应用方向[1]。遥感技术具有覆盖面积大、监测方法经济有效、数据更新周期短等一系列优点,将其应用于快速监测金银花种植的分布和动态变化,可以为相关部门指导金银花的合理种植提供决策依据。

国内外先后利用多种遥感数据在不同尺度下对作物种植面积的监测进行了大量研究。Pervez等利用中分辨率成像光谱仪获取的NDVI数据提取出2000-2013年阿富汗地区作物种植面积[2]。Ning等利用基于时间序列的NDVI遥感影像,提取出山西省半干旱丘陵区的小麦种植面积[3]。Belgiu等采用Sentinel-2多光谱传感器数据,研究通过时间加权动态时间规整算法,研究其在农作物分类的应用效果[4]。Zhang等提出利用 Landsat-8 OLI遥感影像的时间序列以及物候参数的融合数据,提取多云雨地区的水稻种植面积[5]。Turner等利用3个时相的 SPOT影像,通过采用非监督分类与监督分类相结合的方法,从而获取较高精度的位于非洲半干旱地区的水稻作物分布图[6]。Luiz等通过遥感分层抽样对 2005-2006 年度巴西的南里奥格兰德市地区的大豆进行分类,获取研究区大豆种植面积和数量,与实际统计结果进行对比,达到了比较高的精度[7]。

国内在作物遥感监测方面已做过大量的研究工作,并有业务化运行的农作物监测系统。杨邦杰等分析遥感技术是经济作物种植监测中最基本常用的辅助技术,卫星遥感技术监测作物种植以及生产情况能快速方便地获取相关处理数据,节省人力物力[8]。陈仲新等认为作物种植面积监测是通过研究空间分布情况以及监测种植信息,利用多传感器的遥感影像所记录的地球表面信息统计种植面积[9]。戴晨曦等提出了一种新的方法即基于空间分辨率的多光谱遥感影像的三七种植区的提取方法,利用DEM中的高程值进而来增强大棚与山区的阴影及平地部分的人工地物的区分度,并利用NDVI来增强大棚与水体的差异性[1]。邓荣鑫等利用一种监测技术即基于时间序列的植被指数多时相数据分类技术来监测作物的生长过程,分析其生长规律以及遥感响应特征,制定遥感提取规则[10]。唐文澜等提出了基于NDVI的双时差值的油菜面积信息提取的方法提取油菜面积[11]。汤斌通过修改水稻提取算法参数,使得MODIS数据水稻种植面积提取与其统计数据持平[12]。张微微通过原始遥感影像校正并结合目视解译的监督分类等,针对CBRES CCD数据探讨了水稻种植面积监测方面的应用潜力[13]。田海峰等构建一种新的冬小麦决策树分类模型,分别基于决策树分类模型以及IsoData非监督分类模型,对比分析GF-1 PMS影像及同时期的Landsat-8 OLI影像在冬小麦种植面积提取上的精度[14]。

由上述分析可知,目前关于金银花种植监测的研究还很少。本文利用最佳时相的Landsat-8 OLI遥感影像提取沂蒙山区平邑县金银花种植区,对2013-2018年种植情况进行动态监测,并对监测结果进行分析。

整体思路为:首先通过统计资料和野外调查,分析平邑县金银花的主要种植区基地,深入了解该区域金银花的空间分布规律,为金银花的遥感监测做好数据准备工作;其次,选择时相适宜、影像清晰、反差适中、有利于解译各类地物的遥感影像数据;再对数据进行辐射定标、大气校正、几何校正、拼接、裁剪等预处理,以便正确利用遥感影像的时、空、谱信息;然后选择金银花种植样区分析其光谱特征,建立模型自动提取种植区,计算其面积,并进行精度评价;最后,实现金银花种植的动态监测。

1 材料与方法

1.1 研究区概况

山东省平邑县位于蒙山西南部,介于东经117°25′～117°56′,北纬35°07′～35°43′之间,总面积1 825 km2,如图1所示。县境内地势南北高,中间低,略向东南倾斜,可划分为北部中山林牧区、中部平原粮菜区和南部低山油林区3个区域[15]。该县地处北温带的偏东南部,属季风区域大陆性气候,具有冬季寒冷、夏季炎热、光照充足、无霜期长的特点,适宜金银花的生长。

