孫 政，王 迪，仲格吉

（中國農(nóng)業(yè)科學院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所/農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)遙感重點實驗室，北京 100081）

0 引言

及時準確地獲取區(qū)域內(nèi)農(nóng)田地理信息（位置、面積和空間分布等），對作物識別和估產(chǎn)、田間管理、種植結(jié)構(gòu)優(yōu)化，以及政府部門制定農(nóng)業(yè)政策和經(jīng)濟計劃具有重要意義［1］。傳統(tǒng)農(nóng)田地理信息的統(tǒng)計方式是通過行政單元逐級匯總上報或基于農(nóng)戶抽樣調(diào)查獲取，存在耗時、耗力、耗財?shù)热毕?，另外，易受錯報、漏報和空報等主觀因素影響，大區(qū)域農(nóng)作物的種植面積、結(jié)構(gòu)及空間分布信息很難及時準確地獲?。?-3］。自1970年開始，各國開始重視利用遙感技術(shù)提取農(nóng)情信息，遙感具有大范圍監(jiān)測、成本低、客觀性強、時效性高等優(yōu)點，已經(jīng)被廣泛應用于農(nóng)情監(jiān)測中，但是實時有效的遙感數(shù)據(jù)難以立刻獲取，且成本相對較高。

OpenStreetMap（OSM）數(shù)據(jù)具有時效性強、覆蓋范圍廣且可被免費使用的獨特優(yōu)勢，與官方數(shù)據(jù)庫相比，其更新速度更快［4］。將遙感數(shù)據(jù)、自發(fā)地理信息（Volunteered Geographic Information，VGI） 數(shù) 據(jù) 平 臺（ 如 OSM） 和 云 計 算 平 臺（ 如 Google Earth Engine，GEE）相結(jié)合，能夠為土地覆蓋和土地利用的相關(guān)研究提供重要資源。此外，遙感數(shù)據(jù)和OSM數(shù)據(jù)結(jié)合能為從事土地利用/覆蓋監(jiān)測與制圖研究的學者提供更具有效的數(shù)據(jù)信息［5-6］。OSM包含了道路數(shù)據(jù)和土地利用信息等面要素的組合數(shù)據(jù)，且與商業(yè)數(shù)據(jù)集相比，OSM是具有高實用價值、高精度且可被用于土地覆蓋/土地利用研究的數(shù)據(jù)源［4，7-11］。目前，已有學者使用OSM數(shù)據(jù)對土地覆蓋變化進行研究［12-15］。當前研究仍主要集中在將OSM數(shù)據(jù)運用于城市建成區(qū)提取、道路數(shù)據(jù)質(zhì)量評價以及土地覆蓋/土地利用變化監(jiān)測上，將OSM數(shù)據(jù)運用到農(nóng)業(yè)中的研究鮮有報道。文章使用OSM數(shù)據(jù)提取農(nóng)田地理信息，并對該方法的精度和誤差進行評價，為快速、低成本的農(nóng)田地理信息提取提供參考。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

本研究選取韓國陜川郡為研究區(qū)，該地區(qū)OSM數(shù)據(jù)質(zhì)量較好，是當?shù)刂匾霓r(nóng)業(yè)種植區(qū)。陜川郡位于韓國中南部，地處北緯 35°23′～35°50′、東經(jīng) 127°57′～128°28′之間，圖1展示了陜川郡所處的地理位置。總面積983.39 km2，其中山地面積占72.4%。海拔較高的山脈分布在該區(qū)域的西北部，中北部則是山脈的分支或盆地，東南部是相對低洼地區(qū)。該區(qū)域按海拔分類時：100 m以下的面積占總面積22.2%，100～300 m占48.6%，300～500 m 占 18%，500～1 000 m 占 10.8%，1 000 m 以上占 0.3%。該區(qū)域?qū)倌喜績?nèi)陸型氣候，冷熱差異十分明顯，多年平均氣溫12.7℃，多年平均降雨1 238.6 mm，60%的年降雨量集中在每年的6—8月期間，每年平均有110 d晴天、90 d多云和77 d降雨。大蒜和圓蔥是陜川郡最重要的蔬菜作物。根據(jù)2015年韓國統(tǒng)計資料顯示，大蒜和圓蔥在陜川郡的種植面積分別為743 hm2和1 138 hm2，主要分布在該郡的中部、北部和東部地區(qū)。

1.2 研究數(shù)據(jù)

