張靜 于鑫 孫俊嬌

摘? ? 要：獲取農(nóng)作物種植結(jié)構(gòu)，對農(nóng)作物生長狀況監(jiān)測、農(nóng)作物災(zāi)情監(jiān)測及產(chǎn)量估算等具有重要的意義。利用MODISNDVI產(chǎn)品數(shù)據(jù)，構(gòu)建遼寧省主要農(nóng)作物（玉米、大豆和水稻）的時間序列物候特征曲線，通過分層分類方法，提取遼寧省農(nóng)作物種植結(jié)構(gòu)信息，研究表明，支持向量機分類方法分類效果更好，分類精度可達(dá)96%以上。將農(nóng)作物提取模型推廣應(yīng)用于2003年、2007年、2011年、2015年和2019年的MODIS數(shù)據(jù)，探討近17年來遼寧省農(nóng)作物種植結(jié)構(gòu)時空格局現(xiàn)狀與變化，為快速、大范圍、高精度提取農(nóng)作物種植面積提供有效方法，同時為相關(guān)政策提供科學(xué)依據(jù)。

關(guān)鍵詞：MOD13Q1;農(nóng)作物;時空分布

傳統(tǒng)的農(nóng)作物種植面積獲取主要依靠人工統(tǒng)計的方法，這種方法雖然可以統(tǒng)計出農(nóng)作物的種植面積，但是統(tǒng)計過程中需要各部門的逐層統(tǒng)計匯總，導(dǎo)致數(shù)據(jù)流轉(zhuǎn)頻繁、數(shù)據(jù)結(jié)果可靠性較差、研究結(jié)果滯后，且農(nóng)作物種植面積獲取的過程會耗費大量的人力和物力。遙感技術(shù)具有時效性強、成本低、精度高等優(yōu)勢，近年來運用遙感技術(shù)手段監(jiān)測農(nóng)作物的情況越來越普遍。馮銳等[1]利用MODIS產(chǎn)品提取NDVI、EVI和LSWI數(shù)據(jù)，建立了東北地區(qū)水稻提取模型，得到精度較高的水稻分布情況;李鑫川等[2]利用黑龍江省友誼農(nóng)場的HJ衛(wèi)星影像，通過構(gòu)建決策樹方法對研究區(qū)玉米、大豆和水稻信息進(jìn)行提取;郝衛(wèi)平等[3]采用非監(jiān)督分類方法和光譜耦合技術(shù)對東北3省主要農(nóng)作物進(jìn)行分類研究;平躍鵬[4]以松嫩平原黑龍江省部分地區(qū)為研究對象，利用46個NDVI波段、7個物候參數(shù)和6期NDWI指數(shù)進(jìn)行農(nóng)作物分類，得到較好的農(nóng)作物提取結(jié)果;周思等[5]利用MODIS數(shù)據(jù)的NDVI和NDWI數(shù)據(jù)，通過分析玉米、大豆和水稻的物候特征，構(gòu)建分類決策樹，分類精度達(dá)到80%以上。

雖然遙感技術(shù)已經(jīng)在農(nóng)作物提取方面有了一定的研究，但是對農(nóng)作物大空間尺度不同種類的提取研究還是較少。本文利用2015年的MOD13Q1數(shù)據(jù)，研究MOD13Q1 NDVI時間序列數(shù)據(jù)在農(nóng)作物物候監(jiān)測與農(nóng)作物類型識別上的應(yīng)用，通過23期NDVI數(shù)據(jù)構(gòu)建物候特征曲線，結(jié)合實地樣本數(shù)據(jù)、Landsat影像數(shù)據(jù)和統(tǒng)計年鑒等數(shù)據(jù)，進(jìn)行決策樹與支持向量機分類方法對比，將分類效果較好的方法應(yīng)用于其他4個年份，得到遼寧省近17年的主要農(nóng)作物種植結(jié)構(gòu)，從而進(jìn)一步探討遼寧省主要農(nóng)作物時空分布的方法，以期為利用MODIS數(shù)據(jù)進(jìn)行大范圍農(nóng)作物識別及面積提取提供一種新的思路。

1? ?數(shù)據(jù)源及數(shù)據(jù)預(yù)處理

1.1? ?數(shù)據(jù)源

（1）MODIS影像數(shù)據(jù)：覆蓋遼寧省全部區(qū)域的MOD13Q1 NDVI數(shù)據(jù)產(chǎn)品，時相為2003年、2007年、2011年、2015年和2019年。數(shù)據(jù)從NASA網(wǎng)站下載，行列號為h26v04、h27v04和h27v05（h為horizontal，v為Vertical）。

