王玉， 付梅臣， 王力， 王長耀

(1.中國地質(zhì)大學(北京)土地科學技術(shù)學院，北京 100083； 2.中國科學院遙感與數(shù)字地球研究所遙感科學國家重點實驗室，北京 100101)

基于多源高分衛(wèi)星影像的果棉套種信息提取

王玉1,2， 付梅臣1， 王力2， 王長耀2

(1.中國地質(zhì)大學(北京)土地科學技術(shù)學院，北京 100083； 2.中國科學院遙感與數(shù)字地球研究所遙感科學國家重點實驗室，北京 100101)

棉花與果樹間作在新疆多地區(qū)普遍存在，了解套種情況有利于查明果棉產(chǎn)量以及與常規(guī)棉田產(chǎn)量結(jié)構(gòu)差異。為此，提出了一種綜合使用多源高分遙感數(shù)據(jù)的果棉間作信息提取方法。首先，在優(yōu)化分割尺度基礎上分析QuickBird衛(wèi)星數(shù)據(jù)的光譜、形狀和紋理特征并建立規(guī)則集； 其次，使用面向?qū)ο蟮姆诸惙椒ㄖ鸩教蕹寝r(nóng)田信息形成地塊專題圖，基于專題圖選擇最佳紋理特征提取果樹分布并以地塊為單位統(tǒng)計套種比例； 最后，依據(jù)棉花物候特征對高分一號數(shù)據(jù)多時相分類得到棉花種植信息，結(jié)合套種比例結(jié)果，統(tǒng)計果棉套種面積及程度。精度檢驗結(jié)果表明： 該文提出的方法與傳統(tǒng)抽樣調(diào)查法相比能夠為大量地塊信息的采集節(jié)省人工成本和時間，果棉信息提取精度為89.16%，可以在統(tǒng)計調(diào)查工作中用于新疆果棉套種的自動化提取。

面向?qū)ο螅?多尺度分割； 果棉套種； 紋理特征

0 引言

新疆維吾爾自治區(qū)果棉間作立體種植模式既保護了棉花在當?shù)氐漠a(chǎn)業(yè)優(yōu)勢，又能兼顧農(nóng)民增收和防風固沙的社會、生態(tài)效益[1]。近幾年，隨著新疆環(huán)塔里木林果業(yè)的發(fā)展，果棉間作種植模式迅速擴大，已成為新疆綠洲農(nóng)業(yè)重要的新型種植模式[2-3]。國內(nèi)外學者往往更關(guān)注于間作模式[4-5]高效增產(chǎn)的種植技術(shù)問題[6-7]，而針對果棉間作空間分布提取的研究較為少見。南疆環(huán)塔里木盆地果棉間作種植規(guī)模不斷擴大，了解該地區(qū)套種分布及比例既有助于查明果棉套種產(chǎn)量、了解與常規(guī)棉田相比產(chǎn)量結(jié)構(gòu)差異，也有助于棉花遙感測產(chǎn)結(jié)果的準確獲取，為精準農(nóng)業(yè)測產(chǎn)和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整政策提供依據(jù)。

隨著具有豐富空間結(jié)構(gòu)和紋理信息的高空間分辨率遙感影像的不斷出現(xiàn)，面向?qū)ο蟮姆诸惙椒ㄅc傳統(tǒng)面向像元的分類方法相比精度明顯提高，應用也日趨廣泛。農(nóng)業(yè)遙感應用方面，農(nóng)田地塊、灌溉系統(tǒng)[8]等典型地類的自動化識別是當前研究的熱點。準確的農(nóng)田地塊信息是套種提取的基礎。國內(nèi)外許多學者利用面向?qū)ο蟮姆诸惙椒ɑ驍?shù)學形態(tài)學方法[9]對農(nóng)田邊界提取研究進行了初探。張錦水、陳杰、朱超洪等[10-13]充分挖掘目標地物的光譜特征、紋理特征、形狀特征及語義特征實現(xiàn)了包括農(nóng)田在內(nèi)的多種地類信息的提??； Esch使用高分與多時相數(shù)據(jù)，采用決策樹分類提取基于像元的主要農(nóng)作物及草地的分布信息[14]。國內(nèi)外研究結(jié)果表明，雖然針對地塊中果棉套種程度識別的研究尚無先例，但在合理選擇高分與多時相遙感數(shù)據(jù)的基礎上能夠?qū)崿F(xiàn)農(nóng)田及內(nèi)部典型地物的提取。

