劉克寶，劉述彬※，陸忠軍，宋 茜，，劉艷霞，張冬梅，吳文斌

(1．黑龍江省農(nóng)業(yè)科學(xué)院遙感技術(shù)中心，哈爾濱 150086;2．中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081)

農(nóng)作物種植結(jié)構(gòu)反映了人類農(nóng)業(yè)生產(chǎn)在空間范圍內(nèi)利用農(nóng)業(yè)生產(chǎn)資源的狀況，是弄清農(nóng)作物種類、數(shù)量結(jié)構(gòu)和空間分布特征的重要信息，也是進(jìn)行農(nóng)作物結(jié)構(gòu)調(diào)整與優(yōu)化的依據(jù)［1］。農(nóng)作物種植結(jié)構(gòu)信息獲取較常用的方法是統(tǒng)計(jì)匯總，即通過(guò)獲取某一較小行政單元的農(nóng)作物種植結(jié)構(gòu)信息，然后逐層匯總統(tǒng)計(jì)得到區(qū)域?qū)哟蔚霓r(nóng)作物種植結(jié)構(gòu)。該方法的優(yōu)勢(shì)是可以獲取農(nóng)作物種植結(jié)構(gòu)及其變化的詳細(xì)信息，但該方法用于大范圍農(nóng)作物種植結(jié)構(gòu)信息獲取時(shí)耗費(fèi)人力、物力和財(cái)力，同時(shí)由于對(duì)統(tǒng)計(jì)匯總的過(guò)度依賴，表現(xiàn)為時(shí)間上的滯后［2］。

隨著遙感技術(shù)的快速發(fā)展，因其高時(shí)效、寬范圍和低成本的優(yōu)點(diǎn)，遙感為大區(qū)域快速獲取農(nóng)作物種植結(jié)構(gòu)及其變化信息提供了新的技術(shù)手段。遙感已經(jīng)在不同時(shí)空尺度下的農(nóng)作物種植結(jié)構(gòu)提取中發(fā)揮了重要作用，無(wú)論在理論和方法方面，還是在實(shí)踐方面都取得了長(zhǎng)足的進(jìn)展［3］。然而，從國(guó)內(nèi)外已有的研究進(jìn)展看，目前農(nóng)作物空間分布和種植結(jié)構(gòu)遙感提取多利用TM、SPOT等中分辨率數(shù)據(jù)或NOAA、MODIS等低空間分辨率的遙感數(shù)據(jù)［4-9］。中低分辨率的遙感數(shù)據(jù)混合像元現(xiàn)象嚴(yán)重，光譜識(shí)別度有限，影響了農(nóng)作物種植結(jié)構(gòu)提取精度。隨著新型衛(wèi)星傳感器的不斷出現(xiàn)，越來(lái)越多的米級(jí)高分辨率遙感數(shù)據(jù)成為可能，如QuickBird、IKONOS、RapidEye等。高空間分辨率數(shù)據(jù)能夠提供不同地物豐富的紋理、色調(diào)、形狀和幾何結(jié)構(gòu)等特征信息，地物內(nèi)部細(xì)節(jié)信息明顯，邊緣突出，具有較高的分辨精度與目標(biāo)識(shí)別可靠性，為農(nóng)作物種植結(jié)構(gòu)高精度提取提供了新的發(fā)展空間［10］。雖然很多高空間分辨率數(shù)據(jù)已經(jīng)廣泛用于作物信息提取中［11-14］，但多數(shù)僅針對(duì)單一作物開(kāi)展制圖，利用高空間分辨率遙感數(shù)據(jù)提取農(nóng)作物種植結(jié)構(gòu)的研究并不多見(jiàn)。基于此，該文以5m分辨率的RapidEye為遙感影像，探索基于高空間分辨率遙感數(shù)據(jù)提取農(nóng)作物種植結(jié)構(gòu)。

1 研究區(qū)域和數(shù)據(jù)

1.1 研究區(qū)域

該研究選擇黑龍江省的肇東市為研究區(qū)域。肇東市是我國(guó)的重要糧食基地，地處黑龍江省西南部，松花江北岸，屬松嫩平原，市境略呈長(zhǎng)方形，南北縱長(zhǎng)103km，東西橫寬76km，土地總面積為4 338km2。地理坐標(biāo)為東經(jīng) 125°22＇～126°22＇，北緯 45°10＇～46°20＇。海拔高度為 120 ～230m，自西北向東南逐步傾斜，坡降大約在1/1000～2/1000。研究區(qū)屬寒溫帶大陸性季風(fēng)氣候，年平均氣溫為4．8℃左右，平均積溫2 774℃。農(nóng)作物以玉米、大豆、水稻為主，瓜菜、無(wú)公害馬鈴薯、葵花和烤煙等作物為輔。

