王國(guó)芳

（山西農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，山西太谷030801）

近年來(lái)，農(nóng)業(yè)種植結(jié)構(gòu)的面積、產(chǎn)量因市場(chǎng)變化而逐年波動(dòng)較大?？陀^形勢(shì)要求及時(shí)準(zhǔn)確地獲取區(qū)域作物種植面積信息及其空間分布狀況，對(duì)于準(zhǔn)確估計(jì)和預(yù)測(cè)作物產(chǎn)量、加強(qiáng)作物生產(chǎn)管理、優(yōu)化作物種植空間格局、確保中國(guó)糧食安全具有重要意義[1]。掌握糧食播種信息，為國(guó)民經(jīng)濟(jì)宏觀決策提供科學(xué)依據(jù)。

傳統(tǒng)的作物面積、產(chǎn)量估算主要是采用統(tǒng)計(jì)方法或常規(guī)的地面調(diào)查方法，不僅費(fèi)時(shí)費(fèi)力且受人為因素影響較大，難以適應(yīng)現(xiàn)勢(shì)性信息的需求。隨著遙感技術(shù)的發(fā)展應(yīng)用，遙感信息具有覆蓋面積大、探測(cè)周期短、資料豐富、現(xiàn)勢(shì)性強(qiáng)、費(fèi)用低等特點(diǎn)，為作物種植面積的提取提供了新的技術(shù)手段[2]。

1 研究區(qū)概況

本研究區(qū)選擇山西省昔陽(yáng)縣，該縣位于山西省東部，太行山脈西麓，地處東經(jīng)113°19′～114°08′，北緯 37°20′～37°43′，全縣東西長(zhǎng)約70 km，南北寬約38 km，國(guó)土總面積195 600 hm2。昔陽(yáng)縣境內(nèi)整個(gè)地勢(shì)呈西高東低、南高北低，東南山坡較陡，西北山坡較緩，屬于半干旱大陸性氣候。全縣地形多樣，自然條件復(fù)雜，植物種類(lèi)繁多，形成的土壤類(lèi)型特征各異、形態(tài)不一，以夏玉米種植為主。

2 數(shù)據(jù)源選擇與資料收集

2.1 遙感數(shù)據(jù)

作為提取耕地面積所需的信息源，結(jié)合該地的物候特征，本研究選擇了該地6月份的TM影像，6月正處于季春，能較好地體現(xiàn)本研究區(qū)的耕地信息。同時(shí)，為了更好進(jìn)行研究區(qū)的目視解譯，還選用了研究區(qū)SPOT影像作為參考。

2.2 資料數(shù)據(jù)

收集了研究區(qū)1∶50 000地形圖，用于幾何校正。1∶50 000土地利用圖，1∶50 000行政區(qū)劃圖，1∶50 000分等基礎(chǔ)信息、分等結(jié)果、分等重要參數(shù)專題圖，用于輔助解譯。外業(yè)調(diào)查標(biāo)準(zhǔn)樣地?cái)?shù)據(jù)共24個(gè)，用于分類(lèi)結(jié)果的精度檢驗(yàn)。專題圖的地理坐標(biāo)與遙感影像一致，用于與影像數(shù)據(jù)進(jìn)行比較，疊加分析。

3 研究方法

農(nóng)作物種植面積的遙感提取是在收集分析不同農(nóng)作物光譜特征的基礎(chǔ)上，通過(guò)遙感影像記錄地表信息，識(shí)別農(nóng)作物的類(lèi)型，統(tǒng)計(jì)農(nóng)作物的種植面積。農(nóng)作物的識(shí)別主要是利用綠色植物獨(dú)特的波譜反射特征，將植被（農(nóng)作物）與其他地物區(qū)分開(kāi)[3]。

3.1 光譜分析

為了對(duì)耕地進(jìn)行面積提取，必須對(duì)地面不同介質(zhì)的光譜特征有所認(rèn)識(shí)。土壤的光譜隨著波長(zhǎng)的增加，其反射率呈上升趨勢(shì)，而綠色植被在可見(jiàn)光波段內(nèi)具有吸收峰，在近紅外波段內(nèi)具有強(qiáng)反射。水的光譜在可見(jiàn)光波段內(nèi)的反射率總體上比較低，隨著波長(zhǎng)的增大逐漸降低。不同地物在可見(jiàn)光和近紅外波段的反射率特征正是進(jìn)行作物光譜識(shí)別的理論依據(jù)[4]。