（2）Landsat影像數(shù)據(jù)：覆蓋遼寧省全部區(qū)域的Landsat數(shù)據(jù)產(chǎn)品，時相為2015年，相關(guān)數(shù)據(jù)從地理信息數(shù)據(jù)云網(wǎng)站下載。

（3）統(tǒng)計年鑒數(shù)據(jù)：主要利用《遼寧統(tǒng)計年鑒》中農(nóng)作物種植面積數(shù)據(jù)進(jìn)行農(nóng)作物分類精度驗證和研究方法分析。

1.2? ?數(shù)據(jù)預(yù)處理

網(wǎng)站下載MOD13Q1數(shù)據(jù)格式為HDF，HDF格式具有良好擴(kuò)充性和適應(yīng)其他數(shù)據(jù)格式的能力。本文利用ENVI插件MCTK（MODIS Conversion Toolkit）對MOD13Q1 HDF數(shù)據(jù)進(jìn)行投影轉(zhuǎn)換、格式轉(zhuǎn)換、光譜和空間子集選擇，通過ENVI自帶工具進(jìn)行影像重采樣、影像拼接、波段重組和影像裁剪等處理。

2? ?研究方法

2.1? ?農(nóng)作物提取

玉米、大豆和水稻3種農(nóng)作物的NDVI值區(qū)別不是很大，但是與其他地物類別的NDVI時間序列特征有一定的差異，農(nóng)作物的NDVI值在100～150 d之間能夠達(dá)到較高值且峰值持續(xù)時間較短，因此，首先可采用非監(jiān)督分類方法進(jìn)行農(nóng)作物與非農(nóng)作物區(qū)分，通過掩膜方法去除非農(nóng)作物，再進(jìn)一步對農(nóng)作物進(jìn)行分類。

本研究利用ISODATA非監(jiān)督分類方法進(jìn)行2015年研究區(qū)農(nóng)作物提取。ISODATA以集群為理論基礎(chǔ)，無須提前知道類別特征，是根據(jù)樣本特征參數(shù)建立起的一種規(guī)則，又稱“迭代自組織數(shù)據(jù)分析技術(shù)”。

2.2? ?濾波法構(gòu)建農(nóng)作物物候特征曲線

不同農(nóng)作物不同生長期長度及在發(fā)育成熟階段展示出的特有生物物理特性，可反映在遙感監(jiān)測光譜信息中。本文根據(jù)農(nóng)作物不同的物候參數(shù)，利用NDVI時間序列所具有的季相節(jié)律特征，構(gòu)建農(nóng)作物NDVI特征曲線，通過特征曲線提取農(nóng)作物相應(yīng)關(guān)鍵時間節(jié)點的特征值，進(jìn)而用于大范圍農(nóng)作物的分類研究。

Savitsky-Golay濾波器，簡稱為S-G，是一種加權(quán)求平均的滑動擬合方法，廣泛應(yīng)用于數(shù)據(jù)流平滑降噪，是一種在時域內(nèi)基于局域多項式最小二乘法擬合的濾波方法。它以原始的時序數(shù)據(jù)某點為中心構(gòu)建窗口，窗口內(nèi)的數(shù)據(jù)按與中心點的距離進(jìn)行加權(quán)平均（權(quán)重的大小取決于窗口內(nèi)最小二乘多項式擬合的多項式次數(shù)），用得到的擬合值代替原始數(shù)據(jù)，最終通過滑動窗口實現(xiàn)對整條曲線的擬合。本文利用S-G濾波法對時序NDVI進(jìn)行擬合重構(gòu)處理，得到反映3種農(nóng)作物發(fā)育成熟過程的特征曲線。

2.3? ?決策樹農(nóng)作物分類

研究區(qū)3種農(nóng)作物的生長季主要是4—10月（第97～289天）;水稻與玉米、大豆最大的不同是注水期，通常4月初播種，大豆和玉米同為旱地作物，經(jīng)歷較為相似的生長階段，均在5月中上旬播種，9月中下旬收獲，大豆與玉米、水稻最大的區(qū)別是播種出苗日期。農(nóng)作物的NDVI值在7—8月（第193～241天）達(dá)到最大值，最大值在0.8～0.9;在257 d時，玉米的NDVI值明顯大于另外兩種農(nóng)作物，可利用第257天的NDVI值設(shè)置閾值提取玉米;水稻在第177天的NDVI值大于第241天的NDVI值，而大豆的NDVI值反之，通過此特性能夠區(qū)分水稻和大豆。基于層次分析的思路，設(shè)置閾值構(gòu)建決策樹進(jìn)行農(nóng)作物分類。

