周俊利 楊振

（河南省遙感測(cè)繪院，河南 鄭州 450003）

1 引言

我國(guó)是農(nóng)業(yè)大國(guó)，同時(shí)也是糧食需求大國(guó)，及時(shí)、準(zhǔn)確地獲取農(nóng)作物種植面積及空間分布是關(guān)系社會(huì)發(fā)展、農(nóng)業(yè)政策、國(guó)家糧食安全等的重要問(wèn)題[1]。如何準(zhǔn)確獲取高原地區(qū)農(nóng)作物種植面積一直是農(nóng)業(yè)調(diào)查工作的重中之重。傳統(tǒng)的農(nóng)作物種植面積信息獲取不僅費(fèi)時(shí)費(fèi)力、效率低下，而且難以獲取準(zhǔn)確面積[2]。遙感技術(shù)是一種遠(yuǎn)距離、非接觸的探測(cè)技術(shù)，具有重訪周期短、覆蓋范圍廣、現(xiàn)勢(shì)性強(qiáng)、數(shù)據(jù)獲取與處理簡(jiǎn)便等優(yōu)勢(shì)，為農(nóng)作物信息的精準(zhǔn)獲取提供了強(qiáng)有力的手段[3]。近年來(lái)，農(nóng)業(yè)遙感的應(yīng)用越來(lái)越廣泛，使遙感技術(shù)成為快速、準(zhǔn)確獲取農(nóng)情信息的主要途徑[4-6]?；谶b感影像的農(nóng)作物分類(lèi)與提取是目前農(nóng)業(yè)遙感領(lǐng)域的熱點(diǎn)問(wèn)題[7,8]。張有智等采用人工目視解譯與計(jì)算機(jī)自動(dòng)分類(lèi)方法對(duì)水稻進(jìn)行提取，結(jié)果顯示計(jì)算機(jī)自動(dòng)分類(lèi)的精度與人工目視解譯精度相似，但效率提高十倍[9]。計(jì)算機(jī)自動(dòng)分類(lèi)已經(jīng)成為目前應(yīng)用最廣泛的農(nóng)作物分類(lèi)方法，較常用的分類(lèi)方法為決策樹(shù)分類(lèi)、最大似然法分類(lèi)、隨機(jī)森林分類(lèi)、支持向量機(jī)分類(lèi)等[10]。面向?qū)ο蠓诸?lèi)方法是近年提出的一種新的分類(lèi)方法，是一種基于目標(biāo)的分類(lèi)方法，可以充分利用高分辨率影像的空間信息，綜合考慮光譜特征、形狀、大小、紋理特征等一系列因素，并對(duì)多種特征進(jìn)行綜合計(jì)算與分類(lèi)識(shí)別，得到具有較高精度的分類(lèi)成果[11]。目前國(guó)內(nèi)專(zhuān)家學(xué)者利用面向?qū)ο蠓诸?lèi)方法開(kāi)展了大量農(nóng)作物種植面積提取研究[12-15]，然而我國(guó)西部山區(qū)的農(nóng)作物遙感提取研究較少，其難點(diǎn)在于山地地區(qū)的農(nóng)作物易受林草影響出現(xiàn)錯(cuò)分類(lèi)現(xiàn)象，同時(shí)受山區(qū)陰影影響，也會(huì)降低農(nóng)作物分類(lèi)精度[16]。

歐空局發(fā)布的Sentinel-2A/B 影像具有重訪周期短、波段多、波普范圍廣等優(yōu)勢(shì)[17]，在農(nóng)業(yè)遙感中已有大量應(yīng)用[18,19]。張掖市位于我國(guó)西北部高原地區(qū)，農(nóng)作物多種植在山谷、山坡、河灘地，相對(duì)于平原以及盆地地區(qū)，傳統(tǒng)的分類(lèi)方法容易出現(xiàn)錯(cuò)分漏分情況，基于此，本研究選用Sentinel-2 哨兵多光譜影像，采用多波段組合的紅邊指數(shù)作為改進(jìn)的指數(shù)特征參與到面向?qū)ο蠓诸?lèi)中，以此提高農(nóng)作物分類(lèi)精度。