本文綜合使用多源高分數(shù)據(jù)，采用多時相分類與面向?qū)ο蠓诸愊嘟Y(jié)合的方法提取區(qū)域果棉套種信息，并對套種程度及分布規(guī)律進行了分析。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

2009年以來，新疆喀什的棉花種植面積一直在增加，近幾年該地區(qū)棉花種植面積約占全區(qū)耕地總面積的40%。為提高農(nóng)民收入，當?shù)卣膭钷r(nóng)民實行紅棗套種棉花的種植結(jié)構(gòu)，并已取得了良好的經(jīng)濟和社會效益。本文選擇位于喀什中部莎車縣的4 km×4 km大小正方形區(qū)域作為研究區(qū)(圖1)，研究區(qū)內(nèi)果棉間作情況普遍，具有區(qū)域代表性。

圖1 研究區(qū)位置

1.2 數(shù)據(jù)源及其預處理

本文使用的遙感數(shù)據(jù)主要為QuickBird數(shù)據(jù)和國產(chǎn)高分一號(GF-1)衛(wèi)星數(shù)據(jù)。

1)QuickBird數(shù)據(jù)獲取時間為2014年10月3日。該時期農(nóng)普物候歷顯示主要農(nóng)作物NDVI值均較高，便于提取地塊與果樹信息。實驗前先運用Pan-sharp變換[15-16]將空間分辨率分別為2.44 m和0.61 m的多光譜數(shù)據(jù)與全色數(shù)據(jù)進行融合。融合后的數(shù)據(jù)有利于影像判讀和光譜、形狀、紋理特征規(guī)則集的構(gòu)建。

2)GF-1數(shù)據(jù)獲取時間分別為2014年5月、8月和9月。本文使用了空間分辨率8 m多光譜影像以及2 m全色波段影像，首先在ENVI平臺下分別對2種分辨率影像進行正射校正，采用Gram-Schmidt 數(shù)據(jù)融合方法將多光譜與全色數(shù)據(jù)進行融合，用以提取棉花種植信息，并與QuickBird數(shù)據(jù)幾何配準。為滿足面積統(tǒng)計的準確性，本文所用遙感數(shù)據(jù)源均調(diào)整為WGS-84坐標系、Albers雙標準緯線圓錐等積投影以控制投影帶來的面積形變。

此外，本文還使用了2014年喀什地區(qū)65個野外調(diào)查地塊數(shù)據(jù)，該數(shù)據(jù)分布在3個300 m×300 m格網(wǎng)中，為目視判讀及目標信息提取提供了訓練樣本。

2 研究方法

如何分割與分類是面向?qū)ο蟮姆诸惣夹g(shù)需要解決的關(guān)鍵問題[17]。本文在優(yōu)化分割尺度基礎上，通過分析光譜、形狀、紋理、語義等特征，逐步剔除非目標對象得到農(nóng)田地塊專題圖，經(jīng)2次分割分類得到地塊內(nèi)果樹分布，統(tǒng)計獲得各地塊套種比例。圖2為果棉套種信息提取的總體技術(shù)流程。

圖2 果棉套種信息提取總體技術(shù)流程

2.1 圖像分割

多尺度分割算法已經(jīng)被證實是最成功的面向?qū)ο蠓诸惙指钏惴ㄖ弧Ｓ捎趥鹘y(tǒng)人機交互反復實驗法尋找最優(yōu)分割尺度費時費力，Liu等[18]提出了歐氏距離指標ED2用以自動提取最優(yōu)分割尺度，該方法在小尺度測試結(jié)果較為理想，對大尺度分割并不敏感。Witharana等[19]通過模擬不同分割參數(shù)對分類的影響后指出，盡管傳統(tǒng)的人機交互實驗法可能需要耗費大量時間和人力，但仍是判定最優(yōu)分割參數(shù)最直接有效的方法。

將QuickBird影像數(shù)據(jù)導入eCognition平臺分割，目標對象為自然地塊，通過對比21種不同參數(shù)設置下的分割結(jié)果與理想分割尺度的相似性，依次確定尺度、形狀因子和緊致度因子為最優(yōu)參數(shù)。結(jié)果表明，在尺度因子220、形狀權(quán)重0.7、緊致度權(quán)重0.6條件下，分割單元內(nèi)部紋理均勻，而且與相鄰地塊有明顯獨立的紋理特征，故用以作為地塊最優(yōu)分割參數(shù)。同理，得到果樹提取最優(yōu)參數(shù)(表1)。