（1）基礎(chǔ)地理數(shù)據(jù)

研究使用了韓國的行政區(qū)劃數(shù)據(jù)，包括道（特別市、直轄市）、郡（市、區(qū)）兩個等級。該數(shù)據(jù)主要用于裁剪整個研究區(qū)域內(nèi)的OSM數(shù)據(jù)。

（2）OSM數(shù)據(jù)

研究中使用韓國2018年3月14日的OSM數(shù)據(jù)。包括點、線、面3種類型的矢量數(shù)據(jù)。實驗中使用了陜川郡的線數(shù)據(jù)（道路）和面數(shù)據(jù)（建筑、交通、水體、土地利用、公共服務(wù)），圖2展示了裁剪后陜川郡5種類型的OSM數(shù)據(jù)。

圖1 研究區(qū)概況Fig.1 General situations of study region

從遙感圖像中可以看出，研究區(qū)域內(nèi)的主河道處于常年枯竭狀態(tài)，在OSM數(shù)據(jù)類型中不能歸類于水體，屬于空數(shù)據(jù)集，為提高研究精度，采用人工矢量化方法在遙感圖像中計算這條干枯的河道面積，且此面積不納入精度評價的計算。最終整合的OSM數(shù)據(jù)包括建筑、水體、交通（包含停車場、加油站、水壩）、公共服務(wù)（包含公園、學校、銀行等）、土地利用（去除農(nóng)田及社區(qū)花園后，包含森林、住宅、灌木叢等）5個面圖層。圖3為將這5個圖層合并得到的研究區(qū)非農(nóng)田區(qū)域。

（3）遙感影像數(shù)據(jù)

利用2016年RapidEye（空間分辨率為5 m）影像、研究區(qū)5景Bee無人機（Unmanned Aerial Vehicle，UAV）獲取影像（5景影像中前4景的時間為2017年4月27日，第5景影像時間為2017年4月28日），UAV影像空間分辨率為0.08 m。

圖2 韓國陜川郡OSM數(shù)據(jù) Fig.2 OSM data of Hapcheon Gun

（4）地面調(diào)查數(shù)據(jù)

結(jié)合衛(wèi)星遙感影像和無人機影像，對當?shù)剞r(nóng)田進行實地勘測，并對得到的農(nóng)田數(shù)據(jù)進行修正。圖4展示了遙感數(shù)據(jù)結(jié)合地面調(diào)查得到的陜川郡耕地數(shù)據(jù)。

1.3 研究方法

1.3.1 方法概況

由于研究區(qū)內(nèi)OSM數(shù)據(jù)中城市建成區(qū)數(shù)據(jù)嚴重不足，將影響農(nóng)田信息的提取精度，圖5為研究技術(shù)路線，即通過OSM數(shù)據(jù)提取研究區(qū)的非農(nóng)田信息，從而得到該區(qū)域的農(nóng)田區(qū)域。

圖4 陜川郡耕地數(shù)據(jù)Fig.4 Farmland data of Hapcheon Gun

1.3.2 閾值設(shè)定

實驗中道路密度等級閾值的設(shè)定方法為ArcMap軟件中自然間斷點法（Jenks），將所有格網(wǎng)的道路密度劃分為5個等級。該方法能夠使類內(nèi)方差最小，類間方差最大，能夠?qū)?個等級最大化地區(qū)分開來。

1.3.3 城市建成區(qū)提取

目前利用道路數(shù)據(jù)提取城市建成區(qū)的方法中大致分為基于街區(qū)面積、基于格網(wǎng)（線密度、點密度）以及基于核密度3種方法［16］。3種方法對建成區(qū)的提取能力都已經(jīng)得到證實，本文選取了基于街區(qū)面積和基于格網(wǎng)這2種方法對陜川郡的建成區(qū)進行提取，并評價使用兩種方法提取陜川郡建成區(qū)對農(nóng)田地理信息提取精度的影響。

（1）基于街區(qū)面積的方法。首先將OSM道路數(shù)據(jù)通過線轉(zhuǎn)面方法得到街區(qū)數(shù)據(jù)，并計算街區(qū)面積。將面積小于街區(qū)面積均值和中值的街區(qū)判斷為城市建成區(qū)，得到基于街區(qū)面積均值和中值的城市建成區(qū)數(shù)據(jù)，并將此數(shù)據(jù)分別與OMS的直接非農(nóng)田數(shù)據(jù)和以2 m緩沖區(qū)大小的道路緩沖區(qū)融合，得到整個區(qū)域的非農(nóng)田區(qū)域。最后與陜川郡行政區(qū)域交集取反，得到農(nóng)田區(qū)域。

