李國庭，王德強，趙德良，李濼，劉昊，王元美，何孟橋

(山東省地質(zhì)測繪院，山東 濟南 250002)

0 引言

隨著ZY-3、02C、GF-1和GF-2等國產(chǎn)衛(wèi)星的成功發(fā)射及其影像數(shù)據(jù)的免費應(yīng)用，大大降低了大范圍農(nóng)情遙感監(jiān)測的數(shù)據(jù)成本，并提高了農(nóng)情監(jiān)測的時效性[1-11]。

近年來，隨著高空間分辨率遙感數(shù)據(jù)的方便獲取，已有許多高分遙感影像數(shù)據(jù)監(jiān)測小麥、玉米、大豆等農(nóng)作物種植面積的成功案例[2-5]。但是單獨利用高分遙感影像對農(nóng)作物進行識別和分類存在很大的不足。傳統(tǒng)的遙感信息分類和提取，主要體現(xiàn)在：目前的方法適合于單一作物大面積耕種的平原地區(qū)，不適合山區(qū)破碎地塊；對農(nóng)作物種類識別，光譜或影像相近的，識別的差錯率較大；判讀出來的圖斑邊界與實地不符，精度較差，不能精確的測算糧食種植面積和種類。

因此，本文提出一種基于空地一體的多源異構(gòu)數(shù)據(jù)融合的糧食作物識別技術(shù)，創(chuàng)新性地將國產(chǎn)高分辨率衛(wèi)星影像數(shù)據(jù)和多源測繪地理信息數(shù)據(jù)進行融合，建立一種快速提取糧食作物的種類和面積的技術(shù)流程。

1 研究現(xiàn)狀

1.1 國內(nèi)外研究情況

目前國內(nèi)外對作物面積遙感提取方法中，常見的方法包括目視解譯及其各種監(jiān)督分類法，還引入了面向?qū)ο筇崛『投鄷r相分析等新方法。遙感監(jiān)督分類法是在一定數(shù)量樣本的基礎(chǔ)上自動提取農(nóng)作物種植面積。此外，隨著高時間分辨率衛(wèi)星數(shù)據(jù)產(chǎn)品的出現(xiàn)，多時相分析方法獲得了廣泛的應(yīng)用。該方法的主要原理是利用不同類型作物生長的物候特征，與同時期遙感影像信息的時相變化規(guī)律比對從而識別不同農(nóng)作物類型。數(shù)據(jù)融合的技術(shù)關(guān)鍵在于選擇適當(dāng)?shù)娜诤纤惴?，最大限度地利用多源遙感數(shù)據(jù)中的有用信息[7]。在中國南方地區(qū)，農(nóng)作物類型多樣、種植結(jié)構(gòu)復(fù)雜等問題普遍存在，MODIS影像受低空間分辨率的限制會產(chǎn)生大量混合像元問題[11]。無法滿足農(nóng)田景觀破碎地區(qū)的作物制圖精度需求，因此亟需補充具有中高空間分辨率的長時序遙感影像源來提高作物提取的準(zhǔn)確性[12]。目前基于，高分遙感影像對農(nóng)作物提取區(qū)域主要是單一作物(如水稻、小麥等)的平原地區(qū)，且對糧食作物種類識別差錯率較大，圖斑邊界與實地不符，不能精確的測算糧食作物種植面積和種類。

1.2 我國遙感發(fā)展情況

遙感是一種遠(yuǎn)距離探測和識別技術(shù)，它可以準(zhǔn)確及時地獲取農(nóng)業(yè)資源和農(nóng)業(yè)生產(chǎn)信息，是傳統(tǒng)農(nóng)業(yè)向信息農(nóng)業(yè)過渡的主要技術(shù)方法[1]。糧食作為最基本的生活物資，供求關(guān)系的變化直接關(guān)系人類生命安全，維系著國計民生。中國作為世界人口大國，必須始終把握維護國家糧食安全的主動權(quán)。