表1 多尺度分割參數(shù)

2.2 面向?qū)ο蟮墓麡湫畔⑻崛?/p>

2.2.1 農(nóng)田地塊專題圖生成

在等級1分割尺度下，道路、村落、道旁林地對農(nóng)田提取精度有較大影響。因此，本文通過分析目標對象與其他地物的光譜特征、形狀特征、紋理特征和語義特征信息，明確特征信息與地物之間的對應關(guān)系，建立規(guī)則集(表2)，采用逐步剔除非目標地類的方法獲得有種植結(jié)構(gòu)的農(nóng)田地塊專題圖。首先，利用歸一化植被指數(shù)(normalized difference vegetable index,NDVI)將QuickBird影像分為植被和非植被。植被可細分為農(nóng)田和林地; 非植被可細分為道路和其他地類，其他地類包括居民住宅、沙漠、無植被覆蓋農(nóng)田等。

表2 地塊專題圖分類規(guī)則集

村落周邊的林地、道路信息在植被或非植被地類中均有分布。根據(jù)林地與農(nóng)田的光譜亮度差異，設置亮度(Brightness)閾值為260剔除林地信息； 選擇密度(Density)值為1.3與長寬比(Width/Lenth)值為5，共同構(gòu)成道路提取條件。由于農(nóng)田面積較大，將小于2 500 像元的小圖斑移除，最終得到農(nóng)田地塊專題圖(圖3)。

圖3 農(nóng)田地塊專題圖

2.2.2 農(nóng)田地塊中的果樹信息提取

在農(nóng)田地塊圖層內(nèi)執(zhí)行多尺度分割，確定最優(yōu)分割參數(shù)(表1中等級2)。農(nóng)田地塊間由于套種程度差異呈現(xiàn)不同的紋理結(jié)構(gòu)，故本文依據(jù)紋理特征提取樹冠對象。

常見紋理特征灰度共生矩陣(grey level co-occurrence matrix,GLCM)包括對比度、能量(角二矩陣)、均一性、熵、相關(guān)性、均值、方差、相異性(Dissimilarity)8個紋理特征[19]。其中，對比度為表征紋理清晰程度、紋理強弱的特征值； 能量(角二矩陣)在灰度分布均勻程度和紋理粗細方面有很好的表達； 均一性(逆差距)可以將紋理的規(guī)則程度分為不同等級； 熵值可用來表征紋理的復雜程度和圖像信息量； 相關(guān)性是紋理在行或者列方向上的相似程度、灰度線性關(guān)系的度量； 均值特征值由平均灰度值計算而得，反映整體色調(diào)的明暗深淺； 方差顯示紋理變化快慢周期性大??； 相異性(Dissimilarity)則可以很好地區(qū)分紋理清晰程度不同的地塊。在eCognition平臺中計算8個紋理特征值加載至原QuickBird影像，結(jié)果顯示： 相異性(Dissimilarity)特征值是大型喬木的最佳指標，而均值特征值可以識別地塊果樹尺度的樹冠，設置GLCM均值≤3作為果樹提取的閾值。針對提取結(jié)果，由于果樹樹冠對象面積較小，設置面積特征值(Area)<100像元可將紋理相似的草地信息剔除。

2.3 基于多時相GF-1數(shù)據(jù)的棉花提取

物候特征是區(qū)分不同作物的重要依據(jù)[21]。因此，通過分析南疆農(nóng)業(yè)普查數(shù)據(jù)中的棉花物候特征，選擇多時相提取的方法對GF-1數(shù)據(jù)采用最大似然法進行監(jiān)督分類。

新疆地域?qū)拸V，南疆與北疆農(nóng)作物生育期差別較大，總體而言，北疆棉花生育期比南疆晚10～30 d左右。數(shù)據(jù)顯示，南疆棉花4月上旬開始陸續(xù)播種，4月下旬出苗，5月上旬至中旬為苗期，5月下旬至6月上旬為蕾期，6月下旬開花，7月上旬進入開花盛期，8月中下旬進入花鈴期，9月上旬吐絮期，約10月上旬停止生長，數(shù)據(jù)與相關(guān)研究物候描述保持一致[22-23]。本文GF-1數(shù)據(jù)的獲取時間(5月、8月、9月)都是區(qū)分棉花與菜地、棉花與玉米的關(guān)鍵期。在ENVI軟件環(huán)境下計算3個時相NDVI值并疊加，使用農(nóng)田地塊專題圖層掩模后的NDVI疊加圖層作為棉花提取基礎數(shù)據(jù)。

