周雨石

（河南大學(xué)環(huán)境與規(guī)劃學(xué)院，河南　開封　475004）

?

基于特征時相的河南地區(qū)小麥種植面積遙感估算

周雨石

（河南大學(xué)環(huán)境與規(guī)劃學(xué)院，河南開封475004）

［摘要］截至2015年12月，河南省糧食產(chǎn)量占全國總產(chǎn)量的9.76%，是全國糧食產(chǎn)量第二大省。小麥作為河南省主要的糧食作物，其生產(chǎn)對我國糧食安全和社會穩(wěn)定有著至關(guān)重要的作用?；诖?，利用2014年MODIS MYD13Q1的16d產(chǎn)品，結(jié)合2015年8月和12月河南省全省野外采樣點，提取出全年EVI指數(shù)變化曲線，再通過頻率分布計算并取值，得出各時間段每類地物EVI指數(shù)取值的高頻區(qū)間，從而計算更合理的EVI指數(shù)曲線。然后通過對比各類地物的EVI曲線，獲得耕地特征時相并加以提取。最終結(jié)果表明，利用特征時相對種植小麥區(qū)域面積識別的精度達(dá)到96.62%。該方法為植被信息的獲取提供了一種新的思路，對各類植被環(huán)境的快速提取有重要的參考價值。

［關(guān)鍵詞］冬小麥；增強(qiáng)型植被指數(shù)；作物識別；特征時相；河南省

我國是農(nóng)業(yè)大國、人口大國，糧食產(chǎn)量對我國的社會經(jīng)濟(jì)發(fā)展有十分重要的作用。小麥作為世界上最重要的糧食作物，及時、準(zhǔn)確、大范圍對小麥產(chǎn)量進(jìn)行監(jiān)測預(yù)報，對農(nóng)學(xué)經(jīng)濟(jì)發(fā)展和糧食政策制定有極其重要的意義［1］。截至2015年3月，河南省小麥產(chǎn)量約為3 329萬t，占全國總產(chǎn)量的26.39%。由此可見，河南省小麥產(chǎn)量占全國總產(chǎn)量的比重較大。所以，針對河南省小麥種植面積進(jìn)行估算是非常必要的。

目前，基于遙感信息的小麥種植面積提取多采用連續(xù)的植被指數(shù)進(jìn)行土地利用類型分類。作為地球科學(xué)的發(fā)展前沿，遙感技術(shù)可以快速、有效地獲取較大面積的土地覆被信息。李曉東等［2］利用NDVI、NDWI等指數(shù)，針對多時相的遙感數(shù)據(jù)對吉林省西部地區(qū)實現(xiàn)農(nóng)田分類提??；張喜旺等［3］用Landsat TM影像結(jié)合MODIS NDVI時間序列，建立像元分解模型，實現(xiàn)了伊洛河流域冬小麥種植區(qū)域的空間分布；李軍玲等［1］利用ArcGIS和ENVI提取純小麥像元，并提取純小麥像元對應(yīng)的NDVI、NPP和LAI，獲取分縣NDVI、NPP和LAI均值，利用統(tǒng)計軟件對產(chǎn)量數(shù)據(jù)和分縣遙感參數(shù)均值進(jìn)行數(shù)據(jù)整理和分析，建立了河南省冬小麥產(chǎn)量估算模型。王學(xué)［4］等基于MODIS EVI時間序列數(shù)據(jù)和兩景TM影像，建立華北平原冬小麥時序波譜曲線庫，并結(jié)合農(nóng)作物物候歷制訂統(tǒng)一規(guī)則，獲取華北平原2001—2011年冬小麥播種面積時空變化信息。

總體來看，上述方法需要建立連續(xù)的植被指數(shù)曲線，并通過建立分類規(guī)則提取信息。提取研究所需要數(shù)據(jù)量龐大并需要建立大量規(guī)則，計算量龐雜且不易尋找規(guī)律，不利于進(jìn)行小麥種植快速面積估算?；诖四康?，該文嘗試?yán)醚芯繀^(qū)各植被覆被地類增強(qiáng)型植被指數(shù)（EVI）曲線作對比，獲得小麥的增強(qiáng)型植被指數(shù)特征時相，并由此通過建立識別規(guī)則嘗試獲取2014年河南省全省小麥種植空間分布情況，以期減少小麥種植區(qū)域提取工作數(shù)據(jù)量，找到簡單、迅速識別目標(biāo)地物的方法，實現(xiàn)快速有效的河南省小麥種植面積信息提取。