2 研究區(qū)及數(shù)據(jù)

2.1 研究區(qū)介紹

張掖市位于甘肅省西北部，河西走廊中段，地處東經(jīng)97°20′～102°12′，北緯37°28′～39°57′，東靠武威、金昌，西至嘉峪關(guān)、酒泉，南與青海省接壤，北和內(nèi)蒙古毗鄰。張掖市屬冷溫帶干旱和祁連山高寒帶半干旱半濕潤(rùn)兩種氣候類(lèi)型。其特點(diǎn)是夏季短而酷熱，冬季長(zhǎng)而嚴(yán)寒，干旱少雨，且降水分布不均，晝夜溫差大。張掖有全國(guó)第二大內(nèi)陸河黑河水灌溉，地勢(shì)平坦，土壤肥沃，物產(chǎn)豐饒，以烏江米為有名，盛產(chǎn)小麥、玉米、水稻、油菜、胡麻等農(nóng)作物，為全國(guó)重點(diǎn)建設(shè)的12 個(gè)商品糧基地之一。

2.2 數(shù)據(jù)及預(yù)處理

本研究采用的數(shù)據(jù)為Sentinel-2 多光譜影像，下載地址為歐空局哨兵數(shù)據(jù)下載官網(wǎng)（https://scihub.copernicus.eu/）。Sentinel-2 是高分辨率多光譜成像衛(wèi)星，攜帶一枚多光譜成像儀（MSI），用于陸地監(jiān)測(cè)。Sentinel-2 分為2A 和2B 兩顆衛(wèi)星，一顆衛(wèi)星重訪周期為10 天，兩顆協(xié)同拍攝，重訪周期為5 天。Sentinel-2 衛(wèi)星影像具有13 個(gè)波段，是唯一一顆在紅邊范圍具有3 個(gè)波段的衛(wèi)星，Sentinel-2 衛(wèi)星影像具有覆蓋范圍廣、波段多、分辨率高等優(yōu)點(diǎn)，用于陸地監(jiān)測(cè)，可提供植被、土壤和水覆蓋、內(nèi)陸水路及海岸區(qū)域等圖像，Sentinel-2 影像預(yù)處理利用Python代碼進(jìn)行重采樣及轉(zhuǎn)投影，最終得到IMG 或者TIFF 格式的WGS1984 坐標(biāo)系的柵格影像。

3 理論與方法

面向?qū)ο蠓椒ǖ奶崛☆?lèi)似決策樹(shù)的構(gòu)思，從簡(jiǎn)到繁，先剔除其他無(wú)關(guān)信息，再經(jīng)過(guò)多次篩選找出有用的地物類(lèi)別，實(shí)現(xiàn)地物的分層提取。與傳統(tǒng)分類(lèi)方法相比其最大的不同是：面向?qū)ο蠓诸?lèi)方法的操作尺度單元不是基于單個(gè)像素，而是基于影像對(duì)象。面向?qū)ο蠓诸?lèi)方法分為：多尺度分割、特征選擇、規(guī)則建立與分類(lèi)。面向?qū)ο蠓诸?lèi)具體流程如圖1 所示。

圖1 面向?qū)ο蠓诸?lèi)流程

規(guī)則建立是指根據(jù)影像特征及地物之間的關(guān)系建立各層之間的規(guī)則以及層內(nèi)子類(lèi)型與父類(lèi)型的規(guī)則；根據(jù)建立的分類(lèi)規(guī)則，選取合適的分類(lèi)方法進(jìn)行影像分類(lèi)。

