安塞 沈彥俊 趙彥茜 郭英 郭碩 肖捷穎
摘要:歸一化植被指數(shù)(NDVI)是利用遙感技術(shù)提取作物信息的重要指標(biāo),其時序曲線能反映植被的生長變化,在農(nóng)作物種植面積信息提取上有較大優(yōu)勢。以河北平原為研究區(qū),利用空間分辨率250 m的MODIS NDVI數(shù)據(jù)提取2011—2016年冬小麥種植面積。首先利用HANTS濾波建立NDVI時序曲線,結(jié)合區(qū)域物候信息和種植模式,提取冬小麥種植像元。因MODIS影像空間分辨率較低,結(jié)果受混合像元影響大。運用像元二分模型分解混合像元,計算單一像元冬小麥覆蓋度進(jìn)而計算研究區(qū)冬小麥種植面積,并利用Landsat數(shù)據(jù)對結(jié)果進(jìn)行驗證。結(jié)果表明,利用時間序列諧波分析法(HANTS)濾波和像元二分模型相結(jié)合可提高冬小麥種植面積提取精度,總體分類精度達(dá)90%以上;2011—2016年河北平原冬小麥種植面積總體減少,其中河北平原北部和山前平原冬小麥面積縮減,近海平原呈增長趨勢。
關(guān)鍵詞:冬小麥;種植面積;面積提取;河北平原;HANTS濾波;NDVI時序曲線;像元二分模型
中圖分類號: TP79;S127
文獻(xiàn)標(biāo)志碼: A
文章編號:1002-1302(2019)15-0236-05
河北平原是我國重要糧食產(chǎn)區(qū)之一,及時、準(zhǔn)確獲取河北平原冬小麥種植面積及變化信息意義重大。遙感是農(nóng)業(yè)資源監(jiān)測的重要手段之一[1-2],能快速、準(zhǔn)確獲取作物種植面積,可研究不同時空尺度農(nóng)作物的分布及動態(tài)變化。冬小麥?zhǔn)俏覈狈降闹饕Z食作物[3],尤其河北平原,及時獲取種植面積及變化信息,不僅涉及國家糧食安全,還關(guān)系到京津冀及雄安新區(qū)的區(qū)域生態(tài)環(huán)境問題[4]。20世紀(jì)70年代,美國LACIE利用Landsat影像和航空影像,統(tǒng)計主要農(nóng)作物面積[5]。歐盟在1987年發(fā)起農(nóng)業(yè)遙感監(jiān)測,法國、加拿大追隨其后[6]。我國農(nóng)業(yè)遙感監(jiān)測始于20世紀(jì)80年代,集中在黃淮海平原[7],包括作物種類、種植面積、空間分布等[8]。
單一時相遙感數(shù)據(jù)僅能獲得地表農(nóng)作物某一時期光譜特征,而農(nóng)作物在不同生長階段有不同的光譜特征,多時相遙感數(shù)據(jù)可以反映同種農(nóng)作物不同生長階段的光譜特征,避免了同譜異物現(xiàn)象[9-10]。因此,時間序列數(shù)據(jù)被廣泛種植面積提取、農(nóng)業(yè)遙感監(jiān)測等方面。由于歸一化植被指數(shù)(normalized difference vegetation index,NDVI)可以有效地反映農(nóng)作物生長特征,因此NDVI被廣泛應(yīng)用于種植信息提取研究[11-12]。其中,NDVI時間序列曲線可提供農(nóng)作物動態(tài)變化信息,許多學(xué)者將其大量應(yīng)用于種植面積提取[13-14],黃青等分析了江蘇省冬小麥物候和NDVI時序曲線特征,確定了冬小麥信息提取的NDVI閾值,建立決策樹提取冬小麥種植面積,獲得精度較高的結(jié)果[15]。