選擇棉花、菜地、春玉米等10種地類的野外樣本純像元用作監(jiān)督分類的訓練樣本。樣本的可分性結(jié)果顯示，棉花與其他9種地類的可分指數(shù)均大于1.8，可以進行最大似然監(jiān)督分類。

3 結(jié)果與分析

3.1 農(nóng)田地塊專題圖分析

農(nóng)田地塊的提取結(jié)果中，除道路、住宅、各種林地信息被完全剔除外，地表土壤裸露的地塊也得到過濾。專題圖中僅保留了有作物種植狀態(tài)的地塊3 144個，面積6.05 km2，占總研究區(qū)總面積的37.5%，由于分割參數(shù)的優(yōu)化，地塊單元內(nèi)部紋理均勻，而且與相鄰地塊有明顯獨立的紋理特征。通過將地塊專題圖與人工矢量化格網(wǎng)疊加(圖4)可知，專題圖邊界與人工矢量化邊界雖存在不夠平滑鋸齒狀地塊邊界，但總體吻合度高，對不同作物地塊均有較明確細致的劃分，使用該方法提取有作物農(nóng)田地塊克服了傳統(tǒng)的手動屏幕數(shù)字化地塊邊界耗費大量人力和時間成本的缺點。

圖4 野外實測格網(wǎng)矢量與農(nóng)田地塊疊加圖

提取的農(nóng)田斑塊整體連通性較高，斑塊形狀和面積變異較低，形狀較為規(guī)則，規(guī)模大小變化不劇烈。道路與溝渠等廊道景觀在空間分布上較為均勻，居民點布局較為集中。

3.2 各地類套種信息提取結(jié)果分析

根據(jù)地塊與樹冠2個類別的語義關(guān)系計算果樹在地塊中的面積比例，得到果樹和其他作物(包括棉花、大豆、玉米等等)的地塊套種比例專題圖，簡稱果樹套種專題圖。統(tǒng)計每個地塊中果樹種植面積比例屬性可知，果樹面積比例在5%以下的地塊沒有果樹或者僅有零星果樹分布，為非套種結(jié)構(gòu)地塊； 果樹面積比例大于25%地塊為錯分的小面積林地等其他地類，不屬于套種地類。因此，依據(jù)套種比例屬性[0,5%)(非套種地塊)，[5%,10%)，[10%,15%)，[15%,20%)，[20%,25%]進行分類。由于果樹套種專題圖中不僅包含了棉花套種情況，還包括了蔬菜、玉米等其他套種情況，需要使用多時相法提取棉花種植信息并對果樹套種專題圖進行疊加過濾，用以剔除非棉花套種面積。

3.3 果棉套種結(jié)果分析

使用多時相分類法對GF-1數(shù)據(jù)以及同時相TM數(shù)據(jù)分別進行棉花種植信息提取。研究區(qū)內(nèi)主要作物有棉花、春玉米、夏玉米、菜地、西瓜等。菜地、西瓜以及道路等信息在地塊專題圖構(gòu)建中由于地表土壤裸露程度較高，NDVI值較低已被剔除。由于8 m空間分辨率的 GF-1數(shù)據(jù)比25 m空間分辨率的TM更具優(yōu)勢，GF-1棉花樣本3季度NDVI曲線與TM數(shù)據(jù)相比，一致性更強。樣本光譜一致性分析結(jié)果顯示，各種典型作物可分性較好。對比2種數(shù)據(jù)棉花信息提取結(jié)果(圖5)顯示： GF-1數(shù)據(jù)棉花提取結(jié)果為3.34 km2，椒鹽現(xiàn)象不明顯，棉花地塊整體度較高，與野外樣本中的作物種類及邊界匹配更準確； TM數(shù)據(jù)提取的棉花整體分布與GF-1數(shù)據(jù)一致，但提取面積大大減少，僅為1.06 m2，與野外樣本匹配較差。