農(nóng)作物生長(zhǎng)過(guò)程中，不同階段的農(nóng)作物群體有著不同的光譜特征和色調(diào)，對(duì)太陽(yáng)光輻射的吸收和反射有著明顯的光譜差異。而不同種類(lèi)的農(nóng)作物由于其形狀和構(gòu)造不同，光譜反映也各不相同。這是由其葉片具有不同的葉綠素和水分含量直接影響作物對(duì)太陽(yáng)光的吸收和反射所致[5]。

本研究采用的TM數(shù)據(jù)的7個(gè)波段光譜圖像中，一般第5個(gè)波段包含的地物信息最豐富。3個(gè)可見(jiàn)光波段（即第 1，2，3波段）之間，2個(gè)中紅外波段（即第5，7波段）之間相關(guān)性很高，表明這些波段的信息中有相當(dāng)大的重復(fù)性或者冗余性。第4，6波段較特殊，尤其是第4波段與其他波段的相關(guān)性很低，表明這個(gè)波段信息有很大的獨(dú)立性。由此可見(jiàn)，由1個(gè)可見(jiàn)光波段、1個(gè)中紅外波段及第4波段組合而成的彩色合成圖像一般具有最豐富的地物信息，其中又常以4，5，3或4，5，1波段的組合為最佳。按賦色原則，采取4，5，3波段分別賦紅、綠、藍(lán)色合成的圖像，色彩反差明顯，層次豐富，而且各類(lèi)地物的色彩顯示規(guī)律與常規(guī)合成片相似。為此，在本研究中采用了 4，5，3 波段的組合。在該 4，5，3 波段合成的圖像中，裸地表現(xiàn)為青綠色調(diào)，植被表現(xiàn)為黃綠色調(diào)，草地表現(xiàn)為淺紅色調(diào)，林地表現(xiàn)為紅色調(diào)，水體表現(xiàn)為深藍(lán)色調(diào)，縣中心表現(xiàn)為藍(lán)色調(diào)。

3.2 分類(lèi)方法的選取

分類(lèi)方法的選取將直接影響到種植面積提取的精度。目前，種植面積提取方法有：（1）目視解譯。其主要應(yīng)用于遙感估產(chǎn)的早期，計(jì)算機(jī)自動(dòng)處理程度不高的情況。（2）監(jiān)督分類(lèi)法。它是計(jì)算機(jī)自動(dòng)提取農(nóng)作物種植面積的起源。（3）多時(shí)相分析方法。其主要應(yīng)用于雷達(dá)遙感和高時(shí)間分辨率的多光譜遙感影像。另外，還有多源數(shù)據(jù)結(jié)合的方法、神經(jīng)網(wǎng)絡(luò)方法、模糊數(shù)學(xué)方法等[6-7]。采用多源數(shù)據(jù)和多種分類(lèi)方法的綜合分析，會(huì)提高農(nóng)作物種植面積提取的精度。由于數(shù)據(jù)有限，本文采用結(jié)合地面樣點(diǎn)的最大似然法的監(jiān)督分類(lèi)方法。

最大似然分類(lèi)法假設(shè)類(lèi)別在特征空間上的分布服從正態(tài)分布，然后通過(guò)計(jì)算待分像元對(duì)各類(lèi)別的歸屬概率，將待分像元?jiǎng)潥w至屬概率最大的一組類(lèi)別[8]?？梢酝ㄟ^(guò)先驗(yàn)概率來(lái)提高最大似然分類(lèi)法的精度。但由于在分類(lèi)前無(wú)法確切知道各類(lèi)別占總面積的比例，因此，分類(lèi)過(guò)程中各類(lèi)別先驗(yàn)概率都取1。不考慮先驗(yàn)概率的最大似然分類(lèi)法的判別函數(shù)為：

gi（X）=P（X/ωi）

式中，ωi代表類(lèi)別i，gi（X）代表ωi類(lèi)的判別函數(shù)，X為待分類(lèi)的特征向量，P（X/ωi）為ωi類(lèi)的密度概率函數(shù)。