2.4? ?支持向量機農(nóng)作物分類

支持向量機（Support Vector Machine，SVM）是一種實用且應(yīng)用廣泛的機器學(xué)習(xí)模型，在圖像識別領(lǐng)域得到很多學(xué)者青睞。支持向量機是指在特征空間上間隔最大的線性分類器，對于非線性分類器問題，其核函數(shù)與懲罰變量技術(shù)也可達(dá)到識別目的。與一般分類方法相比較，支持向量機可以很好地避免“過學(xué)習(xí)”現(xiàn)象，有更好的泛化能力。

本研究通過對玉米、大豆和水稻實地考察各采集200個訓(xùn)練樣本，對遼寧省23個時間序列疊加數(shù)據(jù)進(jìn)行了監(jiān)督分類。

2.5? ?分類結(jié)果對比與分析

通過對3種農(nóng)作物進(jìn)行分類得到分類混淆矩陣表，可以得出支持向量機分類總體精度和單類別精度均好于決策樹分類方法。由于玉米的物候特征有別于水稻和大豆，兩種分類方法玉米均達(dá)到了較好的分類結(jié)果，但由于水稻和大豆的NDVI特征相似，且遼寧省區(qū)域跨度較大，范圍內(nèi)農(nóng)作物物候特征也有一定差異，因此用決策樹方法區(qū)分兩個類別有一定的困難。總的來說，利用訓(xùn)練樣本進(jìn)行支持向量機監(jiān)督分類得到的結(jié)果更加穩(wěn)定，適合大范圍農(nóng)作物面積提取。遼寧省農(nóng)作物分布特點主要有兩點，分別是農(nóng)作物空間分布基本保持一致;農(nóng)作物種植結(jié)構(gòu)與比例變化明顯，但是在農(nóng)業(yè)生產(chǎn)中也出現(xiàn)了種植結(jié)構(gòu)失衡的狀況。

3? ?結(jié)論

遼寧省作為糧食主產(chǎn)地，快速、及時、準(zhǔn)確地獲取農(nóng)作物分布信息對農(nóng)作物的估產(chǎn)、農(nóng)業(yè)災(zāi)害預(yù)報、糧食安全及相應(yīng)的政策制定等都有重要作用。本文以遼寧省作為研究區(qū)域，以2015年MOD13Q1完整的23期NDVI數(shù)據(jù)作為數(shù)據(jù)源，通過構(gòu)建主要農(nóng)作物的時間序列特征曲線，分析其物候特征，并根據(jù)物候特征分別進(jìn)行決策樹和支持向量機分類，通過定性和定量對比分析分類結(jié)果，發(fā)現(xiàn)支持向量機方法提取效果較優(yōu)。將支持向量機分類方法推廣應(yīng)用于遼寧省2003年、2007年、2011年、2015年和2019年MOD13Q1數(shù)據(jù)，研究分析近17年來農(nóng)作物的時空分布現(xiàn)狀與變化。本研究的方法和結(jié)果可以進(jìn)一步推廣到更大尺度，并為東北地區(qū)的農(nóng)作物物候特征、農(nóng)作物分類及相關(guān)的研究提供理論支持。

參考文獻(xiàn)：

[ 1 ] 馮銳，張玉書，錢永蘭，等.基于多時相MODIS數(shù)據(jù)的東北地區(qū)一季稻面積提取[J].生態(tài)學(xué)雜志，2011，30（11）：2570-2576.

[ 2 ] 李鑫川，徐新剛，王紀(jì)華，等.基于時間序列環(huán)境衛(wèi)星影像的作物分類識別[J].農(nóng)業(yè)工程學(xué)報，2013（2）：169-176.

[ 3 ] 郝衛(wèi)平，梅旭榮，蔡學(xué)良，等.基于多時相遙感影像的東北三省作物分布信息提取[J].農(nóng)業(yè)工程學(xué)報，2011，27（1）：201-207.

[ 4 ] 平躍鵬.基于MODIS時間序列地表物候特征分析及農(nóng)作物分類[D].哈爾濱：哈爾濱師范大學(xué)，2016.

[ 5 ] 周思，何祺勝，劉寶柱，等.基于MODIS的黑龍江省農(nóng)作物種植結(jié)構(gòu)提取研究[J].地理空間信息，2018，16（1）：79-82，8-9.