李 石，宋曉巍，張 菁，慕臣英，徐全輝， 張靖萱 ，張思瑤

(沈陽市氣象局，遼寧沈陽110168)

基于遙感數(shù)據(jù)的沈陽水稻種植面積提取及精度分析

李 石，宋曉巍，張 菁，慕臣英，徐全輝， 張靖萱 ，張思瑤

(沈陽市氣象局，遼寧沈陽110168)

為研究MODIS遙感數(shù)據(jù)及提取方法對估測沈陽水稻種植面積的適用性，利用MODIS數(shù)據(jù)，采用監(jiān)督分類的方法，同時結合水稻不同生長發(fā)育階段特點，對沈陽水稻種植面積進行數(shù)據(jù)提取，并制作了沈陽地區(qū)水稻種植面積分布圖。將提取的水稻種植面積結果與統(tǒng)計局統(tǒng)計的面積及Landset 遙感數(shù)據(jù)資料進行比較分析。結果表明，通過MODIS遙感監(jiān)測水稻種植面積具有良好的效果，利用監(jiān)督分類的方法提取的水稻種植面積精度達92%，因此，該方法用于沈陽地區(qū)水稻種植面積的提取，結果可靠，精度較高。

遙感；MODIS；水稻；種植面積

水稻是世界主要作物之一，遼寧省種植的水稻為粳稻，面積占全國面積的10%左右，沈陽市水稻種植面積占遼寧省水稻總面積的21.5%。水稻的種植生產(chǎn)具有季節(jié)性強、覆蓋面積廣、區(qū)域差異大等特點。對于大范圍農(nóng)作物面積數(shù)據(jù)的獲得，傳統(tǒng)方法一般是采用農(nóng)業(yè)統(tǒng)計報表法，主要依靠全面報表、層層上報的方法，獲取地方政府認可的作物面積數(shù)據(jù)，并配合使用抽樣調(diào)查方法，因統(tǒng)計結果缺少空間分布狀況的信息，難以滿足研究和決策的實效性要求。而遙感技術則是解決這個問題可行且有效的方法，與常規(guī)的統(tǒng)計方法相比，以遙感方法獲取作物信息具有獨特的優(yōu)勢。遙感技術覆蓋面大，短時間內(nèi)可重復觀測，成本相對較低，與地理信息系統(tǒng)和全球定位系統(tǒng)GPS相結合，不僅可以提取農(nóng)作物的種植面積，還可以實現(xiàn)空間布局的準確定位[1-2]。利用遙感技術獲取大范圍的水稻種植空間分布與面積大小，對指導水稻生產(chǎn)具有重要意義，也可為日后實施大面積水稻遙感估產(chǎn)提供理論與實驗依據(jù)[3]。

利用遙感數(shù)據(jù)開展作物種植面積監(jiān)測的研究越來越廣泛，國外很多研究人員開展了水稻種植面積遙感監(jiān)測研究[4-5]。在國內(nèi)，程乾等利用多源信息復合數(shù)據(jù)可以提高單景MODIS數(shù)據(jù)水稻種植面積的估算精度[6]；張春桂等利用MODIS數(shù)據(jù)結合水稻葉面積指數(shù)模型監(jiān)測丘陵山區(qū)雙季稻種植面積，相對誤差可小于13%[7]；張海珍等利用特征二維空間選擇訓練樣本，并對篩選出的訓練樣本采用最大似然法對影像進行監(jiān)督分類以提取水稻種植的空間信息，精度可達到83%[8]；馮銳等利用MODIS數(shù)據(jù)分析了東北地區(qū)水田、旱地、林地、濕地等不同下墊面在作物生長季的動態(tài)變化，建立了東北地區(qū)水稻種植面積的提取模型[9]。然而，目前還沒有利用MODIS 500 m數(shù)據(jù)對沈陽地區(qū)水稻種植面積進行提取研究的報道，故作者對此進行了研究。

