汪 松，王 斌，劉長征，王思遠

(1. 北京交通大學，北京 100044； 2. 石河子大學，新疆 石河子 832003； 3. 中國科學院遙感與數(shù)字地球研究所，北京 100094)

利用Landsat時序NDVI數(shù)據(jù)進行新疆石河子墾區(qū)灌溉作物分類

汪 松1，王 斌1，劉長征2，王思遠3

(1. 北京交通大學，北京 100044； 2. 石河子大學，新疆 石河子 832003； 3. 中國科學院遙感與數(shù)字地球研究所，北京 100094)

精確的農(nóng)作物分類信息對于農(nóng)業(yè)環(huán)境評估、水資源利用規(guī)劃非常重要，尤其是在干旱、半干旱地區(qū)。本文利用30 m分辨率的Landsat NDVI時間序列數(shù)據(jù)進行了新疆石河子墾區(qū)混合農(nóng)作物精確區(qū)分的潛力研究。首先利用S-G濾波重構(gòu)了Landsat NDVI時間序列，然后基于SVM模型對研究區(qū)域農(nóng)業(yè)類型進行了精確分類。在SVM分類模型作用下，S-G重構(gòu)后的時間序列有效地將該地區(qū)棉花、玉米、小麥等主要作物區(qū)分開來，精度高于0.86，Kappa系數(shù)大于0.82。結(jié)果表明，S-G濾波能夠有效提高NDVI時間序列數(shù)據(jù)質(zhì)量；TM影像時間序列在監(jiān)測干旱、半干旱地區(qū)的作物類型和種植方式隨時間的變化方面存在巨大潛力。

NDVI；S-G濾波；時間序列；SVM

隨著精準農(nóng)業(yè)的發(fā)展，農(nóng)業(yè)的用水評估、環(huán)境評估、農(nóng)業(yè)估產(chǎn)都需要精確的農(nóng)作物信息，特別是在干旱、半干旱地區(qū)，精確的農(nóng)業(yè)分類信息在水資源保護合理利用等方面具有非常重大的意義。利用遙感手段來獲得農(nóng)業(yè)的精確分類信息是一種快速有效的方法。

利用歸一化植被指數(shù)(NDVI)時間序列作大面積的農(nóng)業(yè)作物種類區(qū)分已經(jīng)有了廣泛的研究，早期對于區(qū)域尺度的大面積作物植被區(qū)分研究主要是通過1 km左右分辨率的NOAA-AVHRR和SPOT VGT兩種數(shù)據(jù)源[1-3]。MODIS數(shù)據(jù)出現(xiàn)后，由于它的高時序性和空間分辨的適度性，在區(qū)域?qū)哟沃?，MODIS NDVI時間序列在世界范圍內(nèi)被廣泛用來分類灌溉作物區(qū)域[4]，也有將MODIS NDVI數(shù)據(jù)和一些中分辨率數(shù)據(jù)如Landsat、AWIFS結(jié)合起來描述作物的類別[5]。雖然MODIS和Landsat數(shù)據(jù)都是免費的，但是MODIS數(shù)據(jù)的空間分辨率為250～500 m，經(jīng)常會出現(xiàn)混合像元問題。而Landsat數(shù)據(jù)30 m的分辨率會讓混合區(qū)域的作物類型區(qū)分得更加細致和精確，尤其是那些熱帶、亞熱帶中較小的農(nóng)作物生產(chǎn)區(qū)域[6]。

盡管Landsat數(shù)據(jù)經(jīng)常受到氣候、天氣等因素的影響，在世界大部分地區(qū)難以獲得大量無云覆蓋的高質(zhì)量數(shù)據(jù)，限制了Landsat時間序列的應(yīng)用，但是在一些干旱、半干旱地區(qū)，受氣候的影響，這些地方的數(shù)據(jù)質(zhì)量還是相當可觀的?；诖耍疚囊孕陆幼訅▍^(qū)為研究區(qū)域，利用S-G濾波后的Landsat NDVI數(shù)據(jù)結(jié)合SVM分類方法進行灌溉作物的精確分類識別研究，并對Landsat NDVI時間序列分類結(jié)果進行評價。

