解文歡，張海峰，張有智，吳 黎，張 宇

（黑龍江省農(nóng)業(yè)科學(xué)院 農(nóng)業(yè)遙感與信息研究所，150086，黑龍江哈爾濱）

農(nóng)作物種植結(jié)構(gòu)是農(nóng)業(yè)生產(chǎn)活動(dòng)對(duì)土地利用的表現(xiàn)形式，也是對(duì)自然資源高效利用及田間科學(xué)管理的最終結(jié)果[1]。隨著空間技術(shù)的快速發(fā)展，多源遙感數(shù)據(jù)已被廣泛應(yīng)用于農(nóng)作物種植結(jié)構(gòu)提取研究[1-3]。林文鵬等[4]以北京地區(qū)為研究區(qū)，利用Terra/MODIS 數(shù)據(jù)，采用波譜分析的方法，實(shí)現(xiàn)主要秋季作物遙感自動(dòng)識(shí)別，精度達(dá)86%以上。馬麗等[5]以黑龍江軍川農(nóng)場(chǎng)為研究區(qū)，利用TM 影像提取NDVI 數(shù)據(jù)，利用決策樹(shù)分類(lèi)算法提取了大豆、玉米和水稻的空間分布信息，總體精度達(dá)到85.87%。吳炳方等[6]以山西省太谷縣為研究區(qū)，利用QuickBird 影像采用面向?qū)ο蟮姆治龇椒ㄌ崛∞r(nóng)作物空間分布圖，為農(nóng)業(yè)遙感估產(chǎn)提供參考。

GF-1 WFV 數(shù)據(jù)具有空間分辨率高、時(shí)間分辨率高和穩(wěn)定度高的特點(diǎn)，為農(nóng)作物種植結(jié)構(gòu)的提取提供了新的數(shù)據(jù)源。然而，GF-1 WFV 在農(nóng)作物種植結(jié)構(gòu)提取的研究中仍存在一些不足：一是新數(shù)據(jù)源在農(nóng)業(yè)監(jiān)測(cè)的應(yīng)用中關(guān)注不夠；二是利用GF-1 WFV 影像提取農(nóng)作物信息的挖掘深度和拓展廣度不足；三是分類(lèi)算法的選擇和總體分類(lèi)精度的評(píng)價(jià)難以滿足農(nóng)業(yè)生產(chǎn)快速、準(zhǔn)確、動(dòng)態(tài)的需求。

針對(duì)以上不足，本文以綏化市為研究區(qū)域，基于多時(shí)相GF-1 WFV 遙感數(shù)據(jù)，采用SVM 算法對(duì)研究區(qū)的玉米、大豆和水稻進(jìn)行分類(lèi)，通過(guò)GPS 實(shí)測(cè)地面點(diǎn)進(jìn)行混淆矩陣精度評(píng)價(jià)，探究采用SVM 算法對(duì)GF-1 WFV 影像提取農(nóng)作物種植結(jié)構(gòu)的精度，為利用GF-1 WFV 影像提取農(nóng)作物種植結(jié)構(gòu)提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

綏化市北林區(qū)位于黑龍江省中南部，地理坐標(biāo)位于東經(jīng)126°25′至127°27′，北緯46°19′至47°09′之間，區(qū)域面積2 756 km2，城區(qū)面積29 km2。地勢(shì)東部高、西部低，西部地處松嫩平原，東部為丘陵半山區(qū)。綏化市北林區(qū)屬于中溫帶大陸性季風(fēng)氣候，年平均溫度3.3℃，年日照時(shí)長(zhǎng)2 682.4 h，年積溫2 755 ℃，無(wú)霜期為143 d，年平均降水量達(dá)到543.5 mm。北林區(qū)地處寒地黑土核心區(qū)域，是我國(guó)重要的商品糧生產(chǎn)基地之一。

1.2 研究數(shù)據(jù)及預(yù)處理

1.2.1 遙感數(shù)據(jù)及預(yù)處理 研究中選用2019 年5 月15日及2019 年8 月4 日的GF1-WFV 數(shù)據(jù)。在ENVI 軟件中，對(duì)GF-1 WFV 數(shù)據(jù)進(jìn)行預(yù)處理工作（輻射定標(biāo)、大氣校正和幾何精校正）[7]。輻射定標(biāo)時(shí)采用2019 年中國(guó)資源衛(wèi)星應(yīng)用中心發(fā)布的GF-1 衛(wèi)星各載荷的絕對(duì)輻射定標(biāo)系數(shù)進(jìn)行定標(biāo)[8]。大氣校正采用ENVI 軟件中的大氣校正模塊，使用輻射定標(biāo)的結(jié)果進(jìn)行校正[9]。幾何校正是基于基準(zhǔn)影像自動(dòng)尋找GCP 執(zhí)行有理多項(xiàng)式系數(shù)的正射校正，以Landsat-8 OLI 全色影像衛(wèi)星數(shù)據(jù)為校正源進(jìn)行幾何校正。

1.2.2 解譯標(biāo)志點(diǎn)和驗(yàn)證點(diǎn)獲取 2019 年8 月5 日進(jìn)行野外調(diào)查，使用GPS 野外實(shí)測(cè)解譯標(biāo)志點(diǎn)150 個(gè)和驗(yàn)證點(diǎn)150 個(gè)，涉及玉米、水稻、大豆和蔬菜等同期地物。

