李杰 譚榮建

摘要：甘蔗遭受凍災后，會出現(xiàn)尾葉變枯 、蔗莖凍死、糖分下降，給人民群眾財產(chǎn)造成重大損失。針對傳統(tǒng)災情調(diào)查方法現(xiàn)勢性差、時效性弱的缺點，為快速、有效地進行災后救援工作提供數(shù)據(jù)支撐，最大限度地降低損失，以來賓市興賓區(qū)為例，基于多源衛(wèi)星影像數(shù)據(jù)、行政區(qū)邊界矢量數(shù)據(jù)、地面調(diào)查數(shù)據(jù)及1∶10萬土地利用數(shù)據(jù)，結合ERDAS和ArcGIS軟件提取凍災發(fā)生前后兩個時段的甘蔗種植分布，確定這兩個時段甘蔗尚未收割的面積。實驗證明評估結果與實際調(diào)查數(shù)據(jù)基本一致，該方法適用于甘蔗大范圍凍災快速評估。

關鍵詞：甘蔗凍災；多源衛(wèi)星數(shù)據(jù)；信息提??；遙感評估

DOIDOI：10.11907/rjdk.173152

中圖分類號：TP319

文獻標識碼：A 文章編號：1672-7800（2018）008-0157-04

英文摘要Abstract：After sugarcane suffers from freezing disaster，sugarcane tail leaves become dry，canes are frozen to death and sugar decreases，which cause great loss to the people's property.Aiming at the defects of traditional survey method that have different time stamps and weak timeliness，we take the Xingbin district in Laibin as an example，and employ multi-source satellite image data，the administrative region boundaries vector data，the ground survey data and 1：100000 land data to be applied on ERDAS and ArcGIS software to extract the sugarcane planting distribution before and after freezing injury and evaluate the sugarcane areas which are not yet to be reaped so as to provide data support for quick and effective rescue work and minimize the loss.The evaluation results are basically in line with the actual survey data.This method can be applied to the rapid assessment of large scale sugarcane freezing disaster.

英文關鍵詞Key Words：sugarcane freeing disasfer； multi-source satellite data； information extraction； remote sensing evaluation

0 引言

甘蔗是溫熱帶農(nóng)作物和制造蔗糖的原料，且可提煉乙醇作為能源替代品。進入21世紀以來，廣西蔗糖年產(chǎn)量接近全國食糖產(chǎn)量60%，蔗糖業(yè)已成為廣西經(jīng)濟支柱產(chǎn)業(yè)[1-2]。廣西省地處低緯度南亞熱帶季風氣候區(qū)，具備適宜甘蔗生長的氣候條件，是全國最大甘蔗生產(chǎn)適宜區(qū)，然而常因季風進退失常造成降雨和氣溫變化大，廣西也是全國氣象災害最嚴重的省份之一，其中凍害對甘蔗長勢和產(chǎn)量的影響較為嚴重[3-4]。

隨著農(nóng)業(yè)技術的發(fā)展，甘蔗種植區(qū)從地勢平坦地區(qū)逐漸向地形復雜、零星地塊區(qū)域拓展，增加了相關部門對甘蔗種植空間分布信息的獲取難度。在重大氣象災害發(fā)生時，甘蔗的受災狀況基本以相關技術人員進行實地調(diào)查、逐級上報、最終匯總結果的方式得到。但由于人為主觀因素差異大、時效性弱的缺點，統(tǒng)計結果與實際情況存在一定差異，影響災情數(shù)據(jù)準確性。近年來，遙感技術迅猛發(fā)展，為宏觀、快速、實時、便捷地對甘蔗凍災緊急自然災害進行遙感監(jiān)測提供了可能，利用衛(wèi)星遙感監(jiān)測農(nóng)作物種植信息技術已在國內(nèi)外得到廣泛應用，高分一號衛(wèi)星和資源02C衛(wèi)星的發(fā)射使獲取高分辨率影像更容易，眾多研究結果表明，利用遙感技術檢測農(nóng)作物自然災害的優(yōu)勢非常明顯 [5-14]。本文以廣西省來賓市興賓區(qū)為研究區(qū)，針對該區(qū)地形復雜、植被和作物種類繁多、天氣多變的特點，利用多源數(shù)據(jù)評估遭受凍災前后兩個時段的甘蔗種植分布，為相關部門提供精確的災情數(shù)據(jù)。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

興賓區(qū)位于廣西中部，紅水河下游，地處亞熱帶，氣候溫和，日照充足，土地肥沃。全區(qū)總面積 4 364.18km2。主種水稻、玉米、花生、黃豆、甘蔗等經(jīng)濟作物，甘蔗生產(chǎn)為全區(qū)的經(jīng)濟支柱。