肇東市農(nóng)作物種植結(jié)構(gòu)特點(diǎn)是東部以玉米為主，部分玉米與烤煙混種;縣城以西，沿G301方向到昌五鎮(zhèn)，種植結(jié)構(gòu)復(fù)雜，呈玉米、香瓜、蔬菜以及經(jīng)濟(jì)作物混種的種植結(jié)構(gòu)特點(diǎn);沿松花江南部以玉米為主，水稻為輔;在安民鄉(xiāng)附近，主要種植玉米和豆類;北部四方山農(nóng)場(chǎng)，種植結(jié)構(gòu)相對(duì)單一，呈現(xiàn)以種植玉米為主的種植結(jié)構(gòu)特點(diǎn)。

圖1 研究區(qū)域地面樣方分布

1.2 數(shù)據(jù)來(lái)源

該研究以2011年9月上旬3景無(wú)云RapidEye衛(wèi)星影像為遙感數(shù)據(jù)。RapidEye數(shù)據(jù)空間分辨率為5m，幅寬為77km，包括藍(lán)、綠、紅、紅邊和近紅外等5個(gè)波段，擁有紅邊波段是該數(shù)據(jù)的獨(dú)特特征。原始RapidEye數(shù)據(jù)進(jìn)行了幾何校正、投影轉(zhuǎn)換、圖像鑲嵌和裁剪，得到了覆蓋研究區(qū)域的高空間分辨率圖像數(shù)據(jù)，用于農(nóng)作物種植結(jié)構(gòu)提取。

為了輔助農(nóng)作物種植結(jié)構(gòu)提取和計(jì)算細(xì)小地物扣除系數(shù)，在研究區(qū)域從南到北均勻布設(shè)了10個(gè)1km×1km的地面樣方，樣方分布如圖1所示。2011年6月開(kāi)展了地面樣方數(shù)據(jù)調(diào)查，調(diào)查內(nèi)容包括樣方內(nèi)作物種植的類型、分布和種植結(jié)構(gòu)，利用亞米級(jí)的差分GPS(Trimble4600型差分定位儀)獲取了精確的地理坐標(biāo)。同時(shí)，對(duì)于樣方內(nèi)各種田間道、田埂、溝渠等線狀地物的尺寸利用差分GPS進(jìn)行了記錄，對(duì)于較窄的線狀地物則采用鋼卷尺測(cè)量其寬度，最小采集寬度為1m。

此外，耕地空間分布數(shù)據(jù)和2011年黑龍江省主要糧食農(nóng)作物本地調(diào)查數(shù)據(jù)等輔助數(shù)據(jù)，耕地空間分布數(shù)據(jù)為農(nóng)作物種植結(jié)構(gòu)提取提供耕地掩膜，剔除非耕地區(qū)域;農(nóng)作物本地調(diào)查數(shù)據(jù)為該區(qū)域的農(nóng)作物種植結(jié)構(gòu)遙感提取的精度驗(yàn)證提供參考數(shù)據(jù)。

2 研究方法

該研究利用高空間分辨率提取農(nóng)作物種植結(jié)構(gòu)的技術(shù)流程如圖2所示。首先利用研究區(qū)域的耕地矢量數(shù)據(jù)剔除非耕地區(qū)域，根據(jù)地面樣方獲取訓(xùn)練樣本，對(duì)經(jīng)過(guò)預(yù)處理的高空間分辨率數(shù)據(jù)進(jìn)行監(jiān)督分類，通過(guò)分類后處理獲取了農(nóng)作物種植結(jié)構(gòu)的空間分布，并得到不同作物的面積數(shù)量;然后利用10個(gè)樣方數(shù)據(jù)，計(jì)算線狀及細(xì)小地物扣除系數(shù)，進(jìn)而得到農(nóng)作物種植面積總量的精確結(jié)果;最后利用本底數(shù)據(jù)對(duì)遙感提取的農(nóng)作物種植結(jié)構(gòu)進(jìn)行精度評(píng)價(jià)。