1　研究區(qū)概況及數(shù)據(jù)來源

1.1研究區(qū)概況

河南省位于中國中東部、黃河中下游，界于北緯31°23′～36°22′，東經(jīng)110°21'～116°39'，東接安徽、山東，北接河北、山西，西連陜西，南臨湖北。全省總面積16.7萬km2，居全國各省區(qū)市第17位，占全國總面積的1.73%。全省由南向北年平均氣溫為15.7～12.1℃，年均降水量1 380.6～532.5 mm，降雨以6—8月份最多，年均日照時間1 848.0～2 488.7 h，全年無霜期189～240 d，適宜多種農(nóng)作物生長。地跨長江、淮河、黃河、海河四大流域。耕地面積約819.2萬hm2，主要糧食作物有小麥、玉米、水稻等。

冬小麥為研究區(qū)區(qū)域內(nèi)主要農(nóng)作物，其生長周期一般從前一年9月下旬左右播種發(fā)芽開始，至第2年6月中旬收獲結(jié)束。大片集中種植分布在河南省北部、東部平原，其他地區(qū)零散分布。隨著海拔高度增加，小麥種植耕地面積減少，區(qū)域破碎。

1.2數(shù)據(jù)來源及預(yù)處理

1.2.1EVI時間序列。增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI）作為重要的植被指數(shù)，根據(jù)藍(lán)光和紅光通過氣溶膠的差別，補(bǔ)償了殘留氣溶膠對紅光的吸收，綜合采用“抗大氣植被指數(shù)”和“抗土壤植被指數(shù)”，相比NDVI（植被覆蓋指數(shù)），克服了土壤背景的影響和刀叮在植被高覆蓋區(qū)易飽和、植被低覆蓋區(qū)受土壤植被影響較大、對大氣衰減去除不徹底等缺點。其公式為：EVI=2.5×（ρNIR-ρRED）/（ρNIR+6.0ρRED-7.5ρBLUE+1）。其中，ρNIR代表近紅外波段值，ρRED代表紅波段值，ρBLUE代表藍(lán)波段值。

圖1　2014年第009日荒草地采樣點取值頻率曲線

該文采用NASA免費提供的（http://reverb.echo. nasa.gov/）的MODIS MYD13Q1植被指數(shù)產(chǎn)品，為250 m分辨率的16 d合成數(shù)據(jù)，以此為基礎(chǔ)分析各類土地覆被類型的變化趨勢。

1.2.2野外采樣點數(shù)據(jù)。該文使用的采樣點數(shù)據(jù)來自于2015年8月和12月2次河南省土地覆被解譯工作外業(yè)采樣點，利用GPS手持終端數(shù)據(jù)結(jié)合高分辨率影像數(shù)據(jù)采樣。由于MODIS影像像元大小為250 m，同實地采樣數(shù)據(jù)之間存在尺度效應(yīng)影響，該實驗使用前先在ArcGIS軟件支持下生成同遙感影像完全匹配的點圖層數(shù)據(jù)，然后通過算法生成250 m點圖層緩沖范圍，計算點緩沖范圍圖層所覆蓋像元值值差是否小于20%，取值為“真”者保留，否則舍棄樣本點。此算法可以保證每個采樣點所落區(qū)域的覆被純度。

篩選后統(tǒng)計，該實驗共使用野外采樣點數(shù)據(jù)1 348個，其中耕地566個，荒草地111個，居民地269個，闊葉林245個，針葉林157個。

1.2.3投影處理。該文所使用的全部圖層數(shù)據(jù)均采用UTM_Zone_49N投影。

2　研究方法

根據(jù)研究區(qū)河南省全省土地覆被的情況，將分類類別主要分為耕地、荒草地、居民地、闊葉林和針葉林五大類。其中，耕地樣點全部為小麥種植耕地采樣點，其余耕地類型由于面積等因素不做考慮；省內(nèi)其他覆被類型如水體、裸露地表等限于MODIS影像250 m分辨率因素占比重較小，因此也舍棄此類樣本點不做考慮。

