丁春雨 馬冠南 張曉嬌 曹鴻鵬 李勇 谷金英 張磊

摘 要：利用遙感技術(shù)提取水稻種植面積，一直以來(lái)都是難點(diǎn)。利用高分1號(hào)衛(wèi)星影像作為數(shù)據(jù)源，找到一種能快速、準(zhǔn)確提取水稻種植面積的方法。通過(guò)對(duì)水稻成熟期遙感影像的光譜分析，根據(jù)水稻成熟期的“藍(lán)移”現(xiàn)象，發(fā)現(xiàn)在藍(lán)光和綠光波段光譜特征與其它地類差異明顯，并通過(guò)波段運(yùn)算，建立模型，增強(qiáng)了這種差異，使得水稻種植面積提取精度更高。利用東北地區(qū)獨(dú)特的氣候特點(diǎn)，把影響水稻種植面積提取的林地去除，利用該方法提取水稻種植面積精度達(dá)到93.5%。

關(guān)鍵詞：水稻；高分1號(hào)；種植面積提??；植被指數(shù)；光譜特征

中圖分類號(hào)：S25 文獻(xiàn)標(biāo)識(shí)碼：A DOI：10.11974/nyyjs.20160431001

水稻是我國(guó)主要糧食作物之一，也是吉林省的三大作物之一，對(duì)準(zhǔn)確提取水稻種植面積、對(duì)農(nóng)業(yè)資源合理規(guī)劃、估產(chǎn)、災(zāi)害監(jiān)測(cè)與評(píng)估以及糧食安全具有重要意義。然而，由于水稻種植地域跨度廣、地塊分散、地形復(fù)雜等不良條件，利用遙感技術(shù)對(duì)水稻進(jìn)行面積提取和動(dòng)態(tài)監(jiān)測(cè)，一直以來(lái)都是難點(diǎn)。

遙感技術(shù)的快速發(fā)展，特別是近年來(lái)越來(lái)越多的國(guó)內(nèi)外高空間分辨率、高時(shí)間分辨率、高時(shí)空分辨率以及高光譜分辨率衛(wèi)星的不斷發(fā)射成功，為不同地域、不同自然地理?xiàng)l件以及不同需求等條件下的水稻面積提取提供了豐富的數(shù)據(jù)源，相關(guān)研究也因此活躍起來(lái)，總體上是沿著利用不同的遙感數(shù)據(jù)源，發(fā)展和改進(jìn)現(xiàn)有模型和方法的方向發(fā)展。

到目前為止，應(yīng)用于水稻面積提取的方法很多，主要有以下幾種：植被指數(shù)法，它可以從不同時(shí)空分辨率的遙感影像上獲得[1]，包括歸一化植被指數(shù)（NDVI）、增強(qiáng)型植被指數(shù)（EVI）和地表水分指數(shù)（LSWI）以及歸一化建筑指數(shù)（NDBI）[2]等，如張莉、吳文斌等利用EOS/MODIS EVI和LSWI數(shù)據(jù)對(duì)我國(guó)南方水稻進(jìn)行識(shí)別[3]，以較高精度實(shí)現(xiàn)水稻種植面積的量測(cè)。苗翠翠等利用NDVI時(shí)間序列和作物物候期關(guān)鍵值的方法進(jìn)行了江蘇省水稻面積的提取[4]，提取精度約為88%；采用監(jiān)督或非監(jiān)督分類方法進(jìn)行水稻的提取。如王福民、黃敬峰等根據(jù)地面調(diào)查GPS數(shù)據(jù)進(jìn)行訓(xùn)練樣本的選取，然后分別對(duì)原始合成影像和穗帽變換影像進(jìn)行監(jiān)督分類[5]，發(fā)現(xiàn)經(jīng)過(guò)變換后進(jìn)行監(jiān)督分類比原始影像精度提高13.01%。方紅亮以湖北省江陵縣的水稻面積提取為例[6]，分別對(duì)2種方案進(jìn)行了非監(jiān)督分類試驗(yàn)，提取精度在84%以上；面向?qū)ο蟮姆诸?，如陳燕麗等利用面向?qū)ο蟮姆椒▽?duì)南方水稻種植面積進(jìn)行提取[7]，總體精度達(dá)到96.31%；基于光譜信息的水稻種植面積提取[8]，如王力凡、潘劍君利用水稻成熟期的影像，在進(jìn)行光譜信息的統(tǒng)計(jì)和分析的基礎(chǔ)上，利用將影像的藍(lán)光、綠光、紅光波段的值相加再除以NDVI值，擴(kuò)大水稻與其他植被的差異性，提取精度達(dá)到91.95%。此外，還有決策樹(shù)、神經(jīng)網(wǎng)絡(luò)等方法，這些分類方法各有優(yōu)勢(shì)，但也各有各的局限性，要么是空間分辨率很高，時(shí)間分辨率很低；要么是時(shí)間分辨率很高而空間分辨率很低，很難同時(shí)滿足空間和時(shí)間上的需求。本文旨在利用具有較高時(shí)空分辨率的高分一號(hào)衛(wèi)星影像作為數(shù)據(jù)源，通過(guò)對(duì)影像光譜特征的分析，找到一種能夠快速、準(zhǔn)確提取水稻種植面積的方法。