2.1 農(nóng)作物識(shí)別

該研究主要對(duì)研究區(qū)域的玉米、水稻和大豆等3大農(nóng)作物進(jìn)行遙感識(shí)別。結(jié)合地面樣方調(diào)查數(shù)據(jù)建立了作物解譯標(biāo)志，在綜合考慮作物本身受光照、地形和植被覆蓋等因素影響基礎(chǔ)上，從RapidEye圖像中選擇了有具有一定數(shù)量的典型訓(xùn)練樣本，其中玉米訓(xùn)練樣本數(shù)量為96個(gè)，水稻訓(xùn)練樣本為70個(gè)，大豆訓(xùn)練樣本為52個(gè)。該研究采用了最大似然監(jiān)督分類法作為農(nóng)作物種植結(jié)構(gòu)提取的分類器。由于監(jiān)督分類主要基于地物的光譜特征，對(duì)于“同譜異物”和“同物異譜”現(xiàn)象無(wú)法識(shí)別，會(huì)產(chǎn)生一定的分類誤差。為了充分發(fā)揮高分?jǐn)?shù)據(jù)的優(yōu)勢(shì)，提高分類精度，該研究在監(jiān)督分類基礎(chǔ)上進(jìn)行了部分人工修改，對(duì)一些明顯的漏分或錯(cuò)分的地物進(jìn)行了單獨(dú)處理。

圖2 基于高空間分辨率提取農(nóng)作物種植結(jié)構(gòu)的流程

2.2 線狀及細(xì)小地物扣除系數(shù)計(jì)算和面積校正

線狀或者面狀的細(xì)小地物在中低分辨率遙感影像上往往無(wú)法識(shí)別，但在這類地物在高分辨率遙感影像會(huì)表現(xiàn)的比較突出，需要從高分影像上作為線狀或者面狀的細(xì)小地物獨(dú)立分離出來(lái)［15-16］。在該研究中，利用ArcGIS平臺(tái)建立了10個(gè)地面樣方的矢量數(shù)據(jù)庫(kù)，生成與RapidEye高分遙感數(shù)據(jù)地理坐標(biāo)、投影、地理位置匹配的樣方矢量數(shù)據(jù)，圖3列出了玉米樣方、水稻樣方和玉米、大豆混合樣方的種植結(jié)構(gòu)圖。

為了提高利用高空間數(shù)據(jù)提取農(nóng)作物種植面積的精度，需要對(duì)線狀地物及細(xì)小地物扣除系數(shù)進(jìn)行計(jì)算，并應(yīng)用扣除系數(shù)對(duì)高分辨率影像提取的面積進(jìn)行校正。該研究首先分別統(tǒng)計(jì)10個(gè)地面樣方內(nèi)農(nóng)作物種植的面積，然后統(tǒng)計(jì)線狀及細(xì)小的道路、溝渠、田埂、林帶、居民點(diǎn)等地物的面積。用線狀及細(xì)小地物面積除以地面樣方耕地面積，得到線狀及細(xì)小地物扣除系數(shù)，以百分?jǐn)?shù)的形式表示。所有樣方的線狀及細(xì)小樣本扣除系數(shù)計(jì)算完成后，其平均值則為該研究區(qū)域的線性地物及細(xì)小地物的扣除系數(shù)。

利用樣方的線狀及面狀細(xì)小地物扣除系數(shù)，分別對(duì)樣方的遙感提取的農(nóng)作物種植面積進(jìn)行校正，得到樣方內(nèi)農(nóng)作物種植精細(xì)面積;然后用全區(qū)域的平均扣除系數(shù)校正整個(gè)研究區(qū)的遙感提取農(nóng)作物種植面積。

圖3 典型代表性地面樣方的種植結(jié)構(gòu)(ZD07:玉米樣方;ZD09:水稻樣方;ZD04:玉米、大豆混合樣方)

3 結(jié)果與分析

3.1 作物種植結(jié)構(gòu)遙感提取結(jié)果

圖4是基于RapidEye高分?jǐn)?shù)據(jù)提取的肇東市農(nóng)作物種植結(jié)構(gòu)圖?？梢缘贸?，玉米在肇東市農(nóng)作物種植中占主體地位，約占全區(qū)域作物種植面積的88．19%，且空間分布相對(duì)集中，零星玉米田塊呈現(xiàn)不完整態(tài)，主要與香瓜、蔬菜以及經(jīng)濟(jì)作物混種;水稻主要沿松花江分布在南部和東南部區(qū)域，種植總面積占總區(qū)域11．22%;大豆種植比較分布分散，種植面積較少，僅占0．59%，呈現(xiàn)與玉米混種的種植結(jié)構(gòu)特點(diǎn)。

3.2 線狀及細(xì)小地物扣除系數(shù)

