劉劍鋒++賈玉秋++張喜旺

摘要：利用TM影像更新研究區(qū)的土地利用數(shù)據(jù)，提取冬小麥可能出現(xiàn)的區(qū)域作為掩膜限定識(shí)別范圍，從而可以減少其他植被類型信息的干擾；通過(guò)選取冬小麥樣點(diǎn)，在時(shí)間序列NDVI數(shù)據(jù)中提取純冬小麥的時(shí)序曲線，根據(jù)曲線特征構(gòu)建時(shí)相識(shí)別模型；在限定的范圍內(nèi)根據(jù)識(shí)別模型提取冬小麥，進(jìn)而將兩個(gè)尺度數(shù)據(jù)進(jìn)行綜合處理和面積統(tǒng)計(jì)，冬小麥面積為268.65×103 hm2；利用統(tǒng)計(jì)年鑒數(shù)據(jù)和隨機(jī)抽樣兩種方法進(jìn)行精度分析，結(jié)果顯示面積精度為91.56%，位置精度為87.46%。與實(shí)地調(diào)查和人工解譯相比，大大提供了工作效率，減少了工作量，適用于大面積區(qū)域尺度的冬小麥監(jiān)測(cè)。

關(guān)鍵詞：多時(shí)相；NDVI；土地利用類型；冬小麥識(shí)別

中圖分類號(hào)：TP79 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2017）08-1560-04

DOI：10.14088/j.cnki.issn0439-8114.2017.08.040

Winter Wheat Remote Sensing Identification Based on Time Series MOIDS-NDVI

LIU Jian-feng1， JIA Yu-qiu2， ZHANG Xi-wang2

（1.Yellow River Conservancy Technical Institute， Kaifeng 475004， Henan， China；2.Key Laboratory of Geospatial Technology for Middle and Lower Yellow River Regions， Ministry of Education， Kaifeng 475004， Henan， China）

Abstract： In this paper， TM image covering the study area is used to update land use data， from which we can identify where winter wheat may be planted. Then a mask is created， which can reduce interference of other vegetation. Based on the selected samples of winter wheat， NDVI time series of the pure winter wheat pixels are extracted from NDVI products. Then an winter wheat identification model is constructed according to the NDVI curve features. Within the limited range， winter wheat will be identified based on the recognition model， and then the two-scale data are processed in a comprehensive way. Statistical yearbook data and random sampling are used to analyze the accuracy. The results show that the winter wheat acreage is 268.65×103 hm2 in the study area， Acreage accuracy is 91.56% and location accuracy is 87.46%. Compared with field surveys and artificial interpretation， it greatly improves the work efficiency and reduces the workload. Due to the low spatial resolution of MODIS， this method is suitable for crop type identification at regional scale in a large area.