1 研究區(qū)概況

榆樹(shù)市位于吉林省中北部，地處松遼平原腹地，在長(zhǎng)春、吉林、哈爾濱3市構(gòu)成的三角區(qū)中心，位于N 44°30′57″～45°15′02″，E126°01′44″～127°05′09″，地表水有松花江、卡岔河及拉林河，水資源較為豐富，處于世界著名的黃金玉米帶上，盛產(chǎn)玉米、大豆、水稻、高粱，素有“糧豆之鄉(xiāng)”、“松遼平原第一倉(cāng)”的美譽(yù)，其中，水稻種植面積為71747hm2，占耕地總面積的18.5%，選取榆樹(shù)市作為研究區(qū)具有一定的典型性。

2 數(shù)據(jù)來(lái)源及預(yù)處理

2.1 數(shù)據(jù)來(lái)源

高分1號(hào)衛(wèi)星于2013年4月發(fā)射，它突破了高空間分辨率、多光譜與高時(shí)間分辨率結(jié)合的光學(xué)遙感技術(shù)難題，多光譜相機(jī)含有近紅外、紅、綠、藍(lán)4個(gè)波段，重訪周期4d，其主要參數(shù)見(jiàn)表1。

遙感數(shù)據(jù)選用空間分辨率為16m的高分1號(hào)數(shù)據(jù)，該數(shù)據(jù)具有空間分辨率高，重訪時(shí)間短以及多光譜的優(yōu)點(diǎn)，非常適用于水稻的提取，但到目前為止，采用該數(shù)據(jù)進(jìn)行水稻種植面積提取的研究還很少見(jiàn)。用于提取水稻種植面積的遙感影像時(shí)間為2014年9月7日，同時(shí)在研究過(guò)程中發(fā)現(xiàn)，林地與水稻具有相似的光譜特征，會(huì)影響水稻種植面積的提取，因此選用2014年5月24日的影像數(shù)據(jù)作為輔助數(shù)據(jù)。

2.2 預(yù)處理

對(duì)遙感數(shù)據(jù)的預(yù)處理主要包括：數(shù)據(jù)定標(biāo)、波譜響應(yīng)函數(shù)、大氣校正、幾何校正。數(shù)據(jù)定標(biāo)和波譜響應(yīng)函數(shù)參數(shù)可以在中國(guó)資源衛(wèi)星應(yīng)用中心網(wǎng)站下載，大氣校正利用ENVI5.1的Flaash大氣校正模塊，得到地表反射率數(shù)據(jù)；幾何校正以精校正的landsat8影像為參考，利用ERDAS2014的自動(dòng)幾何校正功能，校正后的影像分辨率為16m×16m。