河北平原是我國小麥主要種植區(qū)之一,該區(qū)域冬小麥種植面積提取一直是研究熱點。楊小喚等利用不同時相NDVI數(shù)據(jù)提取北京市冬小麥種植面積,結(jié)果表明,不同生育期不同作物NDVI有明顯差異,通過分析NDVI值峰值大小和位置即可區(qū)分不同作物[16]。Zhang等利用NDVI時序曲線提取北京、天津、河北冬小麥種植面積,結(jié)果表明該方法在縣域尺度有較好的結(jié)果[17]。鄒金秋等探討了河北省藁城市不同物候期冬小麥EVI值的差異,結(jié)果表明提取河北平原冬小麥種植面積的最佳時期為出苗期與抽穗期[18]。張榮群等根據(jù)NDVI時序曲線確定冬小麥最佳NDVI閾值,建立決策樹提取河北省曲周縣冬小麥種植面積,總體分類精度在89%左右[19]。潘學(xué)鵬等使用HANTS(時間序列諧波分析法)重建NDVI時序曲線,結(jié)合復(fù)種指數(shù)提取2000—2013年華北平原冬小麥種植面積[20]。還有研究利用增強(qiáng)植被指數(shù)(EVI)建立時序曲線提取冬小麥面積信息[21-24]。
由于MODIS影像數(shù)據(jù)分辨率較粗,混合像元成為冬小麥種植面積提取的難點之一。許青云等利用S-G濾波建立NDVI時序曲線,結(jié)合物候特征構(gòu)建動態(tài)閾值的方法提取陜西省冬小麥種植面積,使用IDL中的尋優(yōu)函數(shù)對混合像元進(jìn)行分解,使用空間和定量2種方式對結(jié)果進(jìn)行驗證,總體精度在88%左右[25]。王連喜等基于決策樹與混合像元分解的方法提取江蘇省冬小麥面積[26]。雖然已有很多提高信息提取精度的嘗試,但混合像元仍是影響精度的主要因素。
MODIS數(shù)據(jù)具有較高的時間、空間分辨率,能反映冬小麥物候特征和生長規(guī)律,適合冬小麥面積提取。本研究首先利用HANTS濾波構(gòu)建NDVI時間序列曲線,分析不同作物物候特征,采用監(jiān)督分類方法初步提取冬小麥種植范圍;為降低混合像元影響,運用像元二分模型進(jìn)一步精確提取冬小麥種植面積,利用高分辨率遙感影像對結(jié)果進(jìn)行驗證,最后分析2011—2016年河北平原冬小麥種植面積變化特征,為區(qū)域農(nóng)業(yè)管理、種植結(jié)構(gòu)調(diào)整等政策的提出和生態(tài)問題的治理提供基礎(chǔ)數(shù)據(jù)和理論支撐。
1 研究區(qū)概況與數(shù)據(jù)來源
1.1 研究區(qū)概況
河北平原東瀕渤海,西抵太行山,北起燕山,南至漳河,內(nèi)含京、津,面積約8.2萬km2(圖1)。地勢平坦,海拔多低于50 m,土壤類型主要為棕壤和褐土。屬于溫帶大陸性季風(fēng)氣候,年均降水量400~500 mm,集中在夏季,占全年70%左右,年均氣溫10.0~14.2 ℃。冬小麥—夏玉米1年2熟制是河北平原主要耕作制度,該地區(qū)主要糧食作物為小麥、玉米。
1.2 數(shù)據(jù)來源
本研究使用的遙感數(shù)據(jù)為MOD13Q1數(shù)據(jù),該數(shù)據(jù)為 16 d 合成、空間分辨率250 m的MODIS產(chǎn)品,時間尺度為
2011—2016年,源于美國國家航空航天局(NASA)(http://reverb.echo.nasa.gov),數(shù)據(jù)預(yù)處理使用MODIS Reprojection Tool提取NDVI波段并將覆蓋研究區(qū)的4軌數(shù)據(jù)進(jìn)行拼接,坐標(biāo)系選取WGS84,像素為250 m,進(jìn)而使用研究區(qū)矢量邊界進(jìn)行裁剪;Landsat TM/OIL數(shù)據(jù)空間分辨率30 m,選取2011—2016年4、5月晴日無云圖像并進(jìn)行幾何校正、大氣校正,數(shù)據(jù)源于美國地質(zhì)調(diào)查局(http://glovis.usgs.gov)。
2 研究方法