一、數(shù)據(jù)與方法

1. 研究區(qū)域

本文研究區(qū)域為新疆石河子墾區(qū)，石河子墾區(qū)地處天山北麓中段，古爾班通古特大沙漠南緣，地理坐標位于84°58′E—86°24′E，43°26′N—45°20′N。該地區(qū)屬于典型的溫帶大陸性氣候，冬季長而嚴寒，夏季短而炎熱。

墾區(qū)農(nóng)業(yè)主要依靠灌溉用水，灌溉農(nóng)業(yè)用水占瑪納斯河流域總用水量的95%以上[7-8]。由于溫暖的氣候條件及肥沃的土地條件影響，該地區(qū)種植了各種各樣的農(nóng)作物，主要有棉花、小麥、玉米等。這些作物中，棉花和玉米位于高密度灌溉用水區(qū)域，收獲時間大概為7—9月；小麥有春小麥和冬小麥，分別于7—8月和6月之前收獲。棉花是夏季作物，種植時間稍微會晚點。該地區(qū)也種植一些大豆、西紅柿及其他各種蔬菜，蔬菜種植區(qū)域一般除了冰雪覆蓋時間，常年都會處于種植生長收獲期。作物的一般種植和收獲時期如圖1所示。

圖1 主要作物種植收獲時期

2. Landsat數(shù)據(jù)及S-G濾波重構(gòu)NDVI

(1) Landsat NDVI

NDVI是遙感監(jiān)測中反映植被在可見光、近紅外波段與土壤背景之間光學差異的指標,是對地表植被活動的簡單、有效和經(jīng)驗的度量[9]。計算公式為

(1)

式中，Rnir為近紅外波段反射率；Rr為紅波段反射率。筆者從美國地質(zhì)勘探局(USGS)數(shù)據(jù)中心下載了研究區(qū)域2013年12景Landsat8 TM影像(path 144，row 29)來構(gòu)建NDVI時間序列。其中，1—3月與12月份數(shù)據(jù)云量覆蓋較大，但由于石河子墾區(qū)這段時間都處于冰雪覆蓋時期，地表真實NDVI的輻射率處于很低的水平，因此這些數(shù)據(jù)對于研究影響基本可以忽略不計。

(2) S-G濾波重構(gòu)NDVI時間序列

NDVI反映植被生長過程的時間序列曲線通常是連續(xù)平滑的，但由于傳感器本身性能、數(shù)據(jù)傳輸過程等不同因素的影響，得到的NDVI時間序列呈鋸齒狀的不規(guī)則波動，對陸地生態(tài)系統(tǒng)監(jiān)測、植被覆蓋變化分析和信息提取等產(chǎn)生諸多干擾[10]。因此，本文利用S-G濾波方法重構(gòu)Landsat時序NDVI。Savitzky和Golay提出的S-G濾波器的設(shè)計思想是能夠找到合適的濾波系數(shù)(Ci)以保護高階距，即在對基礎(chǔ)函數(shù)進行近似時，不是常數(shù)窗口，而是使用高階多項式實現(xiàn)滑動窗內(nèi)的最小二乘擬合。其基本原理是：通過取點xi附近固定個數(shù)的點擬合一個多項式，多項式在xi的值，就給出了它的光滑數(shù)值gi?；赟-G濾波原理，NDVI時間序列數(shù)據(jù)的S-G濾波過程公式為

(2)

3. SVM分類方法

研究表明，SVM分類方法在處理NDVI時間序列、高維模式識別中具有獨特的優(yōu)勢[11]。SVM是一種基于統(tǒng)計學理論的模式識別方法，對于非線性問題，能把樣本非線性映射到高維核空間,在高維核空間創(chuàng)建具有低維的最優(yōu)分類超平面。在線性可分的情況下，通過求解一個約束條件下的極值問題，轉(zhuǎn)化成它的對偶問題，就會得到簡化的不等式約束極值問題，最終得到最優(yōu)分類函數(shù)為

(3)

(4)

目前常用的核函數(shù)有：①線性核函數(shù)(Linear)；②多項式核函數(shù)(Polynomial)；③徑向基核函數(shù)(Radial Basis Function)；④S形核函數(shù)(Sigmoid)。

二、試驗結(jié)果與分析

1. NDVI時間曲線

本文利用TIMESAT 3.2重構(gòu)了Landsat NDVI時間序列，設(shè)置好NDVI有效值域、原始NDVI值權(quán)重、噪聲去除閾值、滑動窗口大小、迭代次數(shù)等參數(shù)，利用S-G濾波重構(gòu)的時間序列，結(jié)果如圖2所示。

