張有智

（黑龍江省農(nóng)業(yè)科學(xué)院遙感技術(shù)中心，哈爾濱 150086）

水稻種植面積提取遙感方法研究
——以黑龍江省綏濱縣為例

張有智

（黑龍江省農(nóng)業(yè)科學(xué)院遙感技術(shù)中心，哈爾濱 150086）

農(nóng)作物種植面積及其空間分布是制定糧食政策和調(diào)整種植結(jié)構(gòu)的重要依據(jù)。文章選擇黑龍江省綏濱縣作為訓(xùn)練區(qū)，選取TM8衛(wèi)星數(shù)據(jù)，采用人工目視解譯與計(jì)算機(jī)自動(dòng)分類等2種方法，進(jìn)行對(duì)訓(xùn)練區(qū)水稻種植面積提取。假定目視解譯的結(jié)果為真值，在時(shí)間效率和解譯精度2個(gè)方面，對(duì)自動(dòng)分類結(jié)果進(jìn)行對(duì)比分析，自動(dòng)分類水稻面積的準(zhǔn)確率在95%左右，但時(shí)間節(jié)省了數(shù)十倍。說明利用計(jì)算機(jī)自動(dòng)分類方法提取水稻種植面積的方法是可行的。

目視解譯 自動(dòng)分類 遙感 水稻

我國(guó)水稻面積十分廣泛，從南方到北方都有種植，其在糧食作物中占的比重相當(dāng)高。黑龍江省具有得天獨(dú)厚的自然環(huán)境和優(yōu)越的地理?xiàng)l件優(yōu)勢(shì)，水稻種植面積2015年已超400萬hm2。作為黑龍江省兩大主要高產(chǎn)糧食作物之一，水稻的播種面積對(duì)該省糧食總產(chǎn)頗具意義。及時(shí)、快速、準(zhǔn)確的水稻種植面積及空間分布，可以更好地為各級(jí)管理部門指導(dǎo)農(nóng)業(yè)生產(chǎn)提供基礎(chǔ)數(shù)據(jù)，為國(guó)家糧食安全提供強(qiáng)有力的保障。

1 研究區(qū)概況

綏濱縣位于黑龍江省東北部，地處松花江與黑龍江匯合口處，屬三江沖積平原。位于東經(jīng)13 l°8'12"～132°，北緯47°11'55"～47°45'23"之間，東與同江市、南與富錦市、樺川縣隔松花江相望，縣段界江線長(zhǎng)148 km；北與俄羅斯一江相隔，縣內(nèi)國(guó)界線長(zhǎng)89 km；西與蘿北縣毗鄰，縣界線長(zhǎng)60 km。縣界三線相接形似菱形，東西長(zhǎng)117.4 km，南北寬40 km，總面積為3 335.216 km2。

縣境內(nèi)無山少崗，是全國(guó)唯一沒石頭的縣份。該縣地勢(shì)低平、土壤肥沃、土地資源豐富，平均海拔55 m。河流除北境的黑龍江和南境的松花江外，還有人工河—蜿蜒河。年平均氣溫2.9℃，1月平均氣溫-20.1℃，7月平均氣溫22.5℃，年降水496 mm，無霜期140 d。

縣屬總土地面積為16.99萬hm2，其中耕地面積6.74萬hm2，人均分別占有1.299 hm2和0.513 hm2?？h境三面環(huán)水，境內(nèi)溝河縱橫，泡澤眾多，水資源豐富。全縣總水域面積為2.23萬hm2，人均0.12 hm2。而地下水資源更為豐富，總凈儲(chǔ)水量292.5億m3。地下礦藏資源有煤（儲(chǔ)量為5.3億t）、砂金、天然氣和石油。

全縣經(jīng)濟(jì)以農(nóng)業(yè)為主，畜牧業(yè)發(fā)展較快，漁業(yè)在全縣經(jīng)濟(jì)中占重要地位。國(guó)內(nèi)生產(chǎn)總值13.764 2億元，其中第一產(chǎn)業(yè)7.323 5億元；第二產(chǎn)業(yè)2.285 8億元；第三產(chǎn)業(yè)4.154 9億元；人均國(guó)內(nèi)生產(chǎn)總值7 415元。農(nóng)林牧漁業(yè)總產(chǎn)值4.512 3億元，其中農(nóng)業(yè)3.025 7億元；林業(yè)249萬元；牧業(yè)1.311 2億元；漁業(yè)1 505萬元。主要農(nóng)作物產(chǎn)量為糧食18萬t、油料385 t、甜菜50 t。

2 數(shù)據(jù)源及利用

研究選用美國(guó)的TM8免費(fèi)下載的遙感數(shù)據(jù)。分辨率為30 m，時(shí)相為2015年9月14日。衛(wèi)星數(shù)據(jù)無云，質(zhì)量好。波段組合采用R4G5B3，光譜特征明顯，易于水稻面積的提取。