Key words： multi-temporal； NDVI； land use type； winter wheat identification

遙感技術(shù)在實(shí)現(xiàn)大面積作物長(zhǎng)勢(shì)監(jiān)測(cè)、遙感估產(chǎn)、病蟲(chóng)害防治等農(nóng)業(yè)生產(chǎn)過(guò)程中發(fā)揮了很大作用，是促進(jìn)農(nóng)業(yè)信息化發(fā)展的手段之一。利用遙感數(shù)據(jù)識(shí)別冬小麥?zhǔn)沁M(jìn)行冬小麥長(zhǎng)勢(shì)監(jiān)測(cè)和估產(chǎn)的前提[1]。冬小麥的遙感識(shí)別主要利用光譜信息，但單時(shí)相的遙感影像不能獲取最大光譜差異，而利用多時(shí)相遙感影像，增加季相節(jié)律特征，可以較大地提高分類精度[2]。在遙感數(shù)據(jù)中，MODIS及其產(chǎn)品具有高時(shí)間分辨率、中等空間分辨率優(yōu)勢(shì)，已經(jīng)廣泛應(yīng)用于地物類型的識(shí)別。目前，利用MODIS-NDVI結(jié)合其他數(shù)據(jù)源進(jìn)行作物識(shí)別研究很多，如利用MODIS NDVI時(shí)序數(shù)據(jù)生成冬小麥識(shí)別掩膜應(yīng)用于TM影像區(qū)分其他作物，再用最大似然法對(duì)TM影像進(jìn)行監(jiān)督分類，提取冬小麥面積[3]。采用多時(shí)相的TM/ETM和多時(shí)相的MODIS-NDVI數(shù)據(jù)相結(jié)合，通過(guò)基于生態(tài)分類法的監(jiān)督分類和決策樹(shù)分類相結(jié)合的方法識(shí)別作物類型[4]。也有學(xué)者結(jié)合非遙感數(shù)據(jù)進(jìn)行作物類型識(shí)別，如考慮地形對(duì)農(nóng)作物生長(zhǎng)周期和遙感識(shí)別的影響，利用DEM數(shù)據(jù)對(duì)研究區(qū)進(jìn)行分區(qū)，通過(guò)對(duì)MODIS-NDVI時(shí)間譜采用決策樹(shù)分類提取研究區(qū)冬小麥面積[5]。而非遙感數(shù)據(jù)中土地利用是最基礎(chǔ)的數(shù)據(jù)集，國(guó)內(nèi)有諸多學(xué)者和單位定期基于遙感數(shù)據(jù)進(jìn)行解譯或更新。如果可以利用這些成果，則在很大程度上減輕作物類型遙感監(jiān)測(cè)的工作量。

本研究以河南省開(kāi)封地區(qū)為研究區(qū)域，利用多時(shí)相的MODIS-NDVI數(shù)據(jù)結(jié)合現(xiàn)有的土地利用數(shù)據(jù)集，針對(duì)冬小麥的時(shí)相變化特征構(gòu)建識(shí)別模型，提取冬小麥種植面積，進(jìn)一步驗(yàn)證識(shí)別精度。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

開(kāi)封地處豫東平原，位于113°51′51″-115°15′42″E，34°11′43″-35°11′43″N，四季分明，光熱豐富，土地較肥沃，水熱同期，主要作物為小麥、玉米、棉花、花生等。冬小麥10月播種，次年3月進(jìn)入返青期，生物量開(kāi)始增加，5月達(dá)到峰值，6月初收割。開(kāi)封地區(qū)農(nóng)田地塊大而完整，地勢(shì)平坦，海拔69～78 m，無(wú)明顯垂直分異，因此作物農(nóng)事歷差異受海拔影響可以忽略。

1.2 數(shù)據(jù)收集與預(yù)處理

MODIS（Moderate-resolution imaging spectroradiometer）是EOS（地球觀測(cè)系統(tǒng)）中最具特色的傳感器之一，搭載在Terra和Aqua衛(wèi)星上。MODIS植被指數(shù)產(chǎn)品的設(shè)計(jì)增強(qiáng)了對(duì)植被信息的感應(yīng)程度，同時(shí)減少大氣、觀測(cè)角等因素的影響，便于在全球范圍進(jìn)行監(jiān)測(cè)。本研究采用MODIS-NDVI 16 d合成數(shù)據(jù)，空間分辨率250 m。利用2010～2011年TERRA MOD13Q1和ACQUA MYD13Q1交替組合產(chǎn)生8 d步長(zhǎng)的時(shí)間序列數(shù)據(jù)。另外，獲取2011年6月初的TM影像。非遙感數(shù)據(jù)有開(kāi)封地區(qū)矢量邊界圖，河南省2008年土地利用類型圖。非遙感數(shù)據(jù)均轉(zhuǎn)換為柵格數(shù)據(jù)，所有數(shù)據(jù)均統(tǒng)一投影坐標(biāo)系，覆蓋整個(gè)研究區(qū)域。