表1列出了10個(gè)典型地面樣區(qū)的線狀及細(xì)小地物扣除系數(shù)?？梢钥闯?，地處肇東市中部的ZD01和 ZD07兩個(gè)樣方，其線狀及細(xì)小地物扣除系數(shù)分別為0．15%和0．23%，穩(wěn)定在0．2%左右;肇東市南部地區(qū)的ZD05和ZD08樣方扣除系數(shù)分別為0．36%和0．59%，相差大約0．2%;ZD04地處肇東市北部農(nóng)場(chǎng)區(qū)域，其扣除系數(shù)為0．55%。然而，在ZD02和ZD06兩個(gè)地面樣方內(nèi)，玉米和豆類以及其他經(jīng)濟(jì)作物混合種植，其線狀與細(xì)小地物復(fù)雜多樣，除道路和井房外，還零星分布墓地、油井。因此，這兩個(gè)樣方的線狀及細(xì)小地物扣除系數(shù)較大，超過(guò)1%。此外，兩水稻樣方的扣除系數(shù)較大，在1%以上。通過(guò)計(jì)算10個(gè)典型地面樣方的扣除系數(shù)平均值，得出肇東市線性及細(xì)小地物扣除系數(shù)為0．71%。

圖4 基于RapidEye遙感影像獲取的2011年農(nóng)作物種植結(jié)構(gòu)

3.3 農(nóng)作物種植面積精細(xì)計(jì)算

利用表1中的線狀及細(xì)小地物扣除系數(shù)，對(duì)10個(gè)樣方遙感提取的農(nóng)作物種植面積進(jìn)行修正，然后和地面調(diào)查獲取的作物種植面積進(jìn)行比對(duì)，計(jì)算線狀及細(xì)小地物扣除前后的農(nóng)作物種植面積提取誤差率，表2描述了有關(guān)對(duì)比分析。從表2中可以看出，經(jīng)過(guò)線狀及細(xì)小地物扣除后，作物種植面積遙感提取誤差率總體上下降了0．73%，尤其對(duì)于樣方zd04、zd06、zd08、zd09和zd10，精度明顯得到提高。這表明線狀地物及細(xì)小地物的提取和扣除，可以有效發(fā)揮高分辨率遙感影像的優(yōu)勢(shì)，提高農(nóng)作物種植面積的精細(xì)提取。

表2 不同樣方農(nóng)作物種植面積精細(xì)提取及誤差率

3.3 農(nóng)作物種植結(jié)構(gòu)提取精度評(píng)價(jià)

利用全區(qū)域的線性及細(xì)小地物扣除系數(shù)0．71%，對(duì)遙感提取的2011年肇東市農(nóng)作物種植面積進(jìn)行了修正，然后和2011年的農(nóng)作物種植面積本底調(diào)查數(shù)據(jù)進(jìn)行比對(duì)，分析遙感提取的面積數(shù)量精度，其結(jié)果見(jiàn)表3。可以看出，整個(gè)肇東市市農(nóng)作物種植面積精細(xì)提取精度達(dá)到97．00%。其中水稻種植面積提取精度最高，為97．68%，其次是玉米，達(dá)到為96．28%，大豆種植面積提取精度為91．2%。

表3 2011年肇東市農(nóng)作物種植面積遙感提取精度

同時(shí)，利用地面調(diào)查獲取的樣點(diǎn)數(shù)據(jù)，對(duì)高空間分辨率數(shù)據(jù)提取的肇東市農(nóng)作物種植結(jié)構(gòu)的空間位置精度進(jìn)行了驗(yàn)證，總體精度為96．15%，Kappa系數(shù)是0．88，這表明農(nóng)作物遙感提取的位置精度總體效果較好。

4 結(jié)論與討論

該研究以黑龍江肇東市為研究區(qū)域，開(kāi)展了基于高空間分辨率遙感影像提取農(nóng)作物種植結(jié)構(gòu)的小區(qū)域試驗(yàn)。具體地，以高空間分辨率RapidEye影像為遙感數(shù)據(jù)，利用最大似然法提取了2011年肇東市農(nóng)作物種植結(jié)構(gòu)，利用地面樣方調(diào)查數(shù)據(jù)進(jìn)行了線狀及細(xì)小地物扣除系數(shù)計(jì)算，實(shí)現(xiàn)了遙感提取的農(nóng)作物種植面積的精細(xì)提取，然后從面積數(shù)量和空間位置兩個(gè)方面對(duì)遙感提取的農(nóng)作物種植結(jié)構(gòu)進(jìn)行了精度評(píng)價(jià)。研究結(jié)果表明:高空間分辨率數(shù)據(jù)在農(nóng)作物種植結(jié)構(gòu)遙感提取中具有重要潛力，線狀及細(xì)小地物扣除系數(shù)可以有效減小線狀及細(xì)小地物對(duì)高分提取的農(nóng)作物種植結(jié)構(gòu)的精度。