本研究首先使用HANTS濾波構(gòu)建NDVI時間序列曲線,根據(jù)曲線特征和物候特征初步提取冬小麥種植范圍;然后利用像元二分模型對冬小麥初步提取結(jié)果進(jìn)行混合像元分解,精確提取冬小麥種植面積;最后利用Landsat TM/OLI數(shù)據(jù)建立混淆矩陣對提取結(jié)果進(jìn)行驗證。
2.1 HANTS時間序列諧波分析法
MODIS NDVI時間序列數(shù)據(jù)受云和其他噪聲的影響會產(chǎn)生鋸齒狀的波動,無法應(yīng)用于時間序列分析,因此須要去除噪聲影響,平滑時間序列曲線。HANTS濾波可以有效去除周期性波動噪聲[27-30],恢復(fù)異常值,主要原理是通過傅里葉變換和最小二乘法擬合對NDVI值進(jìn)行時間插值獲取連續(xù)時序數(shù)據(jù)。本研究使用荷蘭Geospatial Data Service Centre(GDSC)的HANTS軟件,控制參數(shù)包括高低閾值、時間跨度、頻率數(shù)、曲線匹配閾值和剩余點數(shù)。根據(jù)研究區(qū)種植制度及MODIS數(shù)據(jù)特征將控制參數(shù)設(shè)定為-3 000~10 000、23、2、1 000和8。
2.2 像元二分模型
像元二分模型將傳感器接收的信息分為植被和裸地[31],假設(shè)像元植被覆蓋度為fc,裸地則為(1-fc),混合像元中植被覆蓋信息為植被部分與fc的乘積,裸地覆蓋信息為裸地部分與(1-fc)的乘積。NDVI與植被覆蓋度有較高的擬合度[32],因此,可基于NDVI值對冬小麥覆蓋度進(jìn)行計算,公式如下:
式中:NDVIwheat為冬小麥完全覆蓋像元的NDVI值,NDVInon-wheat為無冬小麥覆蓋像元NDVI值,分別為冬小麥種植區(qū)域內(nèi)NDVI的最大值和最小值,為避免噪聲影響,取給定置信區(qū)間內(nèi)的最大值和最小值。利用ENVI軟件得到影像NDVI頻率累計表,取頻率為95%的值為NDVIwheat,取頻率為5%的值為NDVInon-wheat。為提高精度,根據(jù)冬小麥種植情況將研究區(qū)分為河北平原北部、太行山前平原和近海平原(圖2),每年分別提取NDVIwheat和NDVInon-wheat。
2.3 冬小麥面積計算
利用所得像元數(shù)和覆蓋度計算種植面積:
式中:Swheat為小麥面積;Spixel為單個像元面積;fc為小麥覆蓋度。
3 結(jié)果與分析
3.1 不同地類NDVI時序曲線特征
NDVI時序曲線特征如圖3所示,據(jù)農(nóng)作物物候特征判斷雙峰曲線代表冬小麥—夏玉米地類,第1個峰值出現(xiàn)在4月中旬,第2個峰值在9月下旬,峰谷在6月下旬;僅在4月中旬出現(xiàn)峰值的是單季冬小麥,只在9月下旬出現(xiàn)峰值的是單季夏玉米。單峰曲線且4月下旬至10月上旬NDVI值在0.6以上為林地。單峰型結(jié)構(gòu),峰值出現(xiàn)在8月上旬的為其他作物,主要為棉花和春玉米。NDVI值全年無明顯變化且在0.2以下是建筑用地及水體。
3.2 像元二分模型提取冬小麥面積
圖4為HANTS濾波提取的冬小麥種植像元,由結(jié)果可知冬小麥主要分布在河北平原南部平原區(qū),北部平原區(qū)分布較少;山前平原、平原區(qū)北部2011—2016年冬小麥種植面積逐年減少,東部沿海區(qū)小麥面積有所增長。
根據(jù)HANT濾波提取的冬小麥像元范圍制作掩膜,使用MODIS NDVI數(shù)據(jù)與冬小麥掩膜文件提取冬小麥NDVI值,利用公式(1)計算冬小麥覆蓋度(圖5)。山前平原區(qū)冬小麥像元最多,覆蓋度集中于0.8~1.0之間;近海平原冬小麥像元較多,但覆蓋度多集中在0.6~0.8之間;河北平原北部冬小麥像元較集中,覆蓋度在0.4~0.8之間。利用公式(2)計算2011—2016年冬小麥種植面積,分別為236.51萬、231.08萬、225.19萬、226.89萬、221.78萬、217.73萬hm2。
