李杰 譚榮建

摘要：甘蔗遭受凍災(zāi)后，會(huì)出現(xiàn)尾葉變枯 、蔗莖凍死、糖分下降，給人民群眾財(cái)產(chǎn)造成重大損失。針對(duì)傳統(tǒng)災(zāi)情調(diào)查方法現(xiàn)勢(shì)性差、時(shí)效性弱的缺點(diǎn)，為快速、有效地進(jìn)行災(zāi)后救援工作提供數(shù)據(jù)支撐，最大限度地降低損失，以來(lái)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(wàn)土地利用數(shù)據(jù)，結(jié)合ERDAS和ArcGIS軟件提取凍災(zāi)發(fā)生前后兩個(gè)時(shí)段的甘蔗種植分布，確定這兩個(gè)時(shí)段甘蔗尚未收割的面積。實(shí)驗(yàn)證明評(píng)估結(jié)果與實(shí)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(zāi)快速評(píng)估。

關(guān)鍵詞：甘蔗凍災(zāi)；多源衛(wèi)星數(shù)據(jù)；信息提??；遙感評(píng)估

DOIDOI：10.11907/rjdk.173152

中圖分類號(hào)：TP319

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(guān)鍵詞Key Words：sugarcane freeing disasfer； multi-source satellite data； information extraction； remote sensing evaluation

0 引言

甘蔗是溫?zé)釒мr(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(jìn)入21世紀(jì)以來(lái)，廣西蔗糖年產(chǎn)量接近全國(guó)食糖產(chǎn)量60%，蔗糖業(yè)已成為廣西經(jīng)濟(jì)支柱產(chǎn)業(yè)[1-2]。廣西省地處低緯度南亞熱帶季風(fēng)氣候區(qū)，具備適宜甘蔗生長(zhǎng)的氣候條件，是全國(guó)最大甘蔗生產(chǎn)適宜區(qū)，然而常因季風(fēng)進(jìn)退失常造成降雨和氣溫變化大，廣西也是全國(guó)氣象災(zāi)害最嚴(yán)重的省份之一，其中凍害對(duì)甘蔗長(zhǎng)勢(shì)和產(chǎn)量的影響較為嚴(yán)重[3-4]。

隨著農(nóng)業(yè)技術(shù)的發(fā)展，甘蔗種植區(qū)從地勢(shì)平坦地區(qū)逐漸向地形復(fù)雜、零星地塊區(qū)域拓展，增加了相關(guān)部門(mén)對(duì)甘蔗種植空間分布信息的獲取難度。在重大氣象災(zāi)害發(fā)生時(shí)，甘蔗的受災(zāi)狀況基本以相關(guān)技術(shù)人員進(jìn)行實(shí)地調(diào)查、逐級(jí)上報(bào)、最終匯總結(jié)果的方式得到。但由于人為主觀因素差異大、時(shí)效性弱的缺點(diǎn)，統(tǒng)計(jì)結(jié)果與實(shí)際情況存在一定差異，影響災(zāi)情數(shù)據(jù)準(zhǔn)確性。近年來(lái)，遙感技術(shù)迅猛發(fā)展，為宏觀、快速、實(shí)時(shí)、便捷地對(duì)甘蔗凍災(zāi)緊急自然災(zāi)害進(jìn)行遙感監(jiān)測(cè)提供了可能，利用衛(wèi)星遙感監(jiān)測(cè)農(nóng)作物種植信息技術(shù)已在國(guó)內(nèi)外得到廣泛應(yīng)用，高分一號(hào)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(jié)果表明，利用遙感技術(shù)檢測(cè)農(nóng)作物自然災(zāi)害的優(yōu)勢(shì)非常明顯 [5-14]。本文以廣西省來(lái)賓市興賓區(qū)為研究區(qū)，針對(duì)該區(qū)地形復(fù)雜、植被和作物種類繁多、天氣多變的特點(diǎn)，利用多源數(shù)據(jù)評(píng)估遭受凍災(zāi)前后兩個(gè)時(shí)段的甘蔗種植分布，為相關(guān)部門(mén)提供精確的災(zāi)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(jì)作物，甘蔗生產(chǎn)為全區(qū)的經(jīng)濟(jì)支柱。