(a) GF-1棉花提取結(jié)果

(b) TM棉花提取結(jié)果

結(jié)合QuickBird數(shù)據(jù)的套種比例結(jié)果和GF-1棉花地塊結(jié)果，獲得果棉套種比例及分布(圖6)。

圖6 果棉套種比例分布圖

對不同套種比例下棉花套種面積進行統(tǒng)計,結(jié)果見表3。

表3 研究區(qū)內(nèi)不同套種比例下的面積統(tǒng)計

將果樹與農(nóng)作物套種面積比例為[0%,5%)的地塊定義為簡單種植結(jié)構(gòu)(非套種)地塊，研究區(qū)內(nèi)簡單種植結(jié)構(gòu)地塊面積共計3.01 km2，其中果-棉套種地塊個數(shù)為1 615個，面積2.03 km2。表3數(shù)據(jù)顯示： 各類果樹套種面積為3.04 km2，約占總農(nóng)田面積6.05 km2的50%； 棉花與果樹套種面積為1.16 km2，約占總農(nóng)田地塊面積的19.17%，約占果樹總套種面積的38.16%。數(shù)據(jù)說明，研究區(qū)內(nèi)套種種植結(jié)構(gòu)面積與簡單種植結(jié)構(gòu)面積比約為1: 1。在套種地塊中，約有38.20%的套種地塊為果樹棉花套種地塊。54.31%果棉套種地塊為[5%,10%)的小套種比例地塊，僅有12.07%地塊為大比例果棉套種[20%,25%)地塊。約50%的農(nóng)民在選擇果棉套種模式時，對小比例果棉套種[5%,10%)的種植結(jié)構(gòu)更為青睞。研究區(qū)的中部以及東北部棉花分布聚集程度高，套種情況也更加普遍。

3.4 精度驗證

為了客觀評價不同中等空間分辨率數(shù)據(jù)多時相分類法的分類精度，參考相關(guān)文獻、現(xiàn)有野外樣本地塊作物屬性資料，以及高分遙感數(shù)據(jù)目視解譯結(jié)果，統(tǒng)計得到分類精度，如表4所示?？梢钥闯?，TM數(shù)據(jù)的分類結(jié)果存在大量混合像元，GF-1數(shù)據(jù)識別總體精度達到89.16%，高于TM數(shù)據(jù)識別的總體精度。對比不同作物的分類結(jié)果可知，夏玉米與棉花由于NDVI值變化方向一致易形成錯分。本研究表明，使用多時相分類方法進行精細作物識別時，既要考慮獲取物候信息的時間分辨率，又要兼顧獲取地塊信息的空間分辨率，GF-1數(shù)據(jù)與TM數(shù)據(jù)相比優(yōu)勢顯著，對不同作物種類識別的總體精度達到90%左右。本文中TM數(shù)據(jù)提取棉花信息結(jié)果受野外樣本量較少的影響，精度僅為64%，結(jié)合郝鵬宇等[23]的研究結(jié)果證實，使用野外樣本充足的時序曲線匹配法對TM棉花的提取精度亦可達到89%。使用面向?qū)ο蟮亩鄬佣喑叨确诸惙ㄌ崛∞r(nóng)田地塊信息總體精度達到90.24%，其中小面積林地為主要誤差來源。

表4 分類精度報告

4 結(jié)論

本文以新疆喀什中部莎車縣地區(qū)作為研究區(qū)提取果棉套種信息。首先基于QuickBird數(shù)據(jù)，使用面向?qū)ο蟮姆诸惙椒▌?chuàng)建農(nóng)田地塊專題圖，然后在專題圖層上選擇最佳紋理特征提取果樹分布及各種地類套種比例，結(jié)合GF-1數(shù)據(jù)多時相棉花分類結(jié)果，統(tǒng)計得到果棉不同套種比例面積及分布，并進行了精度檢驗。結(jié)果表明：

1)使用面向?qū)ο蠓诸惙椒▌?chuàng)建農(nóng)田地塊專題矢量圖與手動屏幕數(shù)字化相比，耗費時間少，操作過程不需人工干預，穩(wěn)定性高； 地塊提取結(jié)果雖存在不夠平滑的鋸齒狀邊界，但與人工矢量化格網(wǎng)總體吻合度高，精度達到90.24%，可以為地塊單元的相關(guān)統(tǒng)計、研究提供參考。

2)使用GF-1數(shù)據(jù)提取的棉花種植面積約為3.34 km2，總體精度為89.16%； 果棉套種面積約為1.16 km2，其中小比例[5%,10%)果棉套種面積0.63 km2，占果棉全部套種的54.3%。結(jié)果說明，研究區(qū)約一半以上的農(nóng)民對果棉套種的種植模式認可并采用，而小比例的套種結(jié)構(gòu)更受到這部分農(nóng)民的青睞。