2 研究方法

2.1 技術(shù)流程

受遺傳和自然條件等的影響，不同作物具有自己獨(dú)特的季相節(jié)律，在反映作物生長(zhǎng)的時(shí)間序列變化信息上均有區(qū)別于其他植被的獨(dú)特特征[6]。而NDVI是植被生長(zhǎng)的指示劑之一，也是植被研究中最廣泛被使用的植被指數(shù)[7]。MODIS-NDVI形成的時(shí)間序列可以很好地反映植被的生長(zhǎng)狀況，因此本研究采用MOD13Q1和MYD13Q1產(chǎn)品，組合形成2010～2011年冬小麥生長(zhǎng)季的NDVI時(shí)間序列。

土地利用數(shù)據(jù)是很多學(xué)科研究的基礎(chǔ)數(shù)據(jù)，如果充分利用現(xiàn)有的數(shù)據(jù)，則可以大大降低遙感解譯的工作量。通過(guò)土地利用數(shù)據(jù)來(lái)限定冬小麥種植范圍，可以排除其他植被信息的干擾，對(duì)冬小麥的識(shí)別具有很好的輔助作用。

本研究的總體思路是利用2011年的Landsat數(shù)據(jù)對(duì)現(xiàn)有的土地利用數(shù)據(jù)進(jìn)行更新，用于限定冬小麥種植區(qū)；然后根據(jù)選取采樣點(diǎn)提取純冬小麥的NDVI時(shí)間序列曲線，根據(jù)曲線的特征構(gòu)建識(shí)別模型；在限定的范圍內(nèi)利用識(shí)別模型對(duì)冬小麥進(jìn)行識(shí)別。

2.2 土地利用更新與樣點(diǎn)選擇

選擇2011年冬小麥生長(zhǎng)季內(nèi)的Landsat TM遙感影像，用于更新研究區(qū)的土地利用數(shù)據(jù)?；谡{(diào)查數(shù)據(jù)以及專家經(jīng)驗(yàn)，將2008年土地利用數(shù)據(jù)疊加在TM影像上，利用目視方法提取變化信息，并結(jié)合Google影像進(jìn)行核對(duì)，確保土地利用數(shù)據(jù)的精度在96%以上。土地利用數(shù)據(jù)更新后，在整個(gè)研究區(qū)，集中連片，面積較大的地塊上選取冬小麥樣點(diǎn)68個(gè)，確保在樣點(diǎn)位置可以有足夠的面積形成MODIS純像元。研究區(qū)土地利用數(shù)據(jù)及選擇的冬小麥樣點(diǎn)如圖2所示。

2.3 冬小麥時(shí)相特征

基于時(shí)間序列MODIS-NDVI數(shù)據(jù)，提取樣點(diǎn)對(duì)應(yīng)像元的NDVI值，對(duì)所有樣點(diǎn)的NDVI值求均值，從而形成生長(zhǎng)季內(nèi)純冬小麥的NDVI時(shí)間序列曲線，如圖3所示。由圖3可以看出，冬小麥的NDVI曲線具有明顯的兩個(gè)峰值，是研究區(qū)其他植被所不具備的重要特征。10月下旬冬小麥播種，經(jīng)過(guò)出苗、分蘗等快速生長(zhǎng)，NDVI不斷增加；到12月上旬達(dá)到第一個(gè)峰值，之后開(kāi)始進(jìn)入越冬期，NDVI逐漸減??；2月中旬進(jìn)入返青期，經(jīng)過(guò)起身、撥節(jié)，生物量迅速增大，NDVI值也隨之上升；到5月初NDVI值達(dá)到最大，形成第二個(gè)峰值，之后葉子逐漸枯黃，NDVI迅速下降，至6月初開(kāi)始收割，NDVI值降至最低。NDVI曲線是作物生長(zhǎng)隨時(shí)間波動(dòng)起伏的最直觀反映，因此NDVI的變化特征是識(shí)別冬小麥的重要依據(jù)。

