李春杰

（南陽(yáng)師范學(xué)院地理科學(xué)與旅游學(xué)院，河南 南陽(yáng) 473061）

我國(guó)是農(nóng)業(yè)大國(guó)，糧食產(chǎn)量影響著國(guó)家安全和發(fā)展，農(nóng)作物的估產(chǎn)受到社會(huì)和國(guó)家政府部門(mén)的重視，而農(nóng)業(yè)遙感中農(nóng)作物種植面積的估算以及估產(chǎn)模型的建立的前提是能夠確切地識(shí)別出農(nóng)作物類型［1-3］。農(nóng)作物的估產(chǎn)有利于國(guó)家對(duì)糧食市場(chǎng)實(shí)現(xiàn)宏觀調(diào)控和制定國(guó)家農(nóng)業(yè)經(jīng)濟(jì)發(fā)展規(guī)劃，對(duì)提升農(nóng)作物生產(chǎn)管理水平、種植產(chǎn)業(yè)鏈的調(diào)整以及發(fā)展精準(zhǔn)農(nóng)業(yè)等都具有重要意義［4-6］。農(nóng)作物分類面積估算和產(chǎn)量預(yù)測(cè)是發(fā)展現(xiàn)代精準(zhǔn)農(nóng)業(yè)的重要前提和基礎(chǔ)。及時(shí)準(zhǔn)確地獲取農(nóng)作物的空間分布信息并對(duì)產(chǎn)量進(jìn)行預(yù)估，對(duì)于調(diào)整和優(yōu)化農(nóng)作物種植結(jié)構(gòu)，實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)精準(zhǔn)化智能化管理具有重要意義。遙感技術(shù)具有覆蓋面積大、重訪周期短、獲取成本相對(duì)較低、精度較高等諸多優(yōu)勢(shì)，已成為快速和準(zhǔn)確獲取農(nóng)作物空間分布和長(zhǎng)勢(shì)信息的重要手段［7-9］。

目前在大多數(shù)的遙感影像作物分類研究中，基于光譜特征的農(nóng)作物遙感識(shí)別應(yīng)用最廣泛，但由于遙感數(shù)據(jù)空間分辨率、時(shí)間分辨率、重現(xiàn)率、覆蓋范圍等方面的限制，以及普遍存在的“同物異譜、異物同譜”現(xiàn)象［10］，找到適合當(dāng)?shù)氐霓r(nóng)作物遙感識(shí)別和分類方法顯得尤為重要。

南水北調(diào)中線水源區(qū)庫(kù)區(qū)所在地南陽(yáng)市是中國(guó)糧食核心生產(chǎn)區(qū)，占全國(guó)糧食總產(chǎn)量的2.3%。庫(kù)區(qū)糧食產(chǎn)量的評(píng)估對(duì)庫(kù)區(qū)經(jīng)濟(jì)發(fā)展以及生態(tài)環(huán)境保育十分關(guān)鍵，然而該區(qū)域有關(guān)獲取遙感影像數(shù)據(jù)用于精準(zhǔn)農(nóng)業(yè)的研究幾乎是空白，因此農(nóng)作物遙感識(shí)別估產(chǎn)研究對(duì)該區(qū)農(nóng)業(yè)經(jīng)濟(jì)發(fā)展和生態(tài)環(huán)境保育意義重大［11］。本文通過(guò)遙感衛(wèi)星記錄的南水北調(diào)水源區(qū)庫(kù)區(qū)農(nóng)作物數(shù)據(jù)信息，識(shí)別農(nóng)作物的類型，建立不同環(huán)境下的估產(chǎn)模型，與遙感數(shù)據(jù)分析結(jié)果和歷年產(chǎn)量數(shù)據(jù)結(jié)合起來(lái)，實(shí)現(xiàn)庫(kù)區(qū)農(nóng)作物產(chǎn)量的估算，可為政府部門(mén)決策和精準(zhǔn)農(nóng)業(yè)發(fā)展提供依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

南水北調(diào)中線核心水源區(qū)地處中國(guó)自然地理南北過(guò)渡帶，氣候上屬亞熱帶與暖溫帶的過(guò)渡地帶，是長(zhǎng)江、淮河兩大水系支流上游發(fā)源地之一。1 月平均氣溫約1.3℃，7月平均氣溫約27.6℃，年平均氣溫約16℃，四季相對(duì)溫和，降水主要集中在6-9 月，年降水量900～1 100 mm。研究區(qū)主要地貌類型以山地、丘陵為主。土地利用現(xiàn)狀主要有水澆地、旱地、林地和灌木林地。本研究以南水北調(diào)中線水源區(qū)庫(kù)區(qū)農(nóng)作物作為研究區(qū)，范圍為距離水庫(kù)邊緣5 km范圍內(nèi)的農(nóng)業(yè)用地。