2013 年 12 月 19 日以來，廣西省來賓市連續(xù)出現(xiàn)寒冷陰雨天氣，甘蔗遭受嚴重凍災。研究區(qū)經(jīng)緯度范圍為：108°44′- 109°36′E，23°16′- 24°04′N。

1.2 數(shù)據(jù)源

由于凍災發(fā)生15日后收割進入制糖廠的甘蔗受損程度較小[15]，因此為能夠準確高效地提取興賓區(qū)2013 年 12 月 19 日-20 日（凍災發(fā)生時）和 2014 年 1 月 4 日-1 月 5 日（凍災發(fā)生后15日內(nèi)）兩個時段的甘蔗種植分布，評估過程中采用高分一號衛(wèi)星數(shù)據(jù)和資源 02C 衛(wèi)星數(shù)據(jù)、1∶10 萬土地利用數(shù)據(jù)、來賓市行政區(qū)矢量數(shù)據(jù)及地面調(diào)查數(shù)據(jù)。

（1）衛(wèi)星遙感數(shù)據(jù)。

基于衛(wèi)星遙感數(shù)據(jù)的農(nóng)作物受災評估方法相對于傳統(tǒng)的受災情況統(tǒng)計調(diào)查來說，不僅獲取數(shù)據(jù)速度快，而且數(shù)據(jù)量大、覆蓋范圍廣、成本低[16]。本文選取了評估區(qū)受災前后過境的高分一號和資源02C衛(wèi)星遙感數(shù)據(jù)，其中高分一號衛(wèi)星分辨率8m，資源02C衛(wèi)星分辨率2.36m。

（2）評估區(qū)土地利用數(shù)據(jù)。

評估區(qū)土地利用數(shù)據(jù)是根據(jù)我國2009年完成的全國第二次土地調(diào)查數(shù)據(jù)、邊界矢量數(shù)據(jù)及廣西省來賓市近幾年土地利用變化監(jiān)測數(shù)據(jù)，運用ArcGIS軟件整理得出2013年廣西省來賓市耕地空間分布情況，如圖1所示。

（3）地面調(diào)查數(shù)據(jù)。

采用人工地面調(diào)查農(nóng)作物受災情況的方法需要消耗大量財力物力，時間較長，在災區(qū)范圍較大時不宜采用，但采用這種方法能夠十分精確地獲取受災數(shù)據(jù)。因此，采用此方法進行局部調(diào)查，獲取準確的影像解譯樣本。

2 評估方案與技術流程

2.1 評估方案

首先獲取評估區(qū)衛(wèi)星遙感影像，通過對衛(wèi)星遙感影像分類，快速獲取評估區(qū)甘蔗地塊基本分布，由地面調(diào)查人員根據(jù)此結果對解譯樣本進行確認。根據(jù)地面反饋結果選擇分類樣本，進行遙感影像監(jiān)督分類，提取甘蔗地塊。

提取衛(wèi)星遙感影像 NDVI 指數(shù)，剔除小于 0 的部分（裸地、居民區(qū)、道路、水域等）。將 NDVI 指數(shù)拉升至 0～255，在衛(wèi)星影像上選擇甘蔗地塊樣本，獲取甘蔗地塊樣本矢量，對應拉伸后的 NDVI 指數(shù)，獲取甘蔗 NDVI 指數(shù)范圍。

利用甘蔗 NDVI 指數(shù)范圍、NDVI 指數(shù)小于 0 的范圍、1∶10 萬土地利用數(shù)據(jù)、邊界矢量數(shù)據(jù)對監(jiān)督分類后的甘蔗地塊進行修正，提取高分一號衛(wèi)星與資源 02C 衛(wèi)星影像重疊區(qū)域的甘蔗變化地塊，人工判讀變化原因，修正遙感影像分類結果，得出最終評估結果。評估流程如圖2所示。

2.2 評估技術流程

2.2.1 衛(wèi)星數(shù)據(jù)預處理

獲取的衛(wèi)星數(shù)據(jù)為波段分離的原始數(shù)據(jù)，需要進行預處理后才能進行下一步評估工作。根據(jù)數(shù)據(jù)情況制定相應處理流程，主要包括：高分一號衛(wèi)星單波段數(shù)據(jù)融合，資源 02C 衛(wèi)星多光譜數(shù)據(jù)的單波段數(shù)據(jù)融合，資源 02C 衛(wèi)星的全色數(shù)據(jù)正射糾正及多光譜數(shù)據(jù)、全色數(shù)據(jù)鑲嵌拼接，資源 02C 衛(wèi)星的多光譜數(shù)據(jù)、全色數(shù)據(jù)融合，獲取高分辨率的多光譜數(shù)據(jù)，利用 ERDAS 軟件中 Image Geometric Correction 工具對高分一號衛(wèi)星數(shù)據(jù)和資源 02C 衛(wèi)星影像進行幾何糾正，實現(xiàn)數(shù)據(jù)的相對配準。在圖像中選擇同名點，采用二次多項式方法，總體誤差控制在3個像素以內(nèi)，重采樣方法選擇雙線性內(nèi)插法。