4 結(jié)論

本研究采用MODIS-NDVI時(shí)間序列數(shù)據(jù)結(jié)合土地利用類型對(duì)開(kāi)封地區(qū)冬小麥進(jìn)行識(shí)別，直接排除了其他不種植冬小麥的土地利用類型異物同譜的干擾，效果顯著，精確度達(dá)到91.56%。提取的冬小麥種植面積與統(tǒng)計(jì)面積相比偏低，經(jīng)分析其誤差來(lái)源于MODIS-NDVI的低分辨率以及該地區(qū)部分套種習(xí)慣。考慮到研究區(qū)地處平原、地勢(shì)平坦、地塊完整，使用分辨率較低的MODIS數(shù)據(jù)效果雖然顯著，若該方法用于地形起伏、地塊破碎、地類復(fù)雜的地區(qū)，嚴(yán)重的混合像元將降低該方法的識(shí)別效果。因此該方法適用于廣闊平原地帶，尤其是進(jìn)行大區(qū)域尺度的遙感監(jiān)測(cè)研究，必將大大提高工作效率，減輕工作量，為決策部門快速提供實(shí)時(shí)的農(nóng)情信息。

參考文獻(xiàn)：

[1] 彭光雄，宮阿都，崔偉宏，等.多時(shí)相影像的典型區(qū)農(nóng)作物識(shí)別分類方法對(duì)比研究[J].地球信息科學(xué)學(xué)報(bào)，2009，11（2）：225-230.

[2] 馬 麗，徐新剛，賈建華，等.利用多時(shí)相TM影像進(jìn)行作物分類方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2008，24（增2）：191-195.

[3] 李 穎，陳秀萬(wàn)，段紅偉，等.多源多時(shí)相遙感數(shù)據(jù)在冬小麥識(shí)別中的應(yīng)用研究[J].地理與地理信息科學(xué)，2010，26（4）：47-49.

[4] 張健康，程彥培，張發(fā)旺，等.基于多時(shí)相遙感影像的作物種植信息提取[J].農(nóng)業(yè)工程學(xué)報(bào)，2012，28（2）：134-141.

[5] 賈建華，劉良云，競(jìng) 霞，等.基于多時(shí)相MODIS監(jiān)測(cè)冬小麥的種植面積[J].遙感信息（應(yīng)用技術(shù)），2005（6）：49-51.

[6] 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(bào)，2013，29（8）：154-163.

[7] 杜子濤，占玉林，王長(zhǎng)耀.基于NDVI序列影像的植被覆蓋變化研究[J].遙感技術(shù)與應(yīng)用，2008，23（1）：47-50.

[8] DOUGLAS K B，MARK A F. Forecasting crop yield using remotely sensed vegetation indices and crop phenology metrics[J].Agricultural and Forest Meteorology，2013，173（2）：74-84.

[9] 張 群，胡春勝，陳素英.多時(shí)相遙感影像監(jiān)測(cè)冬小麥種植面積的變化研究——以河北省三河市與大廠回族自治縣為例[J].中國(guó)農(nóng)業(yè)生態(tài)學(xué)報(bào)，2006，14（3）：180-183.

[10] 陳金華，劉惠敏，黃 勇，等.冬小麥生育期間MODIS多時(shí)相NDVI特征分析及其在地物識(shí)別上的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2010，38（7）：3641-3643，3667.

[11] 李存軍，王紀(jì)華，劉良云，等.利用多時(shí)相Landsat近紅外波段監(jiān)測(cè)冬小麥和苜蓿種植面積[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，21（2）：96-101.

[12] 競(jìng) 霞，劉良云，張 超，等.利用多時(shí)相NDVI監(jiān)測(cè)京郊冬小麥種植信息[J].遙感技術(shù)與應(yīng)用，2005，20（2）：238-242.

[13] 馬 麗，徐新剛，劉良云，等.基于多時(shí)相NDVI及特征波段的作物分類研究[J].遙感技術(shù)與應(yīng)用，2008，23（5）：520-524.