遙感數(shù)據(jù)預(yù)處理，包括：

（1）轉(zhuǎn)換投影。將遙感數(shù)據(jù)利用Erdas軟件轉(zhuǎn)換成Albers投影，具體參數(shù)信息：

Projected Coordinate System：Krasovsky_1940_Albers

Projection：Albers

False_Easting：0.00000000

False_Northing：0.00000000

Central_Meridian：105.00000000

Standard_Parallel_1∶25.00000000

Standard_Parallel_2∶47.00000000

Latitude_Of_Origin：0.00000000

Linear Unit：Meter

Geographic Coordinate System：GCS_Krasovsky_1940

Datum：D_Krasovsky_1940

Prime Meridian：Greenwich

Angular Unit：Degree

（2）圖像裁剪。根據(jù)1∶25萬縣界進(jìn)行裁切，獲取綏濱縣TM8影像圖1。

3 玉米面積提取

文章采用監(jiān)督分類與人工解譯相2種分類方法做試驗(yàn)，在剪裁好的綏濱縣遙感影像圖1上，波段組合為4、3、2，依據(jù)野外調(diào)查GPS記錄的解譯標(biāo)志點(diǎn)，進(jìn)行分類解譯，產(chǎn)生水稻種植區(qū)域圖2。假定人工目視解譯成果為真值，對(duì)2種方法在解譯精度，時(shí)間效率，人力效率等方面進(jìn)行對(duì)比分析，在保證精度的情況下，提出更方便、快捷的解譯方法。

圖1 綏濱縣遙感影像

圖2 綏濱縣水稻種植面積自動(dòng)分類結(jié)果

圖3 綏濱縣水稻種植面積目視解譯分類結(jié)果

4 結(jié)果比對(duì)

水稻種植面積分類的結(jié)果從2個(gè)方面來進(jìn)行比對(duì)：（1）分類面積的準(zhǔn)確性；（2）解譯的時(shí)間效率。

4.1 水稻面積準(zhǔn)確性的評(píng)價(jià)

文章采用首先在ERDAS軟件進(jìn)行非監(jiān)督分類30個(gè)類別，依據(jù)野外GPS實(shí)測(cè)點(diǎn)確定的解譯標(biāo)準(zhǔn)，進(jìn)行分類統(tǒng)計(jì)，算出面積為16.69萬hm2。另外，在人工目視解譯的情況下見圖3，通過ARCGIS軟件進(jìn)行面積統(tǒng)計(jì)，水稻面積為15.92萬hm2。

面積的準(zhǔn)確性按公式計(jì)算：

P=（m/n）*100%

式中的P：準(zhǔn)確率；m：自動(dòng)分類面積；n：目視解譯面積；水稻面積的準(zhǔn)確率：P=166 904.28/159 202.01* 100%=1.05%。由此可見，自動(dòng)分類的面積與人工目視解譯的面積還是存在一定的差距，誤差在5%左右，也就是說解譯的精度在95%左右。

4.2 時(shí)間效率的評(píng)價(jià)

時(shí)間效率的評(píng)價(jià)是指，在完成同一樣工作，人員與時(shí)間上的差距對(duì)比。在試驗(yàn)過程中，自動(dòng)分類的情況下，1個(gè)工作人員在用時(shí)半個(gè)工作日即可完成；人工目視解譯，同樣的工作，1個(gè)技術(shù)人員需要耗時(shí)10個(gè)工作日才可完成。

5 結(jié)論

（1）通過面積的準(zhǔn)確性和時(shí)間效率2方面的評(píng)價(jià)，可以看出，通過利用遙感衛(wèi)星數(shù)據(jù)，進(jìn)行水稻面積的自動(dòng)分類方法可行，準(zhǔn)確率在95%左右，節(jié)約了大量的人力和時(shí)間，符合遙感監(jiān)測(cè)的標(biāo)準(zhǔn)。

（2）由于遙感圖像獲取的時(shí)間不確定性，有些時(shí)相存在同譜異物或者同物異譜的問題，不能完全利用自動(dòng)分類來解決，需要人工進(jìn)行干預(yù)。但是，仍然以自動(dòng)分類為主，人工干預(yù)為輔。由此可見，計(jì)算機(jī)自動(dòng)分類將是作物面積分類的方向。

[1] 黃振國(guó)，陳仲新，劉芳清，等．地塊數(shù)據(jù)利用SPOT5影像提取水稻種植面積的研究—以湖南株洲市區(qū)為例．湖南農(nóng)業(yè)大學(xué)學(xué)報(bào)，2013，（2）：137～140

[2] 林子晶，李衛(wèi)國(guó)，申雙和，等．HJ星和GF1號(hào)數(shù)據(jù)在水稻種植面積提取中的應(yīng)用．江蘇農(nóng)業(yè)學(xué)報(bào)，2016，（1）：111～182

[3] 黃維，黃進(jìn)良，王立輝，等．多時(shí)相遙感影像檢測(cè)平樂縣晚稻種植面積變化．農(nóng)業(yè)工程學(xué)報(bào)，2014，（21）：174～182

[4] 王迪，陳仲新，周清波，等．冬小麥種植面積空間抽樣樣本布局的優(yōu)化設(shè)計(jì)．中國(guó)農(nóng)業(yè)科學(xué)，2014，（18）：3 545～3 556

[5] 唐曉玲，王杰，劉珂，等．基于TM數(shù)據(jù)耕地吉林省水田種植面積的遙感監(jiān)測(cè)．氣象災(zāi)害防御，2014，（3）：40～42