1 材料與方法

1.1 資料概況

MODIS數(shù)據(jù)為2015年4—10月的圖像，來自美國對地觀測系統(tǒng)(EOS)TEERA衛(wèi)星的MODIS傳感器。在NASA網(wǎng)站下載500 m分辨率的MOD02HKM文件，對其圖像進行投影變化、格式轉(zhuǎn)換、裁剪和鑲嵌等預處理，投影方式為albers投影。

1.2 研究區(qū)概況

研究區(qū)為沈陽市，地處東經(jīng)122°25′～123°48′、北緯42°12′～42°17′，包括康平、法庫、遼中、新民、蘇家屯、沈北、東陵7個區(qū)縣(圖1)，農(nóng)業(yè)種植主要以玉米、大豆、水稻等作物為主，一年一熟。

1.3 研究方法

以建立統(tǒng)計識別函數(shù)為理論基礎，依據(jù)典型樣本訓練方法進行分類的技術，即根據(jù)己知訓練區(qū)提供的樣本，通過選擇特征參數(shù)，求出特征參數(shù)作為決策規(guī)則，建立判別函數(shù)以對各影像進行圖像分類，是模式識別的一種方法。本研究采用了監(jiān)督分類中最常用的最大似然法[10-11]。最大似然法是假定每個波段中每類的統(tǒng)計都呈現(xiàn)正態(tài)分布，并將計算出給定像元都歸到概率最大的那一類里。

圖1 沈陽市區(qū)域圖

2 結果與分析

2.1 時相的選擇

利用遙感數(shù)據(jù)對農(nóng)作物信息進行提取研究時，遙感數(shù)據(jù)的時相選擇至關重要，選擇最佳時相的遙感數(shù)據(jù)可將工作量最小化。水稻在移栽前，稻田需要灌水以便于插秧和保證水稻的生長，且灌水期一直持續(xù)到成熟期。水稻在移栽期禾苗較小，此時遙感獲取的水稻田信息既包含水的信息也包含植被的信息。這是水稻區(qū)別于其它作物的特殊時期，本研究利用水稻移栽期地表覆蓋的特殊性這一特點，可以實現(xiàn)水稻田的識別，因此，確定沈陽地區(qū)水稻的移栽期，是選擇合適時相MODIS數(shù)據(jù)的關鍵。水稻各生育期見表1。

表1 沈陽地區(qū)水稻生長發(fā)育時期

2.2 MODIS數(shù)據(jù)選擇

MODIS數(shù)據(jù)涉及36個波段，分布在0.4～1.4 μm的電磁波譜范圍內(nèi)，本研究使用的MODIS 500 m數(shù)據(jù)為多源多通道數(shù)據(jù)，數(shù)據(jù)波段參數(shù)以及主要用途見表2。

表2 MODIS數(shù)據(jù)主要波段及用途

2.3 監(jiān)督分類方法提取水稻種植面積

經(jīng)過多次試驗，發(fā)現(xiàn)在提取的訓練樣本中應用監(jiān)督分類方法時，水體面積跟水稻種植面積很難辨識，因此在監(jiān)督分類前先將沈陽市常水體去除掉，以此排除沈陽地區(qū)常水體對分類結果的影響，進而提高分類的精度。

本研究是在RSD運行平臺上進行操作的。首先建立蒙版，以蒙板為區(qū)域?qū)ο?，完成沈陽地區(qū)目標遙感數(shù)據(jù)的區(qū)域分割，然后添加衛(wèi)星數(shù)據(jù)，將swath數(shù)據(jù)格式轉(zhuǎn)成柵格數(shù)據(jù)(Grid)；根據(jù)已掌握典型地區(qū)的地面情況，在圖片上選擇訓練區(qū)，訓練樣本包括綠地、城市、水稻、林地、陸表等訓練樣本；根據(jù)選擇的各類訓練區(qū)的圖像數(shù)據(jù)進行計算；分類，將訓練區(qū)以外的圖像像元逐個逐步的代入公式，對于每個相元，通過運算，選擇最大值得出類別。

通過監(jiān)督分類法得到沈陽地區(qū)水稻種植面積為118 350 hm2，根據(jù)圖2可以看出，沈陽地區(qū)的水稻種植面積分布主要集中在遼中、新民地區(qū)，這些地區(qū)正是沈陽地區(qū)水稻種植的主產(chǎn)地。在康平、法庫地區(qū)水稻分布稀疏，這些地方主要以種植玉米為主，因而得到MODIS遙感數(shù)據(jù)提取的水稻種植面積趨勢與實際情況大致相符(表3)。