利用30 m分辨率Landsat影像對2011—2016年冬小麥面積提取結(jié)果進(jìn)行評價,選每年4月19日或5月5日影像,選取訓(xùn)練區(qū)建立混淆矩陣得到總體精度和κ系數(shù)(表1)。2011—2016年總體分類精度均大于90%,κ系數(shù)大于0.84,表明冬小麥像元提取可信度較高。
潘學(xué)鵬[33]、黃青等[34]利用MODIS NDVI時序曲線提取華北平原冬小麥面積,提取精度分別為85%、81%,但未考慮混合像元對面積統(tǒng)計的影響。本研究引入像元二分模型,在NDVI時序曲線提取冬小麥像元的基礎(chǔ)上,對像元進(jìn)行分解,精確計算每個像元冬小麥面積,精度有所提高。本研究的提取結(jié)果精度雖然比現(xiàn)有研究高,但仍有誤差存在,主要來源為:NDVI時序曲線不能完全反映全區(qū)域冬小麥的物候特征,因此會造成一定的誤差;另外,像元二分模型NDVI閾值的不確定性,在計算小麥覆蓋度時會產(chǎn)生誤差;本研究使用的MODIS數(shù)據(jù)空間分辨率為250 m,會出現(xiàn)“同譜異物”現(xiàn)象,降低冬小麥面積提取精度。
3.3 河北平原冬小麥面積變化分析
2011—2016年冬小麥種植面積呈下降趨勢(圖6),減少18.79萬hm2。河北平原北部(編號1)主要包括北京、天津及廊坊,近海平原(編號2)主要為滄州和衡水,太行山前平原(編號3)包括保定、石家莊、邢臺及邯鄲。北部小麥種植面積緩慢減小,從2011年的17.51萬hm2縮減至14.98萬hm2。北部冬小麥面積僅占研究區(qū)小麥總面積的7.10%,因城市化進(jìn)程較快導(dǎo)致農(nóng)業(yè)用地轉(zhuǎn)化為建筑用地和工業(yè)用地,也有因農(nóng)業(yè)收益較低而出現(xiàn)棄耕現(xiàn)象。近海平原冬小麥面積呈增長趨勢,由2011年的50.75萬hm2增加到2016年的66.96萬hm2,該地區(qū)有中低產(chǎn)田及鹽堿荒地,自2013年啟動渤海糧倉科技示范工程對該地區(qū)種植模式進(jìn)行改良,使冬小麥種植面積增加。太行山前平原小麥種植面積占研究區(qū)小麥面積的67%左右,呈快速減小趨勢,由2011年的168.25萬hm2縮減至135.79萬hm2。主要原因是2014年河北省政府公布的平原區(qū)地下水超采區(qū)、禁采區(qū)和限采區(qū)主要在保定、石家莊、邢臺和邯鄲,由冬小麥轉(zhuǎn)為用水量相對低的玉米和其他經(jīng)濟(jì)作物,導(dǎo)致冬小麥面積減少。
4 結(jié)論
HANTS濾波與像元二分模型相結(jié)合精確提取中低分辨率影像冬小麥種植面積有效可行,總體分類精度在91%以上,今后研究中可選取更高分辨率影像修正分類結(jié)果或增加野外實測樣本,進(jìn)一步提高信息提取精度。
河北平原冬小麥種植主要分布在太行山前平原及近海平原,占研究區(qū)小麥種植面積的66%和29%,而河北平原北部冬小麥種植面積較小。
2011—2016年冬小麥種植面積整體下降:河北平原北部的下降與城市化進(jìn)展及低收益導(dǎo)致的棄耕有關(guān),太行山前平原多與地下水壓采政策有關(guān),而近海平原區(qū)的增長是因近年“渤海糧倉計劃”對鹽堿地的修復(fù)。
參考文獻(xiàn):
[1]權(quán)文婷,王 釗. 冬小麥種植面積遙感提取方法研究[J]. 國土資源遙感,2013,25(4):8-15.