2.2.2 衛(wèi)星影像監(jiān)督分類

基于評估區(qū)遙感解譯樣本，進行衛(wèi)星影像監(jiān)督分類，初步提取評估區(qū)甘蔗面積。根據(jù)人工實地調(diào)查確認的地塊建立樣本矢量文件，解譯樣本點地塊中包括：甘蔗 、居民區(qū)、林地、裸地、水域等地類。高分一號、資源 02C 衛(wèi)星影像部分解譯樣本如圖3、圖4所示。結合衛(wèi)星遙感影像選擇解譯樣本。結合遙感解譯樣本選擇監(jiān)督分類樣本，進行遙感影像監(jiān)督分類。監(jiān)督分類完成后，通過ArcGIS軟件將監(jiān)督分類結果影像轉換為矢量格式。通過矢量文件屬性表選擇甘蔗字段，導出甘蔗地塊矢量1。

2.2.3 甘蔗NDVI指數(shù)確定

首先提取衛(wèi)星影像 NDVI，再利用高分一號衛(wèi)星數(shù)據(jù)采用 TM 衛(wèi)星 NDVI 指數(shù)計算模塊：NDVI=（B4-B3）/（B4+B3）；資源 02C 衛(wèi)星數(shù)據(jù)采用 SPOT 衛(wèi)星 NDVI 指數(shù)計算模塊：NDVI=（B3-B2）/（B3+B2）。對NDVI指數(shù)柵格圖像進行重分類，提取NDVI指數(shù)小于0的部分（裸地、居民區(qū)、道路、水域等）。將甘蔗 NDVI 指數(shù)拉升至 0～255，再由遙感解譯樣本中的甘蔗樣本數(shù)據(jù)，對應拉伸后的 NDVI 指數(shù)，統(tǒng)計甘蔗NDVI指數(shù)對應的像元數(shù)量，并對NDVI均值進行方差修正，如表1所示。最后計算出甘蔗 NDVI 指數(shù)范圍。利用ArcGIS軟件將甘蔗 NDVI 指數(shù)范圍內(nèi)的 NDVI 柵格圖像轉化為矢量數(shù)據(jù)，提取甘蔗地塊矢量 2。

2.2.4 甘蔗地塊修正

通過影像監(jiān)督分類、NDVI 指數(shù)提取的甘蔗矢量數(shù)據(jù)存在部分干擾因素，影像監(jiān)督分類獲得的甘蔗地塊矢量數(shù)據(jù)1和數(shù)據(jù)2中包括部分裸地、居民區(qū)、道路等，由于NDVI 指數(shù)提取的甘蔗矢量中存在與甘蔗 NDVI 指數(shù)相同的其它植被，因此利用ArcGIS軟件矢量工具對兩次矢量結果以及 NDVI 指數(shù)小于 0 的矢量進行相互修正，去除干擾因子，獲得修正后的甘蔗地塊矢量3。再利用耕地矢量和邊界矢量對甘蔗矢量3進行修正，將甘蔗地塊限制在評估區(qū)耕地范圍內(nèi)。

2.2.5 變化地塊人工修正

從根據(jù)高分一號衛(wèi)星與資源 02C 衛(wèi)星重疊區(qū)域分別提取的甘蔗地塊矢量中提取重疊區(qū)變化地塊。通過重疊區(qū)前后時相的衛(wèi)星影像發(fā)現(xiàn)，變化地塊矢量存在以下兩種情況：一是地塊、河流、道路等的邊界被誤分為甘蔗地塊，此類圖斑為監(jiān)督分類時的誤分圖斑，需要剔除。二是由于甘蔗收割造成前時相為甘蔗地塊，后時相為裸地，此類圖斑前時相應為保留。

由于變化地塊矢量圖斑數(shù)量非常多，需要進行初步篩選之后再進行人工判斷，篩選方法為通過統(tǒng)計圖斑面積，將面積較小的破損地塊剔除，同時由于多次切割，變化地塊矢量單個圖斑包含多個要素，需要通過ArcGIS軟件的矢量編輯工具將變化圖斑矢量全部炸開，形成單要素的矢量文件，再通過圖斑面積篩選，剔除破損地塊。最終統(tǒng)計出評估結果，如圖5、圖6所示。

3 評估結果及誤差分析

3.1 評估結果

利用本文所述方式進行評估所得結果與災后政府部門所公布的受災情況較為相近，精度達到92%以上，完全可以用于大范圍甘蔗凍災的快速評估，為災后救援工作提供可靠數(shù)據(jù)保證。