图1 研究区域位置

金银花是平邑县的特色产业。全县90% 以上的村庄种植金银花,并且建立了众多的金银花标准化种植基地:北部有位于洪河村的北花一号金银花基地、仲村镇云头山的鲁蒙生态种植基地,中部有小井村的腾飞四季金银花苗木基地、蒙山大道的金银花苗木基地、流峪镇鑫城村的澳东生态种植实验基地、小井村的农丰树形专业合作社、潘家井村的东旭专业合作社,南部有位于三合一村的鲁峪一号基地、卞桥镇东卞桥村东岭的汇丰金银花基地、郑城中桥的金地专业合作社、卞桥镇的路源生态种植基地、卞桥镇的东康金银花种植基地、郑城镇张庄村的中科种植专业合作社、郑城镇郑城村的盛涵金银花种植专业合作社。其中,尤其以郑城镇、流峪镇生产的金银花最负盛名。

1.2 数据源与预处理

选择最佳时相的遥感影像是作物面积遥感监测的关键环节之一。通常要求遥感影像具有适宜的空间分辨率,同时研究对象与其他地物的光谱特征差异最大[5]。此外,还要求影像无云、少云。

本文选取2013年至2018年的Landsat-8遥感影像,OLI陆地成像仪包括9个波段多光谱影像,空间分辨率为30 m。表1是各遥感影像数据信息。

表1 平邑县Landsat影像数据信息

平邑县Landsat影像数据的条带号是121,行编号是35、36。本文采用先裁剪后校正的方法,36行在平邑县区域部分占比很小,且本文所选数据在裁剪完成后云量几乎没有,因此表1中36行的数据看起来云量较多但对金银花种植区提取无影响。

金银花一年中多次开花,开花期可达5个月,一般第一茬花花量大,花期集中。由于各个地区的气候以及气温的不同,金银花的花期从南到北逐渐推迟,平邑县金银花第一茬花花期一般是在5月上旬到6月中旬。为了全面客观地了解遥感影像特征,笔者比较了不同时相的影像,发现4月份平邑县内金银花信息极为罕见,表明此时的金银花大多尚未开放,影像反映的主要是其生境(如土壤)等地物信息;7月份金银花信息也比较弱,难以将金银花与其他植被区分开来。通过分析5、6月份影像发现,金银花与建筑物、水体等非植被区在影像色调、光谱特征以及 NDVI 指数等方面都具有明显差异,金银花的第四波段大于第三波段,而非植被区的第四波段小于第三波段。综合考虑,笔者认为平邑县内金银花遥感监测的最佳时相在5月底左右。除遥感影像外,本文还用到国家基础地理信息中心公布的1∶400万平邑县行政区划矢量数据、DEM数据等。

数据预处理主要包括遥感影像辐射定标、几何校正、拼接、裁剪、Modtran大气校正等。将2013年至2018年的遥感影像数据分别进行上述预处理,得到各时相的地表反射率影像。

1.3 基于决策树监测金银花种植情况

通过对NDVI值的时序性分析,了解时序特性,找出有效的区分不同类别的方法,选择合适的阈值进行决策树分类[16]。利用决策树分类法取得的结论更加准确、直观、利于理解、计算相对比较简单等,相比其他方法有很大的优势,可以提高遥感影像分类的精确度[17]。本文建立的决策树如图2所示。

图2 金银花种植区提取决策树

研究区内主要地物类型有金银花、道路、居民地、水体、裸地、其他植被等,通过大量样区分析,发现影像中金银花、部分道路以及其他植被的NDVI值大于0.3,其他地物的NDVI值均在这一阈值之下。通过NDVI阈值构造模型的第一层,实现金银花的粗分类。其中部分道路会错分为金银花,主要是因为道路的宽度影响了它在影像上的特征,道路如果过窄,其光谱特征很容易受到周围金银花光谱特征的影像,表现为混合像元特征,因此其NDVI值大于0.3;其他植被会错分为金银花,是因为此时一般绿色植被区的NDVI范围是0.2～0.8,影像上的其他植被呈现绿色,其NDVI值可能大于0.3。

本文采用目视解译法识别典型的金银花种植样区,即平邑县众多的金银花标准化种植基地。通过查看金银花等各种地物在各个波段上的光谱值,进行光谱特征分析,在确定各个波段阈值时,多次利用二分法,逐步建立一种新的决策树模型。笔者在进行光谱特征分析时发现金银花在影像中第1波段地表反射率<0.123、第2波段地表反射率<0.109、第3波段地表反射率<0.156、第4波段地表反射率<0.185,那些错分为金银花的部分道路、其他植被则不同。实地调查发现平邑县道路两旁以及田野附近种植杨树比较多,需要将杨树与金银花区分,观察图像处理软件自带的波谱库发现杨树第1波段反射率>0.123,由此将杨树与金银花区分出来。第一层方案中已将大部分道路分出来,剩下的部分道路主要铺面材料是水泥沙地和褐色地,它们的反射波谱特征曲线形状大体相似,褐色地的反射率低于水泥沙地,而褐色地的第2波段地表反射率>0.109,由此能将道路和金银花区分出来。由于叶绿素对绿色反射作用强,植被的反射光谱曲线在第3波段有一个0.1～0.2的波峰,金银花的波峰值为0.156,而玉米等植被波峰值>0.156,由此可以将金银花与其他植被区分出来。由此,构造决策树模型的第二层方案,实现金银花与部分道路、其他植被的分离。