[2]吳炳方. 中國農(nóng)情遙感速報系統(tǒng)[J]. 遙感學(xué)報,2004,8(6):481-497.
[3]張佳華,胡小夏,劉學(xué)鋒,等. 基于MODIS數(shù)據(jù)提取華北典型區(qū)冬小麥種植面積[J]. 中國科學(xué)院大學(xué)學(xué)報,2013,30(5):637-643.
[4]王紅營. 基于遙感的華北平原農(nóng)業(yè)土地利用時空變化特征及驅(qū)動力分析[D]. 石家莊:河北師范大學(xué),2016.
[5]王紅營,潘學(xué)鵬,羅建美,等. 基于遙感的華北平原農(nóng)作物時空分布變化特征分析[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報,2015,23(9):1199-1209.
[6]范 磊,程永正,王來剛,等. 基于多尺度分割的面向?qū)ο蠓诸惙椒ㄌ崛《←湻N植面積[J]. 中國農(nóng)業(yè)資源與區(qū)劃,2010,31(6):44-51.
[7]姜亞珍,張瑜潔,孫 琛,等. 基于MODIS-EVI黃淮海平原冬小麥種植面積分帶提取[J]. 資源科學(xué),2015,37(2):417-424.
[8]Xiao X,Stephen B,Liu J,et al. Mapping paddy rice agriculture in southern china using multi-temporal MODIS images[J]. Remote Sensing of Environment,2005,95:480-492.
[9]Wardlow B D,Egbert S L,Kastens J H. Analysis of time-series MODIS 250 m vegetation index data for crop classification in the U.S. Central Great Plains[J]. Remote Sensing of Environment,2007,108(3):290-310.
[10]Lunetta R S,Knight J F,Ediriwickrema J. Land-cover characterization and change detection using multi-temporal MODIS NDVI data[J]. Remote Sensing of Environment,2006,105(2):142-154.
[11]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.
[12]王 磊,王 賀,盧艷麗,等. NDVI在農(nóng)作物監(jiān)測中的研究與應(yīng)用[J]. 中國農(nóng)業(yè)資源與區(qū)劃,2013,34(4):43-50.
[13]葛廣秀,李衛(wèi)國,景元書. 基于NDVI密度分割的冬小麥種植面積提取[J]. 麥類作物學(xué)報,2014,34(7):997-1002.
[14]平躍鵬,臧淑英. 基于MODIS時間序列及物候特征的農(nóng)作物分類[J]. 自然資源學(xué)報,2016,31(3):503-513.
[15]黃 青,吳文斌,鄧 輝,等. 2009年江蘇省冬小麥和水稻種植面積信息遙感提取及長勢監(jiān)測[J]. 江蘇農(nóng)業(yè)科學(xué),2010(6):508-511.
[16]楊小喚,張香平,江 東. 基于MODIS時序NDVI特征值提取多作物播種面積的方法[J]. 資源科學(xué),2004(6):17-22.