2013 年 12 月 19 日以來(lái)，廣西省來(lái)賓市連續(xù)出現(xiàn)寒冷陰雨天氣，甘蔗遭受?chē)?yán)重凍災(zāi)。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(zāi)發(fā)生15日后收割進(jìn)入制糖廠的甘蔗受損程度較小[15]，因此為能夠準(zhǔn)確高效地提取興賓區(qū)2013 年 12 月 19 日-20 日（凍災(zāi)發(fā)生時(shí)）和 2014 年 1 月 4 日-1 月 5 日（凍災(zāi)發(fā)生后15日內(nèi)）兩個(gè)時(shí)段的甘蔗種植分布，評(píng)估過(guò)程中采用高分一號(hào)衛(wèi)星數(shù)據(jù)和資源 02C 衛(wèi)星數(shù)據(jù)、1∶10 萬(wàn)土地利用數(shù)據(jù)、來(lái)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(zāi)評(píng)估方法相對(duì)于傳統(tǒng)的受災(zāi)情況統(tǒng)計(jì)調(diào)查來(lái)說(shuō)，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(píng)估區(qū)受災(zāi)前后過(guò)境的高分一號(hào)和資源02C衛(wèi)星遙感數(shù)據(jù)，其中高分一號(hào)衛(wèi)星分辨率8m，資源02C衛(wèi)星分辨率2.36m。

（2）評(píng)估區(qū)土地利用數(shù)據(jù)。

評(píng)估區(qū)土地利用數(shù)據(jù)是根據(jù)我國(guó)2009年完成的全國(guó)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(lái)賓市近幾年土地利用變化監(jiān)測(cè)數(shù)據(jù)，運(yùn)用ArcGIS軟件整理得出2013年廣西省來(lái)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(zāi)情況的方法需要消耗大量財(cái)力物力，時(shí)間較長(zhǎng)，在災(zāi)區(qū)范圍較大時(shí)不宜采用，但采用這種方法能夠十分精確地獲取受災(zāi)數(shù)據(jù)。因此，采用此方法進(jìn)行局部調(diào)查，獲取準(zhǔn)確的影像解譯樣本。

2 評(píng)估方案與技術(shù)流程

2.1 評(píng)估方案

首先獲取評(píng)估區(qū)衛(wèi)星遙感影像，通過(guò)對(duì)衛(wèi)星遙感影像分類，快速獲取評(píng)估區(qū)甘蔗地塊基本分布，由地面調(diào)查人員根據(jù)此結(jié)果對(duì)解譯樣本進(jìn)行確認(rèn)。根據(jù)地面反饋結(jié)果選擇分類樣本，進(jìn)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(duì)應(yīng)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(wàn)土地利用數(shù)據(jù)、邊界矢量數(shù)據(jù)對(duì)監(jiān)督分類后的甘蔗地塊進(jìn)行修正，提取高分一號(hào)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(jié)果，得出最終評(píng)估結(jié)果。評(píng)估流程如圖2所示。

2.2 評(píng)估技術(shù)流程

2.2.1 衛(wèi)星數(shù)據(jù)預(yù)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(jìn)行預(yù)處理后才能進(jìn)行下一步評(píng)估工作。根據(jù)數(shù)據(jù)情況制定相應(yīng)處理流程，主要包括：高分一號(hào)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(duì)高分一號(hào)衛(wèi)星數(shù)據(jù)和資源 02C 衛(wèi)星影像進(jìn)行幾何糾正，實(shí)現(xiàn)數(shù)據(jù)的相對(duì)配準(zhǔn)。在圖像中選擇同名點(diǎn)，采用二次多項(xiàng)式方法，總體誤差控制在3個(gè)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(píng)估區(qū)遙感解譯樣本，進(jìn)行衛(wèi)星影像監(jiān)督分類，初步提取評(píng)估區(qū)甘蔗面積。根據(jù)人工實(shí)地調(diào)查確認(rèn)的地塊建立樣本矢量文件，解譯樣本點(diǎn)地塊中包括：甘蔗 、居民區(qū)、林地、裸地、水域等地類。高分一號(hào)、資源 02C 衛(wèi)星影像部分解譯樣本如圖3、圖4所示。結(jié)合衛(wèi)星遙感影像選擇解譯樣本。結(jié)合遙感解譯樣本選擇監(jiān)督分類樣本，進(jìn)行遙感影像監(jiān)督分類。監(jiān)督分類完成后，通過(guò)ArcGIS軟件將監(jiān)督分類結(jié)果影像轉(zhuǎn)換為矢量格式。通過(guò)矢量文件屬性表選擇甘蔗字段，導(dǎo)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(hào)衛(wèi)星數(shù)據(jù)采用 TM 衛(wèi)星 NDVI 指數(shù)計(jì)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(jì)算模塊：NDVI=（B3-B2）/（B3+B2）。對(duì)NDVI指數(shù)柵格圖像進(jìn)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(duì)應(yīng)拉伸后的 NDVI 指數(shù)，統(tǒng)計(jì)甘蔗NDVI指數(shù)對(duì)應(yīng)的像元數(shù)量，并對(duì)NDVI均值進(jìn)行方差修正，如表1所示。最后計(jì)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(zhuǎn)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(guò)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(duì)兩次矢量結(jié)果以及 NDVI 指數(shù)小于 0 的矢量進(jìn)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(duì)甘蔗矢量3進(jìn)行修正，將甘蔗地塊限制在評(píng)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(hào)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(guò)重疊區(qū)前后時(shí)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(shí)的誤分圖斑，需要剔除。二是由于甘蔗收割造成前時(shí)相為甘蔗地塊，后時(shí)相為裸地，此類圖斑前時(shí)相應(yīng)為保留。