3.3 訓(xùn)練樣區(qū)選取

為了保證分類(lèi)的精度，除了采用最大似然法的監(jiān)督分類(lèi)外，還有很關(guān)鍵的一點(diǎn)就是訓(xùn)練樣區(qū)的選取，訓(xùn)練樣區(qū)應(yīng)在目標(biāo)地物面積較大的中心選取。采用最大似然法進(jìn)行分類(lèi)，還要求各變量正態(tài)分布。由于TM數(shù)據(jù)分辨率的原因，可能會(huì)造成同物異譜、同譜異物的現(xiàn)象，從而影響分類(lèi)精度。為此，選取訓(xùn)練樣本前，先對(duì)TM數(shù)據(jù)的4，5，3波段合成圖像進(jìn)行了投影變化、幾何配準(zhǔn)、特征變換、光譜增強(qiáng)等處理，并與土地利用現(xiàn)狀圖、行政區(qū)劃等專題圖件進(jìn)行套合，結(jié)合空間分布和地理界線，參考高分辨率SPOT影像圖，并結(jié)合耕地在TM中的光譜特征進(jìn)行訓(xùn)練樣區(qū)選取。對(duì)于難以確定的地塊，通過(guò)野外調(diào)查獲取。

4 結(jié)果與分析

利用TM數(shù)據(jù)，采用最大似然分類(lèi)法提取的昔陽(yáng)縣耕地面積結(jié)果如圖1所示。提取的耕地面積為29 242.1 hm2。根據(jù)昔陽(yáng)縣當(dāng)年的上報(bào)面積（31 316.6 hm2），其精度達(dá)到 93.3%。

5 結(jié)論

實(shí)踐證明，以TM遙感數(shù)據(jù)為主要信息源，以土地利用現(xiàn)狀圖、行政區(qū)劃等專題圖件為輔助信息源，采用GIS技術(shù)、圖象處理技術(shù)及光譜知識(shí)提取耕地面積的方法可行、可靠。

本研究?jī)H對(duì)TM遙感影像進(jìn)行了探討，可以推廣應(yīng)用到更高或更低分辨率遙感影像，但其結(jié)果精度還需要進(jìn)行驗(yàn)證分析。

遙感技術(shù)在耕地面積的調(diào)查方面具有省時(shí)省力的特點(diǎn)，使決策者能夠比較準(zhǔn)確地掌握耕地面積，以便制定出相應(yīng)的政策。另外，其可為利用氣象因子、土壤墑情和遙感監(jiān)測(cè)進(jìn)行作物估產(chǎn)提供較為精確的基礎(chǔ)數(shù)據(jù)，具有很高的經(jīng)濟(jì)效益和社會(huì)效益。

［1］ 杜培林，田麗萍，薛林，等.遙感在作物估產(chǎn)中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2007，35（3）：936-938.

［2］ 程永政.混種區(qū)作物面積遙感監(jiān)測(cè)方法 [J].河南農(nóng)業(yè)科學(xué)，2009（6）：147-150.

［3］ 周成虎，駱劍承.遙感影像地學(xué)理解與分析[M].北京：科學(xué)出版社，1999.

［4］ 侯學(xué)曾，肖淑招.小麥反射光譜特性及其估產(chǎn)[J].華北農(nóng)學(xué)報(bào)，1986，1（1）：92-96.

［5］ 梅安新，彭望琭.遙感導(dǎo)論[M].北京：高等教育出版社，2001.

［6］ 林艷.NOAA衛(wèi)星玉米遙感估產(chǎn)方法的研究 [J].華北農(nóng)學(xué)報(bào)，1996，11（4）：93-98.

［7］ 王國(guó)芳.遙感圖像計(jì)算機(jī)分類(lèi)方法的研究 [J].山西農(nóng)業(yè)科學(xué)，2009，37（10）：39-41.

［8］ 鄭明國(guó).一種新的土地覆蓋類(lèi)別面積估計(jì)方法及其在最大似然分類(lèi)法中的應(yīng)用[J].資源科學(xué)，2007，29（3）：214-220.