1.2 數(shù)據(jù)來(lái)源

采用的遙感數(shù)據(jù)為L(zhǎng)andsat8 OLI數(shù)據(jù)，根據(jù)研究區(qū)數(shù)據(jù)資料結(jié)合農(nóng)作物生長(zhǎng)情況，選擇2019—2020 年1 月至12 月，云量＜20%，具有代表性的遙感影像，影像數(shù)據(jù)取自美國(guó)地質(zhì)調(diào)查局網(wǎng)站以及中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心的地理空間數(shù)據(jù)云網(wǎng)站［12］，采用ENVI5.3 軟件對(duì)獲取的遙感影像進(jìn)行傳感器校準(zhǔn)、地形校正、大氣校正、輻射定標(biāo)、直方圖均衡化、影像裁剪等預(yù)處理，得到研究區(qū)的正射影像圖。此外，利用FieldSpec3地物波譜儀獲取目標(biāo)地物的電磁波信息，與衛(wèi)星圖像相結(jié)合來(lái)辨別作物類型。在獲取遙感數(shù)據(jù)的同時(shí)，還要進(jìn)行實(shí)地考察了解當(dāng)農(nóng)作物長(zhǎng)勢(shì)。

2 實(shí)驗(yàn)分析方法

不同的農(nóng)作物吸收或反射的電磁波波長(zhǎng)是不同的。先結(jié)合農(nóng)作物的光譜特征進(jìn)行遙感圖像的處理和解譯，用目標(biāo)地物遙感分析結(jié)果與遙感數(shù)據(jù)庫(kù)相似的作物進(jìn)行匹配，分析出農(nóng)作物的類型，并對(duì)農(nóng)作物長(zhǎng)勢(shì)進(jìn)行評(píng)估，進(jìn)而在農(nóng)作物收獲前進(jìn)行產(chǎn)量估算。實(shí)驗(yàn)中所提取的信息主要有：目標(biāo)地物類別信息、地物成分分析、單一地物目標(biāo)信息、地物變化信息（見(jiàn)表1）。研究中建立了小麥、花生、油菜、芝麻、蔬菜等主要農(nóng)作物遙感識(shí)別特征集合，并在此基礎(chǔ)上進(jìn)行特征優(yōu)選和分類實(shí)驗(yàn)，建立農(nóng)作物的空間識(shí)別特征，并選擇合適的空間特征，運(yùn)用隨機(jī)森林分類模型和面向?qū)ο蠓诸惙椒ㄟM(jìn)行識(shí)別分類，并對(duì)分類結(jié)果進(jìn)行分析，最后進(jìn)行分類結(jié)果精度評(píng)價(jià)。

表1 遙感信息提取的類型

2.1 農(nóng)作物識(shí)別

不同的農(nóng)作物，其內(nèi)部組織結(jié)構(gòu)也是不同的，作物的生長(zhǎng)環(huán)境和季節(jié)的差異，都會(huì)使同種作物出現(xiàn)不同的波譜特征［13］。首先利用遙感圖像區(qū)分出農(nóng)作物和非農(nóng)作物，然后在農(nóng)作物區(qū)將作物進(jìn)行分類。另外，利用遙感技術(shù)識(shí)別農(nóng)作物類型，要結(jié)合當(dāng)?shù)氐募竟?jié)及農(nóng)作物種植年度的變化規(guī)律。識(shí)別農(nóng)作物類型的方法有：一是每種農(nóng)作物都具有自身獨(dú)特的組織結(jié)構(gòu)，可以根據(jù)不同農(nóng)作物近紅外波段反射率的差異進(jìn)行農(nóng)作物的種類識(shí)別；二是利用多時(shí)相遙感技術(shù)來(lái)區(qū)分不同種類的農(nóng)作物［14-15］。通過(guò)遙感圖像分析計(jì)算出的植被指數(shù)分別是差值植被指數(shù)（DVI）、土壤調(diào)節(jié)植被指數(shù)（SAVI）、歸一化植被指數(shù)（ND?VI）、比值植被指數(shù)（RVI）（表2）。

表2 光譜計(jì)算的農(nóng)作物識(shí)別能力分析

進(jìn)行研究區(qū)天然草地植被指數(shù)的計(jì)算，計(jì)算公式如下：

其中，RED 為紅波段；NIR 為近紅外波段；L為減少土壤背景影響而設(shè)的土壤調(diào)節(jié)參數(shù)，取值為0.5，根據(jù)研究需要將差值環(huán)境植被指數(shù)進(jìn)行歸一化處理。

2.2 農(nóng)作物遙感估產(chǎn)