將5種分類的樣本點分別建立圖層，同時結(jié)合2014 年MODIS MYD13Q1的16 d EVI指數(shù)影像取值，獲得采樣點取值表。但是，由于遙感圖像空間分辨率越低，一個像元內(nèi)包含多類不同種類地物的概率越大，混合像元越多，且采樣點數(shù)據(jù)在MODIS影像中體現(xiàn)存在不準(zhǔn)確性。所以，需要提純所獲取的像元值，以計算目標(biāo)時刻的合理EVI取值。這里采用的是計算頻率分布區(qū)間的取值方法。頻率分布計算獲得柱狀圖如圖1所示。

圖1中橫軸為荒草地采樣點EVI指數(shù)取值區(qū)間，縱軸為頻率分布。由圖1可以準(zhǔn)確看出每時相樣點EVI指數(shù)取值概率分布情況。詳細(xì)的計算方法為：首先確定全部取值的兩極值，計算極差；然后通過數(shù)據(jù)數(shù)量的平方根值確定分組組數(shù)，并計算每分組取值區(qū)間；最后通過Excel表格FREQUENCY函數(shù)計算每組取值區(qū)間點數(shù)的概率分布，用圖表顯示。通過圖表確定需要舍棄和保留的EVI指數(shù)取值區(qū)間，求取保留區(qū)間的平均值作為目標(biāo)時刻增強(qiáng)型植被指數(shù)值。

通過統(tǒng)計，各類增強(qiáng)型植被指數(shù)2014年全年時間序列曲線如圖2所示。

由圖2可以看出，2014年全省小麥耕地EVI曲線在第137日以前、201—249日以及329日至年末取值明顯高于其他地類，由此可以選取第025、089、217、345日建立特征時相，建立識別規(guī)則：

｛EVI025＞0.3 and EVI089＞0.5 and EVI217＞0.5 and 0.3＞EVI345＞0.2｝

使用基于特征時相建立的河南省小麥種植區(qū)識別規(guī)則，提取出025、089、217、345這4個特征時相中準(zhǔn)小麥種植區(qū)像元并分別賦值為1，其余像元賦值為0。將四副像元數(shù)據(jù)進(jìn)行疊置分析，求取交集，獲得最終成果，即為河南省2014年小麥種植區(qū)分布，結(jié)果如圖3所示。

3　精度分析及結(jié)論

3.1精度分析

統(tǒng)計小麥種植區(qū)像元面積得出，使用特征時相估算方法進(jìn)行提取的小麥種植面積約為372.61萬hm2。利用2015年全國統(tǒng)計年鑒中小麥種植面積統(tǒng)計數(shù)據(jù)（360.45萬hm2）對比得出，利用特征時相估算方法提取小麥面積的相對誤差約為3.375%（相對誤差=估算誤差/統(tǒng)計年鑒面積，其中估算誤差值為利用特征時相提取的小麥面積與統(tǒng)計年鑒面積的差值），識別精度約為96.620%。

圖2　研究區(qū)各類植被NDVI時間序列曲線

圖3　2014年河南省小麥種植區(qū)分布

通過分析發(fā)現(xiàn)，主要識別誤差來源于部分非小麥種植區(qū)像元由于像元混合、波段干擾等因素，增強(qiáng)型植被指數(shù)值恰好符合識別規(guī)則，被判定為小麥種植區(qū)。同時，也存在部分像元受大氣輻射影響，像元計算出EVI值偏離，未能有效識別。

3.2結(jié)論

河南省全省2014年小麥種植區(qū)域主要集中在豫北東部平原，省中東部平原，豫西南南陽盆地平原，太行山區(qū)、嵩山地區(qū)及南部大別山區(qū)有少量分布。從海拔上，小麥種植面積和海拔高度呈反比；從氣候差異上，信陽秦嶺-淮河線以南幾乎沒有大規(guī)模小麥種植，像元數(shù)稀少。

從識別效果看，識別誤差主要集中在小麥種植區(qū)破碎、識別像元分散的地區(qū)，尤其是河南省西部、南部山區(qū)、北部太行山部分地區(qū)。小麥平原產(chǎn)區(qū)種植面積集中，作物覆蓋密集，受其他因素影響較小，識別精度較高。但在邊緣交界地區(qū)混合像元多，識別精度有所下降?？傮w說來，此方法識別精度主要受提取目標(biāo)的植被純度及種植區(qū)域大小有關(guān)，同時也與下墊面氣候、邊界混合像元相關(guān)。