表3 基于MODIS遙感數(shù)據(jù)提取的水稻種植面積與統(tǒng)計數(shù)據(jù)對比分析

2.4 沈陽市水稻種植面積提取結果評價

為分析沈陽地區(qū)水稻種植面積空間分布的準確性，本研究將提取的水稻種植面積分布圖(圖3)與landset圖像進行空間疊加得到圖4，可以看出沈陽地區(qū)提取出的水稻種植面積的空間分布與landset圖像水稻種植面積分布具有較好的吻合度。

2.4.1 市級水稻種植面積精度評價。將基于MODIS遙感數(shù)據(jù)評估的水稻種植面積與2015年基于統(tǒng)計數(shù)據(jù)的區(qū)縣水稻種植面積進行對比，分析MODIS遙感數(shù)據(jù)提取水稻種植面積的精度。結果如表4所示，2015年沈陽市應用遙感技術提取的水稻種植面積為118 350 hm2，同年度該市統(tǒng)計局統(tǒng)計的水稻種植面積為108 944 hm2，利用MODIS遙感數(shù)據(jù)估測的沈陽水稻種植面積比統(tǒng)計數(shù)據(jù)中的水稻播種面積偏高了9 406 hm2，估測精度達到92%。

圖2 沈陽水稻種植面積提取圖 圖3 基于MODIS 500m提取的水稻種植面積分布圖 圖4 提取水稻種植面積Landset疊加發(fā)布

表4 2015年沈陽市水稻估測面積和統(tǒng)計數(shù)據(jù)及其二者之間偏差

注：統(tǒng)計數(shù)據(jù)來源于2015年沈陽市統(tǒng)計局。

2.4.2 區(qū)縣級水稻種植面積精度評價。從表3可見，MODIS數(shù)據(jù)識別2015年水稻種植面積結果與統(tǒng)計局統(tǒng)計數(shù)據(jù)的誤差在15%以上的只有康平地區(qū)，可能是由于臥龍湖周邊水淺且長有水生植被與水稻移栽期圖像相似所導致，誤差在10%以上的地區(qū)為法庫、沈北和蘇家屯，誤差小于10%的地區(qū)有新民、遼中、于洪/鐵西，水稻種植面積提取較精確。

3 結論與討論

本文基于MODIS 500 m分辨率遙感數(shù)據(jù)進行水稻種植面積識別研究，結合地面實際數(shù)據(jù)，經(jīng)驗等先驗知識，利用監(jiān)督分類、人工判讀等方法對水稻種植面積進行了判斷，根據(jù)當?shù)厮疚锖蛱攸c選取適當時相的遙感數(shù)據(jù)，并針對分辨率遙感影像混合相元的特點，進行抽取訓練樣本和檢驗，參照抽取的訓練樣本對數(shù)據(jù)進行監(jiān)督分類，實現(xiàn)精準提取水稻種植面積的目的?？蔀樗井a(chǎn)量預報奠定基礎[12]。

在水稻移栽期，水體特征比較顯著，選擇移栽期的MODIS數(shù)據(jù)，利用其對水體和植被較為敏感的特征指數(shù)監(jiān)測水田信息，可得到較好的效果。而對提取的水稻種植面積進行驗證的結果表明，基于MODIS遙感數(shù)據(jù)，利用監(jiān)督分類的方法估測的沈陽水稻種植面積精度達到了92%，高于馮銳等利用MODIS數(shù)據(jù)對東北地區(qū)一季稻面積的提取結果[9]，也高于于文穎等利用MODIS數(shù)據(jù)提取遼寧盤錦地區(qū)移栽期水田面積的精度[13]。因此，該方法對水稻種植面積的估測結果可靠，精度較高。

[1]吳炳方,張 峰,劉成林,等.農(nóng)作物長勢綜合遙感監(jiān)測方法[J].遙感學報,2004,8(6):498-514.