在利用决策树模型进行分类完成后,得到的结果中不可避免会产生一些面积很小的图斑,即孤立像元或者线状地物出现断点。目前常用的分类后处理方法有聚类统计、过滤分析及形态学滤波等[18]。本文采用形态学滤波进行分类后处理。

1.4 基于支持向量机监督分类监测金银花种植情况

支持向量机方法是根据样本信息在模型的复杂性和学习能力之间寻求最佳折中,是一种常用的分类方法。本文在选取一定数量的金银花、道路、居民地、水体、裸地、其他植被等6类训练样本之后,选择支持向量机监督分类方法,对图像进行分类。在设置SVM参数时,采用多项式作为核函数,次数设为6,其他参数选择默认值。

2 结果与讨论

2.1 与支持向量机监督分类结果的对比

精度评价是遥感动态监测的重要一环,用于确定解译数据与实际数据差异是否显著。本文利用整体精度、Kappa系数及独立数据验证评价分类精度。分别基于支持向量机监督分类和决策树分类两种方法,对比分析遥感影像在2018年的金银花提取精度差异,结果如表2所示。

表2 2018年平邑县金银花种植区提取精度比较

由表2可知,在本文中,决策树分类精度优于支持向量机监督分类精度,说明在平邑县金银花种植区提取中采用决策树分类方法有效。

2.2 决策树模型提取结果

基于2.3节构建的决策树分类模型,提取金银花种植区,各年度结果如图3所示,精度如表3所示。

表3 平邑县金银花种植区提取精度评价

图3 平邑县金银花种植区提取结果

精度评价结果表明:基于本文的决策树分类模型提取金银花种植区,总体精度均优于91%,Kappa系数均大于0.8,分类结果精度均较高。由于统计数据匮乏,笔者仅能将部分年份提取结果与平邑县人民政府官方统计数据进行比较:2017年约400 km2、2018年约433.33 km2,差异较小。这说明,利用遥感影像监测金银花种植面积是有效的。

进一步分析可知金银花种植空间格局:种植区总体较为集中,主要分布在中部的小井村、流峪镇,南部的卞桥镇、郑城镇等地区。近几年政府也加大了对流峪镇和郑城镇的金银花种植基地的建设与投资,种植面积增幅较大,这些地区地形开阔,阳光充足,适宜金银花的生长。

2.3 遥感动态监测结果

遥感动态监测是利用不同时相的遥感数据定量地分析与确定地表变化的特征与过程,具有广泛的应用[19-20]。本文采用分类后比较法进行金银花种植的动态监测。

利用2013-2018年遥感监测得到的金银花种植栅格数据,制作了年际变化图,从而进行动态监测,如图4所示。限于篇幅,本文未列出具体的变化矩阵。分析可见:平邑县2013年到2014年金银花种植面积明显增加;2014年到2015年中部流峪镇部分地区金银花种植面积增加,其他地区变化不明显;2015年到2016年金银花种植面积有小幅增长;2016年到2017年北部洪河村以及仲村镇地区金银花种植面积显著增加,其他地区变化不明显;2017年到2018年金银花种植面积增幅较大,中部地区金银花种植面积增加,其他地区也有不同幅度增加。

图4 平邑县金银花种植年际变化

3 结 语

本文尝试利用6个时相的Landsat-8 OLI影像提取金银花种植区,并实现了动态监测,对于当地掌握金银花种植情况有一定帮助,对相关研究具有一定参考价值。

本文还存在一些问题和不足。在研究尺度上,县域尺度的经济作物识别最好应用高分辨率遥感影像,本文所用30 m分辨率数据在图像解译时稍显不足,混合像元比较多,在分类后处理时图斑较多。另外,建立决策树模型时,仍需进行大量目视解译,从而掌握金银花的光谱特征,效率不高,希望以后可以有相应光谱库,或开发更简单高效的方法。

目前利用遥感影像进行经济作物种植面积动态监测的研究较多,但是对于金银花的遥感监测研究很少。本文建立了提取金银花种植区的决策树模型,还有很多新的方法尚未展开试验,比如机器学习方法等,今后可以进行更深入的研究。