4　結(jié)語

歸一化植被指數(shù)（NDVI）時序數(shù)據(jù)對地表植被的生長和覆蓋信息具有有效的指示作用，可以為區(qū)域植被研究提供許多重要信息，同時經(jīng)過比值處理后NDVI指數(shù)可以有效消除如觀測角、地面大氣條件等的影響，因此被大量運用于植被識別模型當(dāng)中。但是，歸一化植被指數(shù)由于對高值的抑制作用，易產(chǎn)生飽和現(xiàn)象，同時受植被土壤背景影響較大。相比之下，增強(qiáng)型植被指數(shù)（EVI）可以有效規(guī)避上述影響，同時與歸一化植被指數(shù)對比也可以體現(xiàn)出同樣的植被物候特征。

相比其他遙感影像數(shù)據(jù)產(chǎn)品，低分辨率影像（如MODIS）能夠不受天氣、氣候等的影響，可以獲得有效的無云影像產(chǎn)品（單景影像或合成產(chǎn)品）且不易受到價格和數(shù)據(jù)質(zhì)量的影響，適合做短時相的長期大面積觀測。

低分辨率影像像元易受時空效應(yīng)影響，數(shù)據(jù)不精確，雜糅外界信息過多。同時，由于野外采樣工作結(jié)果體現(xiàn)在低分辨率影像中易受空間和時間尺度效應(yīng)影響，信息表達(dá)出現(xiàn)偏差，易使采樣點數(shù)值提取產(chǎn)生較大誤差。所以，在提取和計算遙感影像信息過程中，有效的精度提純和數(shù)據(jù)統(tǒng)計方法可以顯著提高所得信息的精度。

該文利用MODIS影像和增強(qiáng)型植被指數(shù)（EVI）的數(shù)據(jù)優(yōu)勢，結(jié)合經(jīng)過篩選的外業(yè)采樣數(shù)據(jù)，用數(shù)理統(tǒng)計方法提取出較為準(zhǔn)確的全年各覆被類型增強(qiáng)型植被指數(shù)變化曲線，并提煉出基于特征時相的河南省冬小麥識別規(guī)則，獲得識別結(jié)果。實驗中獲得的河南省小麥種植區(qū)面積識別精度約為96.620%。相比其他方式，利用特征時相方法提取地物信息速度更快、計算規(guī)則少；在掌握全年植被指數(shù)規(guī)律之后，使用特征時間影像信息計算即可提取全年植被覆蓋信息，不需要大量數(shù)據(jù)且在全年當(dāng)季收獲季前即可完成信息統(tǒng)計分析。此方法為我國農(nóng)業(yè)研究提供了一種新的思路。

總體來說，利用特征時相識別目標(biāo)地物分布特征方法為遙感影像覆被信息提取提供了新的參考，也為未來的農(nóng)業(yè)遙感估產(chǎn)和面積計算提供了思路。需要注意的是，在計算過程中大規(guī)模的樣點數(shù)據(jù)采集擇選和采樣數(shù)據(jù)的提取過程尤為重要。同時，針對不同分辨率和不同時空尺度的數(shù)據(jù)，在識別目標(biāo)地物過程中，同樣可以使用影像數(shù)據(jù)獲得植被指數(shù)提取特征時相識別規(guī)則的方法。

感謝國家地球系統(tǒng)數(shù)據(jù)共享平臺-黃河下游科學(xué)數(shù)據(jù)（http://henu.geodata.cn）提供數(shù)據(jù)支撐。

參考文獻(xiàn)

［1］李軍玲，郭其樂，彭記永.基于MODIS數(shù)據(jù)的河南省冬小麥產(chǎn)量遙感估算模型［J］.生態(tài)環(huán)境學(xué)報，2012 （10）：1665-1669.

［2］李曉東，姜琦剛.基于多時相遙感數(shù)據(jù)的農(nóng)田分類提取［J］.農(nóng)業(yè)工程學(xué)報，2015（7）：145-150.

［3］張喜旺，秦耀辰，秦奮.綜合季相節(jié)律和特征光譜的冬小麥種植面積遙感估算［J］.農(nóng)業(yè)工程學(xué)報，2013（8）：154-163.

［4］王學(xué)，李秀彬，談明宏，等.華北平原2001-2011年冬小麥播種面積變化遙感監(jiān)測［J］.農(nóng)業(yè)工程學(xué)報，2015 （8）：190-199.

［中圖分類號］S127；TP79

［文獻(xiàn)標(biāo)識碼］A

［文章編號］1674-7909（2016）02-50-4

作者簡介：周雨石（1993-），女，碩士，研究方向：環(huán)境遙感。