[17]Zhang M,Zhou Q,Chen Z,et al. Crop discrimination in Northern China with double cropping systems using fourier analysis of time-series MODIS data[J]. International Journal of Applied Earth Observation & Geo-Information,2008,10(4):476-485.
[18]鄒金秋,陳佑啟,Uchida S,等. 利用Terra/MODIS數(shù)據(jù)提取冬小麥面積及精度分析[J]. 農(nóng)業(yè)工程學(xué)報,2007,23(11):195-200.
[19]張榮群,王盛安,高萬林,等. 基于時序植被指數(shù)的縣域作物遙感分類方法研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報,2015,46(增刊1):246-252.
[20]潘學(xué)鵬,李改欣,劉峰貴,等. 華北平原冬小麥面積遙感提取及時空變化研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報,2015,23(4):497-505.
[21]陳 健,劉云慧,宇振榮. 基于時序MODIS-EVI數(shù)據(jù)的冬小麥種植信息提取[J]. 中國農(nóng)學(xué)通報,2011(1):446-450.
[22]張 霞,帥 通,楊 杭,等. 基于MODIS EVI圖像時間序列的冬小麥面積提取[J]. 農(nóng)業(yè)工程學(xué)報,2010,26(增刊1):220-224.
[23]張明偉,周清波,陳仲新,等. 基于MODIS EVI時間序列的冬小麥長勢監(jiān)測[J]. 中國農(nóng)業(yè)資源與區(qū)劃,2007(2):29-33.
[24]王 學(xué),李秀彬,談明洪,等. 華北平原2001—2011年冬小麥播種面積變化遙感監(jiān)測[J]. 農(nóng)業(yè)工程學(xué)報,2015,31(8):190-199.
[25]許青云,楊貴軍,龍慧靈,等 基于MODIS NDVI多年時序數(shù)據(jù)的農(nóng)作物種植識別[J]. 農(nóng)業(yè)工程學(xué)報,2014,30(11):134-144.
[26]王連喜,徐勝男,李 琪,等. 基于決策樹和混合像元分解的江蘇省冬小麥種植面積提取[J]. 農(nóng)業(yè)工程學(xué)報,2016,32(5):182-187.
[27]梁守真,施 平,邢前國. MODIS NDVI時間序列數(shù)據(jù)的去云算法比較[J]. 國土資源遙感,2011(1):33-36.
[28]劉倩楠,岳彩榮,歐陽志云,等. 基于MODIS-NDVI時序數(shù)據(jù)的重慶市植被變化研究[J]. 測繪與空間地理信息,2012,35(3):99-102.
[29]Roerink G,Menenti M. Time series of satellite data:development of new products[R]. FAO,2000.
[30]李苗苗,吳炳方,顏長珍,等. 密云水庫上游植被覆蓋度的遙感估算[J]. 資源科學(xué),2004(4):153-159.
[31]佟斯琴,包玉海,張巧鳳,等. 基于像元二分法和強(qiáng)度分析方法的內(nèi)蒙古植被覆蓋度時空變化規(guī)律分析[J]. 生態(tài)環(huán)境學(xué)報,2016,25(5):737-743.
[32]魏石磊,翟 亮,桑會勇,等. 像元分解模型的植被覆蓋度遙感估算[J]. 測繪科學(xué),2016(1):139-143.
[33]潘學(xué)鵬. 華北平原主要作物遙感提取及時空變化研究[D]. 西寧:青海師范大學(xué),2015.
[34]黃 青,李丹丹,陳仲新,等. 基于MODIS數(shù)據(jù)的冬小麥種植面積快速提取與長勢監(jiān)測[J]. 農(nóng)業(yè)機(jī)械學(xué)報,2012,43(7):163-167. 丁素明,薛新宇,孫 竹,等. 梨樹枝條粉碎機(jī)切削系統(tǒng)工作參數(shù)的優(yōu)化[J]. 江蘇農(nóng)業(yè)科學(xué),2019,47(15):241-246.