3)使用多時相數(shù)據(jù)進行作物提取，GF-1數(shù)據(jù)時空分辨率較高，比TM更具優(yōu)勢，對野外樣本需求量較低。

隨著農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的不斷優(yōu)化，不同區(qū)域果棉套種普及程度各有差異，本文為新疆套種程度的動態(tài)監(jiān)測提供了方法依據(jù)。另外，中等空間分辨率TM數(shù)據(jù)的作物光譜受不同果棉套種程度影響有所差異，探明TM光譜對套種比例的響應規(guī)律是下一步研究的重點。

[1] 林濤,田立文,崔建平,等.南疆果棉間作系統(tǒng)棉花優(yōu)質(zhì)高效種植存在的技術(shù)問題及對策[C]//中國棉花學會2010年年會論文集.延吉:中國棉花學會,2010:101-103. Lin T,Tian L W,Cui J P,et al.Study on the technical problems and countermeasures of cotton quality and efficient cultivation in fruit cotton intercropping system from southern Xinjiang[C]//The Paper Collection of 2010 China Cotton Association Academic Conference.Yanji:The Chinese Society of Cotton,2010:101-103.

[2] 郭仁松,徐海江,劉正興,等.適宜新疆棗棉間作種植模式棉花品種篩選研究[J].棉花科學,2013,35(4):16-21. Guo R S,Xu H J,Liu Z X,et al.Screening cotton varieties of jujube-cotton intercropping planting mode in Xinjiang[J].Cotton Sciences,2013,35(4):16-21.

[3] 夏嬋娟,史彥江.棗棉間作的生態(tài)效應對棉花產(chǎn)量的影響[J].西安工程大學學報,2012,26(2):161-167. Xia C J,Shi Y J.Development effect on crop ecology and yield in jujube-cotton intercropping[J].Journal of Xi'an Polytechnic University,2012,26(2):161-167.

[4] 趙英,張斌,王明珠.農(nóng)林復合系統(tǒng)中物種間水肥光競爭機理分析與評價[J].生態(tài)學報,2006,26(6):1792-1801. Zhao Y,Zhang B,Wang M Z.Assessment of competition for water,fertilizer and light between components in the alley cropping system[J].Acta Ecologica Sinica,2006,26(6):1792-1801.

[5] 宋鋒惠,吳正保,史彥江.棗棉間作對棉花產(chǎn)量和光環(huán)境的影響[J].新疆農(nóng)業(yè)科學,2011,48(9):1624-1628. Song F H,Wu Z B,Shi Y J.The effect of jujube-cotton intercropping system on the cotton yield and light environment[J].Xinjiang Agricultural Sciences,2011,48(9):1624-1628.

[6] Zhang D S,Zhang L Z,Liu J G,et al.Plant density affects light interception and yield in cotton grown as companion crop in young jujube plantations[J].Field Crops Research,2014,169:132-139.

[7] Mao L L,Zhang L Z,Zhao X H,et al.Crop growth, light utilization and yield of relay intercropped cotton as affected by plant density and a plant growth regulator[J].Field Crops Research,2014,155:67-76.

[8] 吳健生,劉建政,黃秀蘭,等.基于面向?qū)ο蠓诸惖耐恋卣韰^(qū)農(nóng)田灌排系統(tǒng)自動化識別[J].農(nóng)業(yè)工程學報,2012,28(8):25-31. Wu J S,Liu J Z,Huang X L,et al.Automatic identification of irrigation and drainage system in land reclamation area based on object-oriented classification[J].Transactions of the Chinese Society of Agricultural Engineering,2012,28(8):25-31.

[9] 張艷玲,馮鳳英,閆浩文.高分辨率影像農(nóng)田信息提取方法[J].地理空間信息,2010,8(1):78-80. Zhang Y L,Feng F Y,Yan H W.Method for extracting farmland information from high resolution satellite image[J].Geospatial Information,2010,8(1):78-80.

[10]朱超洪,劉勇.基于影像認知和地學理解的面向?qū)ο蠓诸愌芯縖J].遙感技術(shù)與應用,2012,27(4):536-541. Zhu C H,Liu Y.A study on object-oriented remote sensing image classification based on image cognition and geographical understanding[J].Remote Sensing Technology and Application,2012,27(4):536-541.