[2]楊邦杰,周清波.我國農(nóng)情遙感監(jiān)測關鍵技術研究進展[J].農(nóng)業(yè)工程學報,2002,18(3):191-194.

[3]張 莉,吳文斌,左麗君,等.基于EOS/MODIS 數(shù)據(jù)的南方水稻種植面積提取技術[J].中國農(nóng)業(yè)資源與區(qū)劃,2011,32(4): 39-44.

[4]SHIBAYAMA M, AKIYAMA T. Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurements[J].Remote Sensing of Environment,1991,36(1):45-53.

[5]TENNAKOON S B, MURTY V V N, EIUMNOH A. Estimation of cropped area and grain yield of rice using remote sensing data[J]. International Journal of Remote Sensing,1992,13(3):427-439.

[6]程 乾,王人潮.數(shù)字高程模型和多時相MODIS數(shù)據(jù)復合的水稻種植面積遙感估算方法研究[J].農(nóng)業(yè)工程學報,2005,21(5): 89-92.

[7]張春桂,林 晶,吳振海,等.基于MODIS數(shù)據(jù)的水稻種植面積監(jiān)測方法研究[J].自然資源學報,2007,22(1):1-8.

[8]張海珍,馬澤忠,周志躍,等.基于MODIS數(shù)據(jù)的成都市水稻遙感估產(chǎn)研究[J].遙感信息,2008(5):63-67.

[9]馮 銳,張玉書,錢永蘭,等.基于多時相MODIS數(shù)據(jù)的東北地區(qū)一季稻面積提取[J].生態(tài)學雜志,2011,30(11):2570-2576.

[10]吳非權,馬海州,沙占江,等.基于決策樹與監(jiān)督、非監(jiān)督分類方法相結合模型的遙感應用研究[J].鹽湖研究,2005,13(4):9-13.

[11]楊 鑫.淺談遙感圖像監(jiān)督分類與非監(jiān)督分類[J].四川地質(zhì)學報, 2008,28(3):251-254.

[12]張 莉.基于EOS/MODIS數(shù)據(jù)的晚稻面積提取技術研究[D]. 北京：中國農(nóng)業(yè)科學院,2011.

[13]于文穎,馮 銳,紀瑞鵬,等.利用 MODIS 數(shù)據(jù)提取水稻種植面積及精度分析[J].中國農(nóng)學通報,2013,29(33):32-36.

Extraction of Rice Planting Areas in Shenyang City Based on MODIS Data and its Precision Analysis

LI Shi, SONG Xiao-wei, ZHANG Jing, MU Chen-ying, XU Quan-hui

(Meteorological Bureau of Shenyang City, Shenyang 110168,China)

The current research aimed to assess the applicability of the method of extracting rice planting areas in Shenyang City based on the MODIS remote sensing data. To accomplish this goal, the MODIS data were analyzed by using the method of supervised classification and also taking into account the characteristics of the different stages of rice growth and development in Shenyang. As a result, rice planting areas in Shenyang were extracted, and their distribution map was also made. The results of extracted rice planting areas were compared with the statistical data obtained by the statistical bureau and the data resulting from Landset remote sensing. Consequently, the extraction method based on the MODIS remote sensing data proved to be effective; the accuracy of the extracted rice planting areas reached 92% with the MODIS supervised classification method. Thus, the method can be used to extract rice planting areas in Shenyang, whose accuracy is high.

Remote sensing;MODIS;Rice planting area.

2016-09-09

沈陽市科技創(chuàng)新專項資金“農(nóng)業(yè)科技攻關專項”(F14-113-3-00)

李 石(1982—)，女，工程師，碩士，主要從事應用氣象方面研究及業(yè)務。E-mail:leestone0229@163.com。

S127

A

1673-6486-20160257

李石,宋曉巍,張菁,慕臣英,徐全輝,張靖萱,張思瑤.基于遙感數(shù)據(jù)的沈陽水稻種植面積提取及精度分析[J/OL].大麥與谷類科學,2016,33(4):63-66[2016-12-19].http://www.cnki.net/kcms/detail/32.1769.S.20161219.1717.005.html