3 水稻種植面積提取方法

3.1 光譜分析與波段選擇

根據(jù)陳維君的研究[9]，在水稻成熟期，會(huì)發(fā)生“藍(lán)移”現(xiàn)象，水稻植被特性相對(duì)較弱，有利于區(qū)分其它植被。為了研究與發(fā)現(xiàn)水稻與其它地類在光譜特征上的差異，從而分析水稻種植面積提取的方法。本研究在影像上創(chuàng)建了6類（林地、水稻、旱地、水面和建筑或其它）感興趣區(qū)域（ROI），每一類包括20個(gè)ROI，并對(duì)各地類在4個(gè)波段光譜的均值進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果如圖1所示。

通過(guò)對(duì)比研究，可以發(fā)現(xiàn)，第3波段～第4波段，光譜特征及其變化趨勢(shì)相似，不利于水稻種植面積提取；第2波段～第3波段，地類建筑或其它、水面和旱地光譜特征變化較小，而水稻和林地的光譜特征變化相對(duì)較大，光譜特征差異較為明顯，通過(guò)波段運(yùn)算，可以將水稻、林地和其它地類區(qū)分開(kāi)；第1波段～第2波段，與第2～第3波段具有相似的光譜特征，但光譜特征差異較第1波段～第2波段更為明顯，因此選用第1波段和第2波段作為基本波段提取水稻，但林地和水稻光譜特征相近，影響水稻種植面積的提取，本研究選用同一地區(qū)2014年5月24日的影像提取林地，并利用其進(jìn)行掩膜，從而達(dá)到提高精度的目的。

3.2 林地的提取

通過(guò)對(duì)2014年9月7日的影像光譜進(jìn)行分析，發(fā)現(xiàn)林地具有與水稻相似的光譜特征，影響水稻提取。本研究利用2014年5月24日的影像提取林地，此時(shí)水稻、旱地以及其它作物和地類的NDVI值很低，而樹(shù)木已經(jīng)變綠，NDVI值相對(duì)較高，非常有利于林地的提取，林地提取效果如圖3、圖4所示。

3.3 相關(guān)指數(shù)的提取與分析

比值型指數(shù)創(chuàng)建的基本原理就是在多光譜波段內(nèi)，尋找出所要研究地類的最強(qiáng)反射波段和最弱反射波段，將強(qiáng)者置于分子，弱者置于分母。通過(guò)比值運(yùn)算，進(jìn)一步擴(kuò)大二者的差距，使感興趣的地物在所生成的指數(shù)影像上得到最大亮度增強(qiáng)，而其背景地物則受到普遍的抑制，從而達(dá)到突出感興趣地物的目的[10]。根據(jù)第1波段～第2波段的光譜特征，本研究采用第1波段反射率數(shù)據(jù)（b1）和第2波段反射率數(shù)據(jù)（b2），對(duì)比b2/b1、（b2-b1）/b1和NDVI 3種指數(shù)，為計(jì)算方便，將3種指數(shù)擴(kuò)大1萬(wàn)倍。利用處理后的林地圖像，將3種指數(shù)中的林地像元去除。原始多光譜圖像與指數(shù)圖像如圖5～8所示。

從圖像上看，指數(shù)（b2-b1）/b1和b2/b1效果較好，達(dá)到了抑制背景地物，突出感興趣地物的目的。為從數(shù)值上對(duì)其進(jìn)行定量分析，本研究利用感興趣區(qū)域?qū)λ竞推渌仡愡M(jìn)行統(tǒng)計(jì)，對(duì)水稻最小值和其它地類最大值的統(tǒng)計(jì)結(jié)果如圖9所示。

從圖9可以看出，b2/b1、（b2-b1）/b1 2種指數(shù)的水稻最小值比其它地類最大值大，因此都可以用來(lái)提取水稻種植面積，但指數(shù)（b2-b1）/b1具有更好的效果。利用指數(shù)（b2-b1）/b1提取水稻并按榆樹(shù)市邊界剪裁，結(jié)果如圖10、圖11所示。

4 方法驗(yàn)證

根據(jù)吉林省統(tǒng)計(jì)局2015年的統(tǒng)計(jì)數(shù)據(jù)，2014年榆樹(shù)市水稻種植面積為71747hm2，利用本文的提取方法，獲得榆樹(shù)市2014年水稻種植面積為67100hm2，提取精度為93.5%。