圖5 實驗思路Fig.5 Workflow of research

（2）基于格網(wǎng)的方法。在研究區(qū)內(nèi)分別建立了50 m×50 m 和 100 m×100 m 的格網(wǎng)，計算落在每個格網(wǎng)的道路密度ρ［16］，計算方法如下：

式中，L是落在每個格網(wǎng)內(nèi)的道路長度；S是該格網(wǎng)的面積。去掉道路密度為0的格網(wǎng)，將剩余的格網(wǎng)通過自然間斷點法分級，密度大于間斷點時則將該格網(wǎng)判斷為建成區(qū)。將建成區(qū)與OSM的直接非農(nóng)田數(shù)據(jù)和以2 m道路緩沖區(qū)融合，得到了10個不同密度下的陜川郡非農(nóng)田區(qū)域。最后與陜川郡行政區(qū)域交集取反，得到農(nóng)田區(qū)域。

本文定義的面積提取率PS和田塊提取Pm率計算方法如下：

式中，Sin是OSM數(shù)據(jù)提取出來的農(nóng)田范圍中RapidEye的農(nóng)田面積；Sall是RapidEye數(shù)據(jù)中提取的總的農(nóng)田面積。Min是OSM數(shù)據(jù)提取出來的農(nóng)田范圍中RapidEye的田塊的數(shù)量；Mall是RapidEye數(shù)據(jù)中提取的總的田塊數(shù)量。

OSM道路數(shù)據(jù)并沒有詳細到田間小路，而參考數(shù)據(jù)精細到了每一個田塊，導致田塊之間的道路及空隙無法提取，最終判斷為農(nóng)田，一定程度上影響了提取精度。本文將參考數(shù)據(jù)做緩沖區(qū)分析，緩沖區(qū)大小為10 m，再向內(nèi)對其進行大小為10 m的緩沖區(qū)分析，得到了消除10 m農(nóng)田間隔后的農(nóng)田區(qū)域。同理還進行了20 m、30 m、40 m大小的緩沖區(qū)分析。將消除了農(nóng)田間隔的數(shù)據(jù)作物參考數(shù)據(jù)，并進行了面積匹配率計算，本文定義面積匹配率Pq計算方法如下：

式中，Sin是OSM提取的農(nóng)田數(shù)據(jù)與消除農(nóng)田間隔后的參考數(shù)據(jù)相交的面積；SOSM是OSM提取的農(nóng)田面積。

2 結(jié)果與分析

2.1 道路密度和格網(wǎng)大小對農(nóng)田提取精度的影響

根據(jù)不同格網(wǎng)大小和不同道路密度等級提取出來的農(nóng)田數(shù)據(jù)與RapidEye影像提取出研究區(qū)耕地數(shù)據(jù)進行對比，得到了不同的精度結(jié)果。

在基于街區(qū)面積的提取方法中，基于中值方法面積提取率達到89.07%，田塊提取率達到88.70%；基于均值方法面積提取率達到84.21%，田塊提取率達到84.87%。

圖6 道路密度等級和格網(wǎng)大小對精度的影響Fig.6 Effect of road density and grid size on accuracy

可以看出，在基于街區(qū)面積的方法中，選取中值作為閾值提取精度明顯優(yōu)于均值；在基于格網(wǎng)的方法中，面積提取率和田塊提取率總體在80%以上，當使用50 m×50 m的格網(wǎng)時，把道路密度等級大于3的格網(wǎng)判斷為建成區(qū)時，提取精度可達到85%以上，能夠基本能滿足使用需求。

2.2 OSM農(nóng)田信息提取誤差分析

本研究使用了遙感影像（衛(wèi)星和無人機）結(jié)合地面調(diào)查數(shù)據(jù)，農(nóng)田數(shù)據(jù)精度達到地塊級，而OSM道路數(shù)據(jù)并沒有達到田塊級，為了評價田塊之間的間隙以及間隙大小對本研究精度的影響，故對農(nóng)田間隙對方法的精度進行了誤差分析。

表1與表2分別展示了在格網(wǎng)大小為100 m×100 m和50 m×50 m時，消除不同大小的農(nóng)田間隔后面積匹配率的變化情況?？梢钥闯?，面積匹配率有明顯的升高，最高可以達到19%以上。