[11]陳杰,陳鐵橋,梅小明,等.基于最優(yōu)尺度選擇的高分辨率遙感影像丘陵農(nóng)田提取[J].農(nóng)業(yè)工程學報,2014,30(5):99-106. Chen J,Chen T Q,Mei X M,et al.Hilly farmland extraction from high resolution remote sensing imagery based on optimal scale selection[J].Transactions of the Chinese Society of Agricultural Engineering,2014,30(5):99-106.

[12]張錦水,潘耀忠,韓立建,等.光譜與紋理信息復合的土地利用/覆蓋變化動態(tài)監(jiān)測研究[J].遙感學報,2007,11(4):500-510. Zhang J S,Pan Y Z,Han L J,et al.Land use/cover change detection with multi-source data[J].Journal of Remote Sensing,2007,11(4):500-510.

[13]胡潭高,朱文泉,陽小瓊,等.高分辨率遙感圖像耕地地塊提取方法研究[J].光譜學與光譜分析,2009,29(10):2703-2707. Hu T G,Zhu W Q,Yang X Q,et al.Farmland parcel extraction based on high resolution remote sensing image[J].Spectroscopy and Spectral Analysis,2009,29(10):2703-2707.

[14]Esch T,Metz A,Marconcini M,et al.Combined use of multi-seasonal high and medium resolution satellite imagery for parcel-related mapping of cropland and grassland[J].International Journal of Applied Earth Observation and Geoinformation,2014,28:230-237.

[15]譚永生,沈掌泉,賈春燕,等.QuickBird全色與多光譜影像融合方法比較研究[J].科技通報,2008,24(4):498-503. Tan Y S,Shen Z Q,Jia C Y,et al.Study on fusion algorithms of QuickBird PAN and multi spectral images[J].Bulletin of Science and Technology,2008,24(4):498-503.

[16]鄔明權(quán),牛錚,王長耀.多源遙感數(shù)據(jù)時空融合模型應用分析[J].地球信息科學,2014,16(5):776-783. Wu M Q,Niu Z,Wang C Y.Assessing the accuracy of spatial and temporal image fusion model of complex area in south China[J].Journal of Geo-Information Science,2014,16(5):776-783.

[17]曹寶,秦其明,馬海建,等.面向?qū)ο蠓椒ㄔ赟POT5遙感圖像分類中的應用——以北京市海淀區(qū)為例[J].地理與地理信息科學,2006,22(2):46-49,54. Cao B,Qin Q M,Ma H J,et al.Application of object-oriented approach to SPOT5 image classification:A case study in Haidian District,Beijing City[J].Geography and Geo-Information Science,2006,22(2):46-49,54.

[18]Liu Y,Bian L,Meng Y H,et al.Discrepancy measures for selecting optimal combination of parameter values in object-based image analysis[J].ISPRS Journal of Photogrammetry and Remote Sensing,2012,68:144-156.

[19]Witharana C,Civco D L.Optimizing multi-resolution segmentation scale using empirical methods:Exploring the sensitivity of the supervised discrepancy measure Euclidean distance 2(ED2)[J].ISPRS Journal of Photogrammetry and Remote Sensing,2014,87:108-121.

[20]白文路.多光譜遙感影像的紋理特征研究[D].哈爾濱:哈爾濱工業(yè)大學,2010. Bai W L.Texture Feature Research of Multi-Spectral Remote Sensing Image[D].Harbin:Harbin Institute of Technology,2010.

[21]潘耀忠,李樂,張錦水,等.基于典型物候特征的MODIS-EVI時間序列數(shù)據(jù)農(nóng)作物種植面積提取方法——小區(qū)域冬小麥實驗研究[J].遙感學報,2011,15(3):578-594. Pan Y Z,Li L,Zhang J S,et al.Crop area estimation based on MODIS-EVI time series according to distinct characteristics of key phenology phases:A case study of winter wheat area estimation in small-scale area[J].Journal of Remote Sensing,2011,15(3):578-594.

[22]趙良斌,曹衛(wèi)斌,唐春華,等.新疆棉花遙感識別最佳時相的選擇[J].新疆農(nóng)業(yè)科學,2008,45(4):618-622. Zhao L B,Cao W B,Tang C H,et al.Selection of the optimum temporal for cotton remote sensing identification in Xinjiang[J].Xinjiang Agricultural Sciences,2008,45(4):618-622.