5 結(jié)果與討論

本研究通過(guò)對(duì)原始影像的光譜特征進(jìn)行分析，結(jié)合水稻在成熟期的“藍(lán)移”現(xiàn)象，發(fā)現(xiàn)高分1號(hào)數(shù)據(jù)的第1波段和第2波段是水稻成熟期提取的最佳波段，但因?yàn)榱值嘏c水稻具有相似的光譜特征，因此要選擇適當(dāng)時(shí)間的影像對(duì)林地進(jìn)行提取，并通過(guò)掩膜去除指數(shù)影像上的林地。通過(guò)對(duì)3種指數(shù)圖像的分析和研究，指數(shù)b2/b1和（b2-b1）/b1都可用于水稻種植面積的提取，但（b2-b1）/b1效果更好。在遙感影像質(zhì)量不佳（有云）的情況下，提取精度達(dá)到93.5%。在實(shí)際的應(yīng)用中，有以下幾點(diǎn)需要注意：

影像選擇。選取關(guān)鍵水稻物候期的遙感影像獲取水稻種植面積的精度更高[11]，本文中討論的方法要選擇成熟期的影像，而且盡量選取質(zhì)量好、無(wú)云的影像。由于影像獲取渠道的限制，本研究所選擇圖像的西南部和南部部分地區(qū)有薄云存在，雖然對(duì)水稻提取精度影響較小，但應(yīng)盡量選取無(wú)云影像。

感興趣區(qū)域（ROI）的選擇要合理。在水稻ROI選取過(guò)程中一定要注意不要將林地像元錯(cuò)選為水稻的ROI，因?yàn)榱值嘏c水稻具有相似的光譜特征，會(huì)影響水稻種植面積的提取。因此，在選取ROI之前，要用提取出的林地將指數(shù)影像中的林地像元去除，減少誤選林地像元的可能。

參考文獻(xiàn)

[1] RP Singh，SR Oza，MR Pandya. Observing long-term changes in rice phenology using NOAA--AVHRR and DMSP--SSM/I satellite sensor measurements in Punjab， India[J].Current Science，2006，91（9）：1217-1221.

[2] Bridhikitti A，Overcamp T J. Estimation of Southeast Asian rice paddy areas with different ecosystems from moderate-resolution satellite imagery[J].Agricultrue， Ecosystems & Environment，2012，146（1）：113-120.

[3]張莉，吳文斌等.基于EOS/MODIS數(shù)據(jù)的南方水稻面積提取技術(shù)[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2011，32（4）：39-44.

[4]苗翠翠，江南，彭世揆等.基于NDVI時(shí)序數(shù)據(jù)的水稻種植面積遙感監(jiān)測(cè)分析——以江蘇省為例[J].地球信息科學(xué)學(xué)報(bào)，2011，13（2）：273-280.

[5]王福民，黃敬峰，王秀珍.基于穗帽變換的TM影像水稻面積提取[J].水稻科學(xué)，2008，33（3）：297-301.

[6]方紅亮.兩種水稻種植面積遙感提取方案的分析[J].地理學(xué)報(bào)，1998，53（1）：58-65.

[7]陳燕麗，莫偉華，莫建飛等.基于面向?qū)ο蠓诸惖哪戏剿痉N植面積提取方[J].遙感技術(shù)與應(yīng)用，2011，2（26）：163-168.

[8]王力凡，潘建君.基于CBERS-02B衛(wèi)星影像光譜信息的水稻種植面積提取方法——以南京市溧水縣為例[J].南京農(nóng)業(yè)大學(xué)學(xué)報(bào)，2013，36（1）：87-91.

[9]陳維君.水稻成熟度和收獲時(shí)期高光譜監(jiān)測(cè)[M].杭州：浙江大學(xué)，2006.

[10]徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)（MNDWI）提取水體信息的研究[J].遙感學(xué)報(bào)，2005，9（5）：589-595.

[11]李志鵬，李正國(guó)，劉珍環(huán)等.基于中分辨TM數(shù)據(jù)的水稻提取方法對(duì)比研究[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2014，35（1）：27-33.