熊麗媛

【摘 要】利用遙感技術(shù)分析判斷農(nóng)作物生長狀況是當(dāng)前遙感技術(shù)研究的一個(gè)重要的方向，水稻作為我國主要的農(nóng)作物，研究如何識別其種植區(qū)域具有一定的意義。首先分析了主流的兩個(gè)識別水稻種植區(qū)域的方法，接著提出了LSWI表征算子和去云算法，在此基礎(chǔ)上，根據(jù)2001-2010年150M的MODIS數(shù)據(jù)，逐年計(jì)算出了江蘇省水稻種植面積，提取了2004、2009和2010年三個(gè)具有代表性的計(jì)算結(jié)果，并進(jìn)行了分析，最后指出了的不足之處。所做工作具有一定理論意義，實(shí)用性較強(qiáng)。

【關(guān)鍵詞】水稻；MODIS；LSWI；種植區(qū)域

水稻作為我國主要的農(nóng)作物，其種植區(qū)域?qū)τ诒ＷC我國糧食產(chǎn)量有著重要的意義。國內(nèi)外許多專家學(xué)者對如何利用遙感數(shù)據(jù)分辨水稻的種植和產(chǎn)出區(qū)域進(jìn)行了研究。現(xiàn)在主要有兩個(gè)研究方向：一是根據(jù)水稻田在育苗期、移栽期和成熟期的對地表覆蓋特性不同的特點(diǎn)，通過比對不同時(shí)間點(diǎn)的低空間分辨率的遙感數(shù)據(jù)從而得出水稻田的區(qū)域；另一個(gè)是利用目視解譯法等算法篩選分辨率更高的水稻抽穗時(shí)間段的遙感數(shù)據(jù)，從而得到水稻田的種植區(qū)域。兩種方法各有利弊，目前常用的方法為第一種。

江蘇省既是我國改革前沿陣地之一，也是我國水稻生產(chǎn)大省，特別是蘇北地區(qū)，水稻種植密度和區(qū)域在全國是微距前列，堪稱魚米之鄉(xiāng)。本文采用低空間分辨率遙感數(shù)據(jù)分析法，利用2001-2010年150M的MODIS數(shù)據(jù)資源，分析江蘇省水稻種植區(qū)域。

1 地表植被表征參數(shù)選擇與判定

1.1 植被表征參數(shù)的選擇

由于植被與其他地表物的光譜不相同，可以利用紅外和可見光的光譜數(shù)據(jù)判斷是否是植被覆蓋區(qū)域。

1.2 去云算法

本文所采用的數(shù)據(jù)是有NASA發(fā)布的MODIS數(shù)據(jù)，其已經(jīng)經(jīng)過了一定的圖像處理，圖像的質(zhì)量較高，不過仍然存在云層的干擾。若直接計(jì)算，難免會對結(jié)算結(jié)果產(chǎn)生影響，不利于提取結(jié)果的準(zhǔn)確性，所以，去云處理尤其關(guān)鍵。

本文利用MODIS數(shù)據(jù)相關(guān)的產(chǎn)品中QA（質(zhì)量評估）波段提取數(shù)據(jù)中的云層信息。QA算法主要原理是根據(jù)多幀圖像的信息進(jìn)行比對，如果選取的多幀圖像都收到云層干擾，則刪除該段時(shí)間；如果僅僅有一部分?jǐn)?shù)據(jù)幀受到影響，則保留有用信息；如都未受到影響，則將多幀的平均作為一定時(shí)期的元幀。

利用QA算子，計(jì)算2010年5月3日的云層信息，結(jié)果如1所示。

2 水稻種植區(qū)域的提取

江蘇的地理環(huán)境決定了其種植的多樣性，不容易將水稻和其它農(nóng)作物區(qū)分開來。本文采用的提取方法是基于時(shí)間序列的，根據(jù)育苗期、移栽期和成熟期的對地表覆蓋特性不同的特點(diǎn)進(jìn)行提取的，如育苗期、移栽期稻田會被水所覆蓋，而成熟期則基本上被水稻全部覆蓋。根據(jù)這個(gè)特性，基于時(shí)間序列，能夠很方便的提取出水稻的區(qū)域。

根據(jù)江蘇省的水稻種植歷史實(shí)際情況，結(jié)合遙感數(shù)據(jù)，經(jīng)過模擬計(jì)算，判定水體覆蓋期的提取算法為LSWI，EVK0.26，（LSWI+0.065）>EVI；判定成熟期的提取算法為（1）時(shí)間為水體覆蓋期之后的64天（2）從水體覆蓋期之后每8天為一個(gè)探測時(shí)間點(diǎn)，要求探測區(qū)域在一個(gè)時(shí)間點(diǎn)的EVI>0.35（3）根據(jù)江蘇省的水稻種植習(xí)慣，劃定全第146、154、162、170天為水稻的移栽時(shí)期。

如果符合以上提取條件，則可判定該區(qū)域?yàn)樗痉N植區(qū)域。

3江蘇省水稻種植區(qū)域提取結(jié)果

根據(jù)前文所陳述的計(jì)算方法，本文提取了2001-2010年級江蘇省的水稻種植分布圖，2004、2009和2010年計(jì)算結(jié)果如圖2所示。

從圖2可以發(fā)現(xiàn)，蘇北是江蘇水稻種植的主要地區(qū)，尤其是揚(yáng)州、泰州、連玄港、鹽城、宿遷、淮安等地區(qū)。從圖中可以看出，江蘇省的六個(gè)大型農(nóng)場都被提取出來了，這表明提取的結(jié)果有較大的準(zhǔn)確性。

但是，2009年和2004年的計(jì)算結(jié)果有較大的出入，這是因?yàn)椴煌哪攴莸臍夂驐l件不相同，水稻種植的區(qū)域也是變化的。2010年得出的數(shù)據(jù)并不理想，剖析原因，不難看出有以下兩個(gè)原因：一是本文提出的算法是居于時(shí)間序列的，不同的氣象條件，水稻的插苗時(shí)期和成熟時(shí)期就不一樣；二是倘若數(shù)據(jù)含云量大，被剔除出去的幀數(shù)過多，那么勢必會影響計(jì)算的結(jié)果。

4 結(jié)論

本文在充分的文獻(xiàn)分析的基礎(chǔ)上，提出了一種水稻種植區(qū)域判定的方法，并結(jié)合江蘇省近幾年的遙感數(shù)據(jù)進(jìn)行了運(yùn)算，驗(yàn)證了該方法的可行性。不過該算法仍不能實(shí)現(xiàn)保留數(shù)據(jù)的前提下去除云層數(shù)據(jù)的功能，而且本文算法是基于時(shí)間序列的，受提取數(shù)據(jù)的時(shí)間節(jié)點(diǎn)的影響較大。這些不足之處有待于在今后的工作中進(jìn)一步研究解決。

【參考文獻(xiàn)】

[1]Foody G M. Status of land cover classification accuracy assessment[J].Remotesensing of environment， 2012，80（1）：195-201.

[2]Xiao X， Boles S， Frolking S， et al. Mapping paddy rice agriculture in South and Southeast Asia using mufti-temporal MODIS images[J].Remote Sensing of Environment，2015，100（1）：95-113.

[3]陳勁松，黃健熙，林輝，等.基于遙感信息和作物生長模型同化的水稻估產(chǎn)方法研究[J].中國科學(xué)：信息科學(xué)，2014 40：173-183.

[4]陳啟浩，高偉，劉修國.輔以紋理特征的高分辨率遙感影像分類[J].測繪科學(xué)，2013， 33（1）：88-90.

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

[責(zé)任編輯：朱麗娜]