3.2 誤差分析

由于衛(wèi)星遙感影像分辨率、耕地邊界等原因，評估存在一定誤差。主要包括以下兩方面：

（1）分類誤差。由于不同影像分類精度不同，本文采用衛(wèi)星影像數(shù)據(jù)中高分一號衛(wèi)星的單個像元面積為64m2，資源 02C 衛(wèi)星的單個像元面積為5.56m2。分類過程中，小于單個像元面積的圖斑容易被誤分，此類圖斑主要集中在地塊邊界，圖斑呈不規(guī)則長條形且由多個小面積圖斑組成，此類圖斑為非甘蔗地塊；另一方面，與甘蔗反射率接近的植被易被誤分，但考慮到當?shù)刂饕N植甘蔗，相對誤差較小。根據(jù)分類最大誤差計算公式：（圖斑平均周長*像素/圖斑平均面積）/2，可得出如表2所示的影像分類精度評價，理論上高分一號衛(wèi)星分類精度最低為86.71%，經(jīng)人工判讀修正差異區(qū)域，準確率高于93%；資源02C號衛(wèi)星分類精度最低為93.26%。

（2） 耕地誤差。由于沒有最新的國土二調(diào)數(shù)據(jù)，采用1∶10 萬的土地利用調(diào)查數(shù)據(jù)非現(xiàn)實數(shù)據(jù)，且精度相對較低，會造成一定誤差，同時在甘蔗受災前存在甘蔗收割的情況。此類圖斑原本為甘蔗地塊，在衛(wèi)星影像上顯示為裸地，在解譯過程中也會產(chǎn)生誤差。

4 結語

實驗證明，利用本文所述方法進行評估所得結果與災后政府部門公布的受災情況較為相近，精度達到92%以上，可用于大范圍甘蔗凍災的快速評估，為災后救援工作提供可靠數(shù)據(jù)保證。隨著數(shù)據(jù)精度提高和遙感技術的發(fā)展，農(nóng)作物自然災害遙感評估將會得到更好的應用。

參考文獻：

[1] 譚宗琨，吳良林，丁美花，等.EOS/MODIS數(shù)據(jù)在廣西甘蔗種植信息提取及面積估算的應用[J].氣象，2007（11）：76-81.

[2] 江燊.依靠科技進步，轉變增長方式，推動廣西糖業(yè)續(xù)健康發(fā)展[J].廣西蔗糖，2010（2）：37-39.

[3] 黃曉照，葉靖平.廣西主要氣象災害對甘蔗生產(chǎn)的影響[J].廣西農(nóng)學報，2006（3）：16-18.

[4] 李茂枝.淺談甘蔗抗寒性及防寒措施[J].中國糖料，1998（2）：43-46.

[5] 韓素芹，劉淑梅.EOS/MODIS衛(wèi)星資料在監(jiān)測冬小麥面積中的應用[J].天津農(nóng)學院學報，2004（2）：26-28.

[6] 賈建華，劉良云，競霞，等.基于多時相MODIS監(jiān)測冬小麥的種植面積[J].遙感信息，2005（6）：49-51.

[7] 王云秀，張文宗，姚樹然，等.利用MODIS數(shù)據(jù)監(jiān)測河北省冬小麥種植信息[J].遙感技術與應用，2006（2）：149-153.

[8] MURTHY C S，RAJU P V，BADRINATH K V S.Classification of wheat crop with multi-temporal images：performance of maximum likelihood and artificial neural networks [J].International Journal of Remote Sensing，2003，24（23）：4871-4890.

[9] 武永利，王云峰，張建新，等.應用線性混合模型遙感監(jiān)測冬小麥種植面積[J].農(nóng)業(yè)工程學報，2009，25（2）：136-140.

[10] 毛鵬飛.基于多遙感參數(shù)的冬小麥長勢綜合監(jiān)測指標研究[D].開封：河南大學，2011.

[11] 郭靜，陶志，楊東.遙感技術在農(nóng)業(yè)災害監(jiān)測中的運用[J].吉林農(nóng)業(yè)，2009，25（2）：136-140.

[12] 東方星.我國高分衛(wèi)星與應用簡析[J].衛(wèi)星應用，2015（3）：44-48.

[13] 李方琦.高分一號首批遙感影像發(fā)布，幅寬達國際先進水平[J].衛(wèi)星應用，2013（5）：62-63.

[14] 王封祚.基于“資源三號”衛(wèi)星影像的三維地質(zhì)GIS研究與實現(xiàn)[D].西安：長安大學，2013.

[15] 吳曉偉，黃敏堂，黃志勇.低溫冷害對甘蔗糖分的影響與控制對策研究——以廣西上思縣為例[J].安徽農(nóng)業(yè)科學，2009，37（3）：1025-1026.

[16] 李紀人.遙感與地理信息系統(tǒng)在防洪減災中的應用[M].北京：氣象出版社，2001：307.

（責任編輯：江 艷）