該研究中農(nóng)作物種植結(jié)構(gòu)遙感提取也存在一些誤差。一方面，與RapidEye數(shù)據(jù)的5個(gè)波段設(shè)置有關(guān)，其波譜分辨率一般，基于光譜特征的最大似然基于監(jiān)督分類沒(méi)有豐富的光譜信息作為支撐。另一方面，肇東市旱田主要種植玉米，與豆類、瓜地、蔬菜、烤煙等其他作物混種，在進(jìn)行作物面積提取時(shí)，玉米訓(xùn)練樣本的選取無(wú)法將所有類別一一學(xué)習(xí);水稻種植結(jié)構(gòu)簡(jiǎn)單，但選擇的時(shí)相并不是水稻提取的最佳時(shí)相;大豆種植分散，訓(xùn)練樣本的選擇有一定的不足，這些都會(huì)對(duì)作物識(shí)別結(jié)果帶來(lái)一定的影響。

［1］唐華俊，吳文斌，楊鵬，等．農(nóng)作物空間格局遙感監(jiān)測(cè)研究進(jìn)展．中國(guó)農(nóng)業(yè)科學(xué)，2010，43(14):2879～2888

［2］張莉，吳文斌，楊鵬，等．黑龍江省賓縣農(nóng)作物格局時(shí)空變化特征分析．中國(guó)農(nóng)業(yè)科學(xué)，2013，46(15):3227～3237

［3］陳水森，柳欽火，陳良富，等．糧食作物播種面積遙感監(jiān)測(cè)研究進(jìn)展．農(nóng)業(yè)工程學(xué)報(bào)，2005，21(6):166～171

［4］張莉，吳文斌，左麗君，等．基于EOS/MODIS數(shù)據(jù)的南方水稻面積提取技術(shù)．中國(guó)農(nóng)業(yè)資源與區(qū)劃，2013，32(4):39～44

［5］王磊，王賀，盧艷麗，等．NDVI在農(nóng)作物監(jiān)測(cè)中的研究與應(yīng)用．中國(guó)農(nóng)業(yè)資源與區(qū)劃，2013，34(4):43～50

［6］熊勤學(xué)，黃敬峰．利用NDVI指數(shù)時(shí)序特征監(jiān)測(cè)秋收作物種植面積．農(nóng)業(yè)工程學(xué)報(bào)，2009，25(1):144～148

［7］顧曉鶴，潘耀忠，朱秀芳，等．MODIS與TM冬小麥種植面積遙感測(cè)量一致性研究——小區(qū)域?qū)嶒?yàn)研究．遙感學(xué)報(bào)，2007，11(5):350～358

［8］王琳，景元書(shū)，楊沈斌．基于多時(shí)相遙感數(shù)據(jù)提取水稻種植面積的研究．中國(guó)農(nóng)業(yè)資源與區(qū)劃，2013，34(2):20～25

［9］黃振國(guó)，陳仲新，劉芳清，等．基于HJ-1影像的大棚菜地遙感監(jiān)測(cè)技術(shù)研究——以山東壽光市為例．中國(guó)農(nóng)業(yè)資源與區(qū)劃，2013，34(5):102～106

［10］宮鵬，黎夏，徐冰，等．高分辨率影像解譯理論與應(yīng)用方法中的一些研究問(wèn)題．遙感學(xué)報(bào)，2006，10(1):1～5

［11］姜淑芳，常勇，宋清泉．利用RapidEye數(shù)據(jù)提取冬小麥面積及精度評(píng)估研究．魯東大學(xué)學(xué)報(bào) (自然科學(xué)版)，2012，28(1):63～66

［12］李敏，崔世勇，李成名，等．面向?qū)ο蟮母叻直媛蔬b感影像信息提取——以耕地提取為例．遙感信息，2008，6:63～66

［13］徐新剛，李強(qiáng)子，周萬(wàn)村，等．應(yīng)用高分辨率遙感影像提取作物種植面積．遙感技術(shù)與應(yīng)用，2008，23(1):17～23

［14］Mcnairn H，Ellis J，Van Der Sanden J J et al．Providing crop information using RADARSAT-1 and satellite optical imagery．International Journal of Remote Sensing．2002，23(5):851～870

［15］毛富仁．TM遙感影像解譯數(shù)據(jù)中線狀及細(xì)小地物的扣除．青海環(huán)境，2010，20(002):81～85

［16］吳炳方，李強(qiáng)子．基于兩個(gè)獨(dú)立抽樣框架的農(nóng)作物種植面積遙感估算方法．遙感學(xué)報(bào)，2004，8(6):551～569