從整體來看，S-G濾波提高了NDVI水平，這種濾波結(jié)果比較符合植被覆蓋地區(qū)的一般季節(jié)變化規(guī)律。如圖2中棉花的NDVI變化曲線，未經(jīng)過濾波的原始NDVI曲線在2月份棉花未種植時期就出現(xiàn)了較低的峰值，而在6月份生長期回落了，違背了棉花的生長變化規(guī)律；S-G濾波降低了2月份而提高了6月份的NDVI波譜值，使得NDVI時間曲線更加符合棉花的種植生長規(guī)律，有益于對棉花的精確識別。也有一些作物經(jīng)過S-G濾波后也不能完全符合作物的變化規(guī)律，如冬小麥的NDVI時間曲線難以完整反映冬小麥的生長態(tài)勢變化。一般冬小麥在冬季NDVI會呈現(xiàn)高亮度顯示，但石河子地區(qū)受冬季冰雪覆蓋的影響，冬小麥種植區(qū)NDVI值也會較低。雖然經(jīng)過S-G濾波還是會存在一些誤差，但是整體上改善了NDVI時間序列的質(zhì)量，也有助于進行精確的作物識別。

圖2 NDVI時間曲線

2. SVM分類結(jié)果及精度評價

根據(jù)圖2顯示的不同作物的時間光譜特性的差異及統(tǒng)計的墾區(qū)作物種植數(shù)據(jù)，本文選取了108個像素作為訓練樣本。將這些樣本點應(yīng)用于支持向量機分類模型，分類的結(jié)果見表1。從分類結(jié)果來看，石河子墾區(qū)的主要農(nóng)業(yè)灌溉作物為小麥、棉花、玉米3大類，其中棉花占的比例最大。除這3大主要產(chǎn)品外，也有一些甜菜、打瓜、西紅柿等蔬菜的種植，但是占的比例十分有限。

表1 分類精度評價

本文搜集了Google地圖中0.2 m分辨率的高分影像和石河子墾區(qū)的農(nóng)業(yè)規(guī)劃信息作為試驗的檢驗數(shù)據(jù)。根據(jù)農(nóng)場的規(guī)劃信息和高分影像，以及從視覺上估計的各種作物每個時期的NDVI波譜特性檢驗分類方法的效果，一共有180個檢驗點(如圖3所示)。

圖3 作物分類圖

在180個隨機抽樣的樣本中，蔬菜種植地、冬小麥區(qū)域的分類精度都很高，這主要是因為其NDVI周期特征十分明顯：蔬菜種植地區(qū)的NDVI值波動性大且常年處于活躍狀態(tài)，一年中出現(xiàn)多次NDVI值波峰波谷；冬小麥種植區(qū)域整體的NDVI周期持續(xù)時間長，在植物繁茂的夏季出現(xiàn)間歇性的NDVI值低谷，而深秋季節(jié)在一般植被處于枯萎期時顯示相對較高的NDVI值。其他的一些春種秋收的作物由于與正常植物的生長周期相似，提取的精度會稍微有所下降。有些非農(nóng)業(yè)用地被錯誤分類到農(nóng)業(yè)地區(qū)，這主要是因為非農(nóng)業(yè)區(qū)域存在一些非農(nóng)業(yè)的植被干擾，如路邊的一些樹木、雜草等。在檢驗數(shù)據(jù)中，春小麥、玉米、棉花都有像素被錯誤分到非農(nóng)業(yè)用地中，這可能是由于這些植物生長勢態(tài)遭到破壞或病態(tài)原因，也有可能是由于傳感器的誤差造成了它們和非農(nóng)業(yè)用地的NDVI時間光譜特性相似。盡管存在一些并不理想的區(qū)分效果，但是該試驗的整體精度可以滿足農(nóng)業(yè)部門的分析規(guī)劃和當?shù)貦C構(gòu)對農(nóng)業(yè)用水管理、合理安排的需求。

三、結(jié) 論

本文以新疆石河子墾區(qū)為試驗區(qū)域進行了灌溉作物的精確識別分類研究，綜合分析了不同灌溉作物的生長特征，以Landsat NDVI時間序列作為研究基本數(shù)據(jù)，經(jīng)過S-G濾波重構(gòu)時間序列，然后利用SVM分類方法處理時間序列，并對分類結(jié)果進行了精度評價。