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

3 評(píng)估結(jié)果及誤差分析

3.1 評(píng)估結(jié)果

利用本文所述方式進(jìn)行評(píng)估所得結(jié)果與災(zāi)后政府部門(mén)所公布的受災(zāi)情況較為相近，精度達(dá)到92%以上，完全可以用于大范圍甘蔗凍災(zāi)的快速評(píng)估，為災(zāi)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(píng)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(hào)衛(wèi)星的單個(gè)像元面積為64m2，資源 02C 衛(wèi)星的單個(gè)像元面積為5.56m2。分類過(guò)程中，小于單個(gè)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(zhǎng)條形且由多個(gè)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(dāng)?shù)刂饕N植甘蔗，相對(duì)誤差較小。根據(jù)分類最大誤差計(jì)算公式：（圖斑平均周長(zhǎng)*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(píng)價(jià)，理論上高分一號(hào)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(zhǔn)確率高于93%；資源02C號(hào)衛(wèi)星分類精度最低為93.26%。

（2） 耕地誤差。由于沒(méi)有最新的國(guó)土二調(diào)數(shù)據(jù)，采用1∶10 萬(wàn)的土地利用調(diào)查數(shù)據(jù)非現(xiàn)實(shí)數(shù)據(jù)，且精度相對(duì)較低，會(huì)造成一定誤差，同時(shí)在甘蔗受災(zāi)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(guò)程中也會(huì)產(chǎn)生誤差。

4 結(jié)語(yǔ)

實(shí)驗(yàn)證明，利用本文所述方法進(jìn)行評(píng)估所得結(jié)果與災(zāi)后政府部門(mén)公布的受災(zāi)情況較為相近，精度達(dá)到92%以上，可用于大范圍甘蔗凍災(zāi)的快速評(píng)估，為災(zāi)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(shù)的發(fā)展，農(nóng)作物自然災(zāi)害遙感評(píng)估將會(huì)得到更好的應(yīng)用。

參考文獻(xiàn)：

[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(yīng)用[J].氣象，2007（11）：76-81.

[2] 江燊.依靠科技進(jìn)步，轉(zhuǎn)變?cè)鲩L(zhǎng)方式，推動(dòng)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?dú)庀鬄?zāi)害對(duì)甘蔗生產(chǎn)的影響[J].廣西農(nóng)學(xué)報(bào)，2006（3）：16-18.

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

[5] 韓素芹，劉淑梅.EOS/MODIS衛(wèi)星資料在監(jiān)測(cè)冬小麥面積中的應(yīng)用[J].天津農(nóng)學(xué)院學(xué)報(bào)，2004（2）：26-28.

[6] 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，2005（6）：49-51.

[7] 王云秀，張文宗，姚樹(shù)然，等.利用MODIS數(shù)據(jù)監(jiān)測(cè)河北省冬小麥種植信息[J].遙感技術(shù)與應(yīng)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(yīng)用線性混合模型遙感監(jiān)測(cè)冬小麥種植面積[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25（2）：136-140.

[10] 毛鵬飛.基于多遙感參數(shù)的冬小麥長(zhǎng)勢(shì)綜合監(jiān)測(cè)指標(biāo)研究[D].開(kāi)封：河南大學(xué)，2011.

[11] 郭靜，陶志，楊東.遙感技術(shù)在農(nóng)業(yè)災(zāi)害監(jiān)測(cè)中的運(yùn)用[J].吉林農(nóng)業(yè)，2009，25（2）：136-140.

[12] 東方星.我國(guó)高分衛(wèi)星與應(yīng)用簡(jiǎn)析[J].衛(wèi)星應(yīng)用，2015（3）：44-48.

[13] 李方琦.高分一號(hào)首批遙感影像發(fā)布，幅寬達(dá)國(guó)際先進(jìn)水平[J].衛(wèi)星應(yīng)用，2013（5）：62-63.

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

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

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

（責(zé)任編輯：江 艷）