我國的衛(wèi)星遙感事業(yè)在2012年后突飛猛進，陸續(xù)發(fā)射了多種衛(wèi)星，包含了光學(xué)衛(wèi)星、雷達衛(wèi)星、高光譜衛(wèi)星，衛(wèi)星遙感技術(shù)已經(jīng)處于世界先進行列。GF-6衛(wèi)星的成功發(fā)射，標(biāo)志著我國高分專項打造的高空間分辨率、高時間分辨率、高光譜分辨率的對地觀測能力顯著增強，最有應(yīng)用特色的高光譜能力已形成。GF-6是中國首顆多光譜攜帶紅邊波段的農(nóng)業(yè)遙感衛(wèi)星[13]。吉林一號利用遙感數(shù)據(jù)的可見光、近紅外和短波紅外波段，輔以土地利用現(xiàn)狀數(shù)據(jù)、地面調(diào)查數(shù)據(jù)、農(nóng)業(yè)歷史統(tǒng)計數(shù)據(jù)，通過分析各類農(nóng)作物在不同物候期的光譜特征、紋理特征，快速進行農(nóng)作物種植結(jié)構(gòu)識別[8]。

2 技術(shù)方法

2.1 研究區(qū)概況

莒縣地處魯東南地區(qū)，位于日照市西部，面積1821km2，管轄20個鄉(xiāng)鎮(zhèn)(街道)和1處省級經(jīng)濟開發(fā)區(qū)，人口110萬?？h域南北長75.6km，東西寬37.4km，總面積1821km2。莒縣總體地勢北高南低，地形復(fù)雜多樣，四周環(huán)山，中間丘陵、平原、洼地相接。

2.2 分類方法

2.2.1 數(shù)據(jù)分析

遙感圖像處理采用美國ENVI5.1遙感圖像處理與分析平臺,包括波段組合、圖像融合、幾何校正、多功能增強等環(huán)境地質(zhì)信息提取[14]。GF-1衛(wèi)星的WFV傳感器16m分辨率的影像已在農(nóng)業(yè)領(lǐng)域廣泛應(yīng)用[15]。將遙感影像加載到影像處理軟件中，根據(jù)遙感影像上的紋理、色調(diào)，參照遙感解譯標(biāo)志判讀圖斑種植類型，大體勾繪出種植邊界。作業(yè)完成后檢查人員對糧食作物分類和種植面積提取情況進行檢核。研究人員對勾繪圖斑進行外業(yè)檢查，依據(jù)GNSS設(shè)備現(xiàn)場測量，成圖后進行對比，發(fā)現(xiàn)邊界精度較差，中誤差高達5m，導(dǎo)致面積測算不準(zhǔn)確，通過統(tǒng)計分析得出，平均準(zhǔn)確率僅為78.30%(圖1，表1)。

圖1 常規(guī)方法影像解譯情況

表1 糧食作物面積提取準(zhǔn)確率統(tǒng)計情況

利用矢量的多尺度分割未能把草地與耕地較好地分離開，影響信息提取的準(zhǔn)確性，圖斑采集范圍也不準(zhǔn)確。以遙感影像為基礎(chǔ)，結(jié)合第三次國土調(diào)查、基礎(chǔ)性地理省情監(jiān)測、數(shù)字城市、農(nóng)村土地承包經(jīng)營權(quán)確權(quán)登記頒證等項目成果數(shù)據(jù)，通過多源異構(gòu)地理信息數(shù)據(jù)融合的方式，提高了特征提取的準(zhǔn)確度。用最新測算三調(diào)坡度數(shù)據(jù)，精確計算糧食作物地塊面積。第三次國土調(diào)查坡度數(shù)據(jù)是以高精度數(shù)字高程模型(DEM)數(shù)據(jù)制作坡度圖，進而計算田坎系數(shù)，用數(shù)據(jù)處理軟件對形成的地塊數(shù)據(jù)進行坡度賦值，精確計算每個地塊的測量面積和扣除面積，分割效果見圖2，坡度見圖3。

圖2 矢量參與分割效果圖

1—一級；2—二級；3—三級；4—四級；5—五級圖3 坡度圖

2.2.2 分類方法

以遙感影像紋理、低空無人機拍照、部分區(qū)域三維建模相結(jié)合的方式建立大量解譯樣本，有助于內(nèi)業(yè)更好識別地物，更直觀、便捷的作業(yè)。使用遙感影像解譯軟件，依靠大量解譯樣本對影像進行自動化處理，最后再人工干預(yù)處理，節(jié)省大量人力、物力，極大提高工作效率。步驟主要為：①建立遙感影像解譯樣本，根據(jù)影像紋理和色澤判斷糧食作物范圍。②針對地塊破碎程度大、作物種類多的復(fù)雜區(qū)域，使用無人機航飛，生成實景三維模型，一是可增加復(fù)雜區(qū)域樣本，二是方便作業(yè)人員了解現(xiàn)場情況，三是可為客戶提供可視化成果。③根據(jù)在縣農(nóng)業(yè)局收集的歷年糧食作物種植類型和面積分布資料，并實地調(diào)研，設(shè)計全縣不同作物類型樣本采樣點位置和數(shù)量，用無人機超低空攝影，拍攝高清晰航空照片，建立大量不同類型高清解譯樣本。④將樣本數(shù)據(jù)匯總，利用遙感影像解譯軟件，使用人工干預(yù)和軟件自動化解析相結(jié)合的方式，基于大量解譯樣本對該區(qū)域影像進行深度學(xué)習(xí)，節(jié)省大量人力、物力，極大提高工作效率。