4 結(jié)果與分析

4.1 植被多時(shí)相對(duì)比分析

張掖市地處高原，植被僅在生長(zhǎng)季會(huì)存在變化，其他時(shí)段植被在影像上隨時(shí)間的變化不明顯[20]。如每年的11 月份至翌年4 月份，植被指數(shù)數(shù)值多集中在0.2以下，本研究選取的影像時(shí)段為2020 年5 月至10 月，即植被變化較明顯的生長(zhǎng)季作為研究時(shí)段。對(duì)處理后的無(wú)云覆蓋的高質(zhì)量Sentinel-2 影像進(jìn)行歸一化植被指數(shù)NDVI 計(jì)算，對(duì)各時(shí)期NDVI 進(jìn)行均值計(jì)算，以時(shí)間維橫軸進(jìn)行多時(shí)期NDVI 變化趨勢(shì)展示，如圖2 所示，張掖市地區(qū)植被變化趨勢(shì)整體符合植被生長(zhǎng)季植被指數(shù)變化趨勢(shì)，即植被指數(shù)呈現(xiàn)由低到高、由高到低的變化趨勢(shì)，植被較明顯的時(shí)段為2020 年7 月4 日、2020 年8 月13 日、2020 年8 月18 日，其 中2020 年7 月4 日NDVI 數(shù)值最高，說(shuō)明此時(shí)段植被長(zhǎng)勢(shì)最好，故本研究采用的最優(yōu)影像時(shí)間節(jié)點(diǎn)為2020 年7 月4 日。

圖2 張掖市植被生長(zhǎng)季變化趨勢(shì)

以張掖市東南部區(qū)域?yàn)槔?，進(jìn)行植被指數(shù)變化斜率計(jì)算，斜率空間變化如圖3 所示，植被變化斜率絕對(duì)值最大區(qū)域集中在平原地區(qū)，即農(nóng)作物種植區(qū)域，山地地區(qū)植被變化斜率絕對(duì)值整體低于農(nóng)作物種植區(qū)域，引起這種斜率變化特征的主要原因是農(nóng)作物在5月至10 月分別處于耕種、出芽、拔節(jié)、成熟、收獲等物候階段，該特征較好地區(qū)分出了農(nóng)作物與林草，基于次特征進(jìn)行植被指數(shù)及紅邊指數(shù)計(jì)算，可較好地提取出農(nóng)作物種植面積。同時(shí)，植被變化斜率特征為勾畫(huà)農(nóng)作物分類(lèi)樣本提供指示作用，減少外出采樣工作量，也為后期分類(lèi)及精度驗(yàn)證提供樣本支撐。

圖3 張掖市東南部植被變化斜率空間分布

基于Sentinel-2 影像的紅邊波段計(jì)算得出的紅邊指數(shù)NDVIre1、NDVIre2、NDVIre3，分別與NDVI 進(jìn)行相關(guān)分析，分析三個(gè)紅邊指數(shù)與NDVI 指數(shù)的相關(guān)性，結(jié)果如圖4 所示，其中圖4（a）為植被指數(shù)NDVI 與紅邊指數(shù)NDVIre1的相關(guān)系數(shù)空間分布，圖4（b）為植被指數(shù)NDVI 與紅邊指數(shù)NDVIre2的相關(guān)系數(shù)空間分布，圖4（c）為植被指數(shù)NDVI 與紅邊指數(shù)NDVIre3的相關(guān)系數(shù)空間分布。由圖可知，山地地區(qū)植被指數(shù)NDVI 與3 個(gè)紅邊指數(shù)均呈現(xiàn)顯著正相關(guān)關(guān)系，相關(guān)系數(shù)均在0.5 以上，而地勢(shì)較平坦的農(nóng)作物種植區(qū)域，植被指數(shù)NDVI 與3 個(gè)紅邊指數(shù)多呈顯著負(fù)相關(guān)關(guān)系，引起這種差別的主要原因是植被在紅光波段與紅邊波段對(duì)太陽(yáng)光的吸收與反射。通過(guò)此特征，可證實(shí)本研究構(gòu)建的3 個(gè)紅邊指數(shù)在植被反演中具有良好的可用性，將其帶入多特征分類(lèi)器中勢(shì)必會(huì)提高分類(lèi)精度。

圖4 植被指數(shù)與紅邊指數(shù)相關(guān)系數(shù)空間分布

4.2 面向?qū)ο蠖嗵卣鞣诸?lèi)