結(jié)合區(qū)域背景，了解當(dāng)?shù)氐姆N植歷史，統(tǒng)計(jì)出年度種植變化規(guī)律并結(jié)合往年的統(tǒng)計(jì)記錄，收集整理出丹江口地區(qū)近3 年的農(nóng)作物種植情況及其產(chǎn)量。農(nóng)作物遙感產(chǎn)量估算主要包含三方面內(nèi)容：先識(shí)別出農(nóng)作物的種類；估算同一種類農(nóng)作物的種植面積；根據(jù)農(nóng)作物的光譜特征曲線，分析農(nóng)作物的長(zhǎng)勢(shì)并建立特定環(huán)境下的估產(chǎn)模型，進(jìn)而計(jì)算出農(nóng)作物的產(chǎn)量。利用遙感圖像處理軟件從遙感圖像上根據(jù)農(nóng)作物的色調(diào)、結(jié)構(gòu)等差異對(duì)作物進(jìn)行分類［16］，整理出作物的分布圖。然后計(jì)算出各類農(nóng)作物的種植面積，再結(jié)合生長(zhǎng)環(huán)境對(duì)其產(chǎn)量進(jìn)行估算。結(jié)合往年的農(nóng)作物產(chǎn)量，建立農(nóng)作物的長(zhǎng)勢(shì)情況和農(nóng)作物產(chǎn)量之間的關(guān)系模型，然后計(jì)算出農(nóng)作物的產(chǎn)量。

3 結(jié)果與討論

3.1 農(nóng)作物識(shí)別分析

根據(jù)近紅外波段與紅光波段的反射率進(jìn)行計(jì)算，識(shí)別能力計(jì)算結(jié)果由表2 可以看出，4 種植被指數(shù)識(shí)別農(nóng)作物的能力大小依次順序?yàn)?RVI＞NDVI＞SAVI＞DVI。由表3 可以看出，從分類精度的角度來(lái)看小麥＞花生＞蔬菜＞芝麻＞油菜。花生、蔬菜、芝麻和油菜種植的地塊面積都相對(duì)較小，邊緣地帶會(huì)與周邊地物形成混合像元，產(chǎn)生識(shí)別不準(zhǔn)確的現(xiàn)象，造成誤差的上升。實(shí)地勘察發(fā)現(xiàn)，水源區(qū)庫(kù)區(qū)周邊油菜種植規(guī)模較小，并呈現(xiàn)斑塊化分布，很多道路周?chē)?、荒地中都有零星分布，從而?dǎo)致油菜的提取和識(shí)別誤差較大。變化檢測(cè)法提取冬小麥誤差較小，變化檢測(cè)法可以排除同期常綠植物的干擾，而從裸地變?yōu)橹脖坏闹挥行←満褪卟?，因此變化檢測(cè)法則能準(zhǔn)確地識(shí)別與提取小麥地塊信息。

表3 丹江口庫(kù)區(qū)農(nóng)作物識(shí)別統(tǒng)計(jì)

3.2 農(nóng)作物識(shí)產(chǎn)量評(píng)估

依據(jù)農(nóng)作物種植結(jié)構(gòu)的調(diào)整情況，利用遙感圖像處理并結(jié)合當(dāng)?shù)貙?shí)際，建立南水北調(diào)中線水源區(qū)庫(kù)區(qū)的產(chǎn)量評(píng)估模型，計(jì)算出各種農(nóng)作物的產(chǎn)量。筆者主要以小麥、花生、油菜、芝麻、蔬菜作為研究分析對(duì)象。由表4 可知，其中小麥的種植面積為10 866.7 hm2，總產(chǎn)量為4.5萬(wàn)t；花生種植面積為1 400.0 hm2，總產(chǎn)量為0.3 萬(wàn)t；油菜的種植面積為3 733.4 hm2，總產(chǎn)量為0.7 萬(wàn)t；芝麻的種植面積為1 866.7 hm2，總產(chǎn)量為0.2 萬(wàn)t；蔬菜的種植面積為2 167.6 hm2，總產(chǎn)量為11.2萬(wàn)t。

表4 丹江口庫(kù)區(qū)農(nóng)作物估產(chǎn)統(tǒng)計(jì)表

4 結(jié)語(yǔ)

遙感監(jiān)測(cè)是獲取主要農(nóng)作物空間分布、種植面積和產(chǎn)量等信息的重要技術(shù)手段。準(zhǔn)確獲取小麥、花生、油菜、芝麻等主要作物的空間分布、種植面積并進(jìn)行常量估算，對(duì)我國(guó)糧食安全和社會(huì)經(jīng)濟(jì)發(fā)展具有重要意義。從識(shí)別能力來(lái)看各種方法：RVI＞NDVI＞SAVI＞DVI；從分類精度來(lái)看：小麥＞花生＞蔬菜＞芝麻＞油菜。季節(jié)和種植位置的不同都會(huì)造成植物呈現(xiàn)不同的光譜特征，這些都影響了遙感精確度的提高。此外，目前尚未建立完整的遙感波譜云數(shù)據(jù)庫(kù)，還需將遙感波譜數(shù)據(jù)進(jìn)行歸納整理，形成一套完整的遙感波譜數(shù)據(jù)庫(kù)，并需研發(fā)遙感圖像自動(dòng)識(shí)別程序，得出農(nóng)作物的類型、面積，建立估產(chǎn)模型，應(yīng)該是學(xué)科研究的重點(diǎn)。