試驗結(jié)果表明：利用30 m分辨率的Landsat NDVI時間序列數(shù)據(jù)開展干旱、半干旱地區(qū)灌溉作物識別分類研究是可行的，分類結(jié)果有效反映了石河子墾區(qū)作物種植的宏觀格局。S-G濾波方法重構(gòu)NDVI時間序列在一定程度上改善了時間序列數(shù)據(jù)的精度，提高了NDVI時間序列區(qū)分于不同作物的能力。支持向量機分類方法在處理干旱、半干旱地區(qū)的Landsat NDVI時間序列上具有很強的適用性，可以用來挖掘干旱、半干旱地區(qū)Landsat時間序列的應(yīng)用潛力。但是研究中作物的提取精度受到了遙感數(shù)據(jù)的時間和空間分辨率上的限制，更深一步的灌溉作物與水資源等農(nóng)業(yè)環(huán)境關(guān)系的綜合分析和評估并未完善，未來需圍繞這些需求展開進一步的研究工作。

[1] 童慶禧，丁士心，鄭蘭芬，等.應(yīng)用NOAA氣象衛(wèi)星圖象資料估算草場生物量方法的初步研究[J].自然資源學報，1986(1)：87-95.

[2] 肖乾廣，周嗣松，陳維英，等.用氣象衛(wèi)星數(shù)據(jù)對冬小麥進行估產(chǎn)的試驗[J].環(huán)境遙感，1986，1(4)：160-269.

[3] STIBIG H J，MALINGREAU J P，王勝.用低空間分辨率的新近衛(wèi)星圖像對東南亞島嶼的森林覆被進行制圖[J].AMBIO-人類環(huán)境雜志，2003，32(7)：469-475.

[4] VINTROU E，DESBROSSE A，BEGUE A，et al. Crop Area Mapping in West Africa Using Landscape Stratification of MODIS Time Series and Comparison with Existing Global Land Products[J]. International Journal of Applied Earth Observation and Geoinformation，2012，14(1)：83-93.

[5] THENKABAIL P S，WU Z. An Automated Cropland Classification Algorithm(ACCA) for Tajikistan by Combining Landsat, MODIS, and Secondary Data[J]. Remote Sense，2012，4(10)：2890-2918.

[6] ZHENG B，MYINT S W，THENKABAIL P S，et al. A Support Vector Machine to Identify Irrigated Crop Types Using Time-series Landsat NDVI Data[J].International Journal of Applied Earth Observation and Geoinformation，2015，34(1)：103-112.

[7] 范文波，李小娟，張鳳華.石河子墾區(qū)農(nóng)業(yè)水資源供需平衡分析[J].水土保持通報，2008，28(2)：212-214.

[8] 鄭旭榮，李明思，樊曙光.新疆干旱地區(qū)農(nóng)業(yè)用水利用研究[J].中國農(nóng)村水利水電，2002(2)：38-41.

[9] 任志明，李永樹，蔡國林.一種利用NDVI輔助提取植被信息的改進方法[J].測繪通報，2010(7)：40-43.

[10] 宋春橋，柯靈紅，游松財，等. 基于 TIMESAT的 3 種時序 NDVI 擬合方法比較研究——以藏北草地為例[J].遙感技術(shù)與應(yīng)用，2011，26(2)：147-154.

[11] 徐芳.航空影像中地物識別的 SVM 方法研究[J].測繪通報，2004(2)：43-45.

ResearchonIdentificationofIrrigatedCropTypesinShiheziReclamationAreaUsingTime-seriesLandsatNDVI

WANG Song，WANG Bin ，LIU Changzheng，WANG Siyuan

NDVI=(Rnir-Rr)/(Rnir+Rr)

汪松，王斌，劉長征,等.利用Landsat時序NDVI數(shù)據(jù)進行新疆石河子墾區(qū)灌溉作物分類[J].測繪通報，2016(9)：56-59.

10.13474/j.cnki.11-2246.2016.0292.

P237

B

0494-0911(2016)09-0056-04

2015-12-22

兵團科技攻關(guān)與成果轉(zhuǎn)化計劃(2015AD108)

汪 松(1990—)，男，碩士生，主要研究方向為遙感理論與應(yīng)用。E-mail：13121160@bjtu.edu.cn