采用植被長(zhǎng)勢(shì)最好的2020 年7 月4 日Sentinel-2影像作為數(shù)據(jù)源，分別進(jìn)行紋理特征計(jì)算與植被指數(shù)、紅邊指數(shù)計(jì)算，并將所有特征波段進(jìn)行組合，輸入面向?qū)ο蠓诸?lèi)器中進(jìn)行分類(lèi)，分類(lèi)結(jié)果如圖5 所示。由圖可知，張掖市農(nóng)作物種植集中分布在山谷地區(qū)，其中黑河流域沿岸農(nóng)作物分布較多，河流山區(qū)源頭至張掖市城區(qū)段，農(nóng)作物種植分布較少，主要原因?yàn)樵摰貐^(qū)為山地，多為林地、草地，且灌溉條件較差；而東南部地區(qū)雖然河流水系較少，但該地區(qū)地勢(shì)相對(duì)平坦，灌溉條件較好，農(nóng)作物種植也較多。改進(jìn)指數(shù)特征的面向?qū)ο蠓诸?lèi)方法，較好地剔除了林地草地對(duì)分類(lèi)成果的影響，本研究分類(lèi)成果中，東南部的林地草地幾乎沒(méi)有影響農(nóng)作物提取，同時(shí)在西南部地物覆蓋類(lèi)型復(fù)雜區(qū)域，也較好地提取了農(nóng)作物。

圖5 張掖市周邊農(nóng)作物遙感提取成果

結(jié)合植被變化斜率對(duì)分類(lèi)結(jié)果進(jìn)行精度驗(yàn)證。將分類(lèi)結(jié)果套合到植被變化斜率成果上，以此驗(yàn)證農(nóng)作物提取精度。上文通過(guò)研究得出結(jié)論：農(nóng)作物種植區(qū)域植被變化斜率絕對(duì)值較高，套合解譯成果后可知，解譯成果范圍內(nèi)植被變化斜率絕對(duì)值整體較高，與上文植被變化分析結(jié)果相符合，即農(nóng)作物在5 月至10 月生長(zhǎng)季經(jīng)歷了播種、發(fā)芽、拔節(jié)、孕穗、收獲等時(shí)期，其地表光譜特征變化較大，不同時(shí)段的植被指數(shù)相差較大，導(dǎo)致變化斜率絕對(duì)值整體偏高。改進(jìn)指數(shù)特征后的面向?qū)ο蠼庾g成果與此結(jié)論相符，即本研究整體分類(lèi)可信度較好，提取精度較高。

5 結(jié)論

本研究基于Sentinel-2 遙感影像，進(jìn)行了張掖市植被生長(zhǎng)變化分析，篩選出植被生長(zhǎng)最優(yōu)時(shí)段，并進(jìn)行了影像的紋理、植被紅邊指數(shù)等特征的計(jì)算，通過(guò)面向?qū)ο蠖嗵卣鞣诸?lèi)方法進(jìn)行張掖市周邊農(nóng)作物種植遙感提取，本研究在植被紅邊指數(shù)上進(jìn)行了改進(jìn)，以此提高分類(lèi)精度，通過(guò)實(shí)驗(yàn)得出以下結(jié)論：

（1）通過(guò)長(zhǎng)時(shí)間序列植被生長(zhǎng)變化分析，得出了適用于張掖市周邊農(nóng)作物提取的最優(yōu)時(shí)段。

（2）基于Sentinel-2 影像計(jì)算的紅邊指數(shù)與植被指數(shù)NDVI 呈顯著負(fù)相關(guān)關(guān)系。

（3）改進(jìn)指數(shù)特征的面向?qū)ο蠖嗵卣鞣诸?lèi)方法在張掖市農(nóng)作物提取中具有良好的適用性，整體分類(lèi)結(jié)果精度較高。

本文對(duì)農(nóng)作物進(jìn)行分類(lèi)時(shí)，是基于像元尺度，會(huì)出現(xiàn)椒鹽現(xiàn)象，后續(xù)會(huì)進(jìn)行更深層次的分類(lèi)研究。此外，本文并未對(duì)特征信息進(jìn)行篩選，不可避免會(huì)存在數(shù)據(jù)冗余現(xiàn)象，后續(xù)研究會(huì)進(jìn)行不同地區(qū)的最優(yōu)特征選取，在保證總體分類(lèi)精度的同時(shí)，進(jìn)一步提高感興趣地物的提取精度。