1.3 研究方法

1.3.1 農(nóng)作物識(shí)別 對(duì)于水稻，在圖1（左）5 月15 日的影像中，相對(duì)于剛出苗的大豆和玉米來(lái)說(shuō)，水稻的顏色更深，同時(shí)紋理粗糙；然而在圖1（右）8 月4 日的影像中，水稻與玉米、大豆的識(shí)別度相對(duì)較差，很難通過(guò)顏色區(qū)分出來(lái)：因此水稻需要通過(guò)5 月的GF-1 WFV 影像區(qū)分。對(duì)于大豆和玉米，通過(guò)圖1（右）的8 月的影像可以發(fā)現(xiàn)，大豆相對(duì)于玉米來(lái)說(shuō)，顏色更加鮮艷，呈現(xiàn)出亮紅色，紋理更均勻，而玉米則表現(xiàn)出暗紅色，通過(guò)這樣的顏色差異，可以清晰地區(qū)分開(kāi)玉米和大豆，因此，主要采用8 月的影像區(qū)分大豆和玉米。

圖1 5 月15 日（左）和8 月4 日（右）GF-1 WFV 衛(wèi)星影像圖

1.3.2 SVM 算法 SVM 是一種建立在統(tǒng)計(jì)學(xué)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理基礎(chǔ)上的分類(lèi)算法，具有較好的計(jì)算有效性、健壯性和統(tǒng)計(jì)穩(wěn)定性等特點(diǎn)[10-11]。SVM 分類(lèi)器具有簡(jiǎn)單、穩(wěn)定和分類(lèi)精度高的特點(diǎn)，能夠解決多維、樣本少及不確定性等分類(lèi)的問(wèn)題[12-13]。

式中：n 為訓(xùn)練樣本數(shù)量，c 為懲罰系數(shù)，ξi為松弛變量，ω 為超平面對(duì)應(yīng)的法向量，b 為超平面對(duì)應(yīng)的偏移量，g（xi）為輸入樣本向量經(jīng)過(guò)變換后對(duì)應(yīng)的特征向量，yi∈{-1，1}表示訓(xùn)練樣本所屬的類(lèi)別，(ω， g（xi）)表示兩個(gè)向量之間的內(nèi)積[10，14]。

SVM 算法中核函數(shù)K 對(duì)應(yīng)特征空間F 中的內(nèi)積，即：K（xi，yi）=〈g（xi），g（yi）〉，變換g 將輸入向量x 變換到特征空間F。SVM 對(duì)于這種小樣本、高維度的分類(lèi)問(wèn)題有著較強(qiáng)的解決能力[15]。

2 結(jié)果與討論

在ENVI 軟件中，利用SVM 的徑向基核函數(shù)為分類(lèi)核函數(shù)，在懲罰系數(shù)c=100，r=0.25 的情況下分類(lèi)效果最佳。利用多時(shí)相遙感數(shù)據(jù)來(lái)完成不同農(nóng)作物的面積提取，采用5 月15 日數(shù)據(jù)來(lái)提取水稻的種植結(jié)構(gòu)，8 月4 日數(shù)據(jù)來(lái)提取玉米和大豆的種植結(jié)構(gòu)，如圖2所示。分類(lèi)結(jié)果數(shù)據(jù)與GPS 實(shí)測(cè)的140 個(gè)驗(yàn)證點(diǎn)進(jìn)行精度驗(yàn)證，kappa 系 數(shù)0.885 79，總分類(lèi)精度90.1%。

圖2 2019 年基于GF-1 WFV影像的主要農(nóng)作物種植結(jié)構(gòu)圖

3 結(jié)論與討論

本文基于多時(shí)相GF-1 WFV 遙感數(shù)據(jù)利用SVM 算法對(duì)綏化市北林區(qū)主要農(nóng)作物種植結(jié)構(gòu)進(jìn)行提取研究。采用SVM 算法分類(lèi)，徑向基核函數(shù)作為分類(lèi)的核函數(shù)，在懲罰系數(shù)c=100，r=0.25 的情況下分類(lèi)效果最佳，分類(lèi)精度達(dá)到了90.1%。與傳統(tǒng)分類(lèi)方法相比，支持向量機(jī)分類(lèi)具有分類(lèi)精度較高和性能較為穩(wěn)定的特點(diǎn)，克服了傳統(tǒng)分類(lèi)方法存在的錯(cuò)分、漏分現(xiàn)象，值得在生產(chǎn)實(shí)踐中進(jìn)行推廣。本文對(duì)綏化市北林區(qū)主要農(nóng)作物種植結(jié)構(gòu)提取取得了較高的分類(lèi)精度，但是在研究的實(shí)驗(yàn)過(guò)程中也發(fā)現(xiàn)了一些問(wèn)題及需要改進(jìn)的地方：對(duì)遙感圖像的增強(qiáng)能夠有效改善遙感圖像的質(zhì)量，也能夠有效增強(qiáng)農(nóng)作物的特征，進(jìn)而提高農(nóng)作物的分類(lèi)精度，后續(xù)應(yīng)深入研究圖像增強(qiáng)和處理，進(jìn)一步提高農(nóng)作物的分類(lèi)準(zhǔn)確率。