表1 100 m×100 m道路格網(wǎng)中農(nóng)田間隔對面積匹配率的影響Table 1 The influence of the interval of farmland on the area matching rate when the size of the fishing net is 100 m×100 m

表2 50 m×50 m道路格網(wǎng)中農(nóng)田間隔對面積匹配率的影響Table 2 The influence of the interval of farmland on the area matching rate when the size of the fishing net is 50 m×50 m

由此可見，農(nóng)田的間隙對精度有一定影響，不同程度地消除農(nóng)田間隙后，面積匹配率有明顯的提升。

其次，本研究使用的RapidEye數(shù)據(jù)并非官方公布的標準數(shù)據(jù)，存在一定誤差，將其作為參考數(shù)據(jù)會影響到最終的誤差評定。結(jié)合谷歌地圖，可見中山地地區(qū)的農(nóng)田比較破碎，參考數(shù)據(jù)存在農(nóng)田遺漏的現(xiàn)象，降低了提取精度。

最后，由于部分保密地區(qū)的存在，導致OSM數(shù)據(jù)本身存在一定的誤差及缺失，無法精確到每一個區(qū)域，本研究將數(shù)據(jù)空白區(qū)域定義為農(nóng)田，降低了提取精度。

3 結(jié)論及展望

3.1 結(jié)論

研究通過對OSM數(shù)據(jù)的篩選，選取其面數(shù)據(jù)中能夠直接顯示非農(nóng)田區(qū)域的數(shù)據(jù)；使用OSM道路數(shù)據(jù)結(jié)合街區(qū)面積和格網(wǎng)的方法，設(shè)定不同參數(shù)分別提取研究區(qū)內(nèi)的建成區(qū)；將非農(nóng)田區(qū)域與提取的建成區(qū)合并，再與研究區(qū)交集取反，得到研究區(qū)域內(nèi)的農(nóng)田地理信息，并比較設(shè)定不同參數(shù)時提取精度的變化；最后得到的農(nóng)田地理信息與RapidEye數(shù)據(jù)、無人機數(shù)據(jù)結(jié)合地面調(diào)查提取的農(nóng)田數(shù)據(jù)進行對比，結(jié)果顯示對韓國陜川郡的農(nóng)田面積提取率能夠達到85%以上，證明OSM數(shù)據(jù)對研究區(qū)進行農(nóng)田地理信息提取存在可能。耕地數(shù)據(jù)中田塊間隙對面積匹配率的影響較大，可達19%左右。

本文方法能夠簡單快速提取農(nóng)田信息，結(jié)合OSM數(shù)據(jù)可被免費使用、時效性高的特點，可以有效提高農(nóng)田地理信息的獲取速度，降低農(nóng)田地理信息獲取成本，在沒有研究區(qū)域土地覆蓋信息的情況下，能夠使用該方法得到土地覆蓋信息，具有一定的參考價值，為農(nóng)田地理信息獲取提供一個新的思路。

3.2 展望

研究中還存在以下不足需要在后續(xù)研究中解決。

（1）如何定量選取合適的格網(wǎng)大小來提取建成區(qū)有待確定。實驗中格網(wǎng)的大小設(shè)置并沒有理論支撐，50 m×50 m和100 m×100 m的格網(wǎng)得到的結(jié)果也有一定的差異，如何選取最合適的格網(wǎng)大小來提高農(nóng)田的提取精度有待研究。

（2）道路密度設(shè)置的最佳閾值有待確定。自然間斷點法雖然可以使分成的5個等級最大差異化，但是如何分級并設(shè)立合適閾值從而提高提取精度也是接下來需要研究的重點。

（3）實驗中僅使用了韓國陜川郡地區(qū)的數(shù)據(jù)，沒有多個地區(qū)的數(shù)據(jù)進行對比，方法的普適性有待驗證，需要更多地區(qū)的實驗數(shù)據(jù)進行比較，且對于一些OSM數(shù)據(jù)沒有廣泛使用或OSM數(shù)據(jù)并未公開允許上傳和下載的地區(qū)該方法適用性較差。

（4）沒有使用OSM數(shù)據(jù)中點數(shù)據(jù)。點數(shù)據(jù)中包含了很多信息，可用于農(nóng)業(yè)地理信息專題圖的制作，且點數(shù)據(jù)可能會影響到農(nóng)田地理信息的提取精度。