[23]郝鵬宇,牛錚,王力,等.基于歷史時序植被指數(shù)庫的多源數(shù)據(jù)作物面積自動提取方法[J].農(nóng)業(yè)工程學報,2012,28(23):123-131. Hao P Y,Niu Z,Wang L,et al.Multi-source automatic crop pattern mapping based on historical vegetation index profiles[J].Transactions of the Chinese Society of Agricultural Engineering,2012,28(23):123-131.

[24]Gallego F J,Kussul N,Skakun S,et al.Efficiency assessment of using satellite data for crop area estimation in Ukraine[J].International Journal of Applied Earth Observation and Geoinformation,2014,29:22-30.

[25]Kowalik W,Dabrowska-Zielinska K,Meroni M,et al.Yield estimation using SPOT-VEGETATION products:A case study of wheat in European countries[J].International Journal of Applied Earth Observation and Geoinformation,2014,32:228-239.

(責任編輯： 邢宇)

Tree-cotton intercropping land extraction based on multi-source high resolution satellite imagery

WANG Yu1,2, FU Meichen1, WANG Li2, WANG Changyao2

(1.LandUseandTechnologyDepartment,ChinaUniversityofGeosciences(Beijing),Beijing100083,China; 2.TheStateKeyLaboratoryofRemoteSensingScience,InstituteofRemoteSensingandDigitalEarth,ChineseAcademyofSciences,Beijing100101,China)

The intercropping system of tree-cotton is widespread in Xinjiang because it may increase yield and revenue especially during the early years of tree plantations. The statistics of the intercropped area is a key element for yield estimation. A method which can extract the tree-cotton intercropped ratio from planting area themetic map is proposed in this paper. The VHR (very high resolution) QuickBird imagery and multispectral high spatial resolution (GF-1) data were combined for extracting the intercropped ratio using the object-oriented approach and multi-seasonal classification approach respectively. Farmland extraction is a critical step to produce the intercropped information. Since multi-resolution segmentation (MRS) has been proved to be one of the most successful image segmentation algorithms, the trial-and-error process has been used to determine the three main optimal segmentation parameters (scale, shape, compactness) to identify farmland and tree canopy hierarchically. The new rule sets which consider optimal，shape and semantic features have been implemented to compile the farmland thematic map. Then, the GLCM-based texture feature has been proposed to distinguish the tree canopy when the image is segmented again. Intercropping ratio in each crop segmentation unit is calculated by stacking the farmland themetic layer and the tree canopy layer together. Since then, multi-seasonal classification approach has been used to extract the tree-cotton intercropping ratio from the intercropping ratio map. In addition, this work presents two varying images composed of GF-1 and Landsat8. By analyzing the phenologycal calendar, optimum temporal periods for cotton and other major crops are initially determined. Cotton planting areas are extracted by field samples supported supervised classification. The GF-1 accuracy achieves 89.16% which is by far better than TM results. Finally, tree-cotton interplanting area and ratio are extracted based on tree-crop intercropping map and cotton planting map.

object-oriented； multi-resolution segmentation(MRS)； tree-cotton intercropping； texture feature

10.6046/gtzyyg.2017.02.22

王玉,付梅臣,王力，等.基于多源高分衛(wèi)星影像的果棉套種信息提取[J].國土資源遙感,2017,29(2)：152-159.(Wang Y,Fu M C,Wang L，et al.Tree-cotton intercropping land extraction based on multi-source high resolution satellite imagery[J].Remote Sensing for Land and Resources,2017,29(2)：152-159.)

2015-10-22；

2015-11-16

國家自然科學基金“基于高分辨率逐日模擬遙感數(shù)據(jù)的農(nóng)作物物候參數(shù)精確提取研究”(編號： 41371358)和國家高技術(shù)研究發(fā)展計劃(“863”計劃)“先進環(huán)境監(jiān)測技術(shù)設備——星-機-地生態(tài)環(huán)境質(zhì)量遙感監(jiān)測系統(tǒng)集成與示范”(編號： 2014AA06A511)共同資助。

王玉(1988-)，女，博士生，主要研究方向為土地利用與資源遙感。Email： wangyu881220@sina.com。

付梅臣(1966-)，男，教授，博士生導師，主要研究方向為土地利用與不動產(chǎn)評估。Email： fumeichen@163.com。

TP 751

A

1001-070X(2017)02-0152-08