3 結(jié)果與分析

3.1 研究結(jié)果

通過多源影像和多種地理信息數(shù)據(jù)融合的方式，分析糧食作物種植類別，準(zhǔn)確確定糧食作物種植邊界，解決了高分遙感影像在確定糧食作物類別不準(zhǔn)確，邊界精度低的問題，現(xiàn)階段創(chuàng)新了糧食作物識別及面積量算關(guān)鍵技術(shù)和方法。

3.2 精度評價

糧食作物的面積提取精度評價是指根據(jù)實測的數(shù)據(jù)與分類提取結(jié)果，以便確定分類過程的準(zhǔn)確程度的方法。組織研究人員進行檢查，對基于多源地理信息融合方法處理后的糧食作物地塊(水稻、蔬菜、西瓜、玉米、休耕地)進行驗證，采用GNSS設(shè)備，經(jīng)過批量抽樣檢查，結(jié)合AutoCAD、ArcMap10．2等軟件，進行了面積統(tǒng)計誤差計算。本研究采用總體精度評價，根據(jù)外業(yè)平面測量的面積數(shù)據(jù)進而使用坡度數(shù)據(jù)(圖3)，精確計算每個地塊的測量面積和扣除面積，最終結(jié)果顯示各地類面積誤差都較小，全部都小于1%，統(tǒng)計情況見表2。

表2 分類面積與實際面積統(tǒng)計情況

4 討論

目前國內(nèi)外對糧食作物面積遙感提取方法除了常規(guī)的目視解譯及其監(jiān)督分類法外，還引入了面向?qū)ο筇崛『投鄷r相分析等新方法[7]。傳統(tǒng)提取方法主要依靠人工，采用目視解譯的方法。不僅能效低，而且精度取決于作業(yè)員的經(jīng)驗值和傾向性[16]。遙感監(jiān)督分類法，是計算機自動提取農(nóng)作物種植面積經(jīng)常使用的一種手段。高時間分辨率衛(wèi)星影像數(shù)據(jù)產(chǎn)品的出現(xiàn)，對于多時相的分析方法，在業(yè)界獲得了廣泛的應(yīng)用。遙感監(jiān)督分類方法的主要原理是根據(jù)不同類型作物生長的物候特征，與同時期高分遙感影像信息的時相變化規(guī)律，進行不同農(nóng)作物類型的識別?；诟叻诌b感影像對農(nóng)作物提取區(qū)域大都為單一作物(如水稻、小麥等)的平原地區(qū)，且對糧食作物種類識別差錯率較大，圖斑邊界與實地不符，不能精確地測算糧食作物種植面積和種類[2]。

遙感技術(shù)具有快速、實時、信息量大等優(yōu)點[17]。利用遙感技術(shù)可以快速的、大范圍、全面的獲取地表信息[18]。本研究充分發(fā)揮多源異構(gòu)數(shù)據(jù)的優(yōu)勢，提出了利用多時段、多源地理信息數(shù)據(jù)融合的方式，進行糧食作物種類識別，有效地彌補了遙感影像在糧食作物識別方面的缺點，極大地提高了糧食作物種類識別和調(diào)查面積的準(zhǔn)確率。對于指導(dǎo)國家宏觀方面的農(nóng)業(yè)生產(chǎn)、制定農(nóng)業(yè)政策、規(guī)范農(nóng)業(yè)管理等各方面具有重要的現(xiàn)實意義。傳統(tǒng)的糧食作物種植結(jié)構(gòu)統(tǒng)計方法大多是實地調(diào)查，存在主觀性強，持續(xù)時間長，耗費人力、物力、財力等問題，此次研究實現(xiàn)了糧食作物面積快速精準(zhǔn)監(jiān)測，為政府決策提供扎實的數(shù)據(jù)支撐。

5 結(jié)論

本研究以日照市莒縣為研究區(qū)域，融合該區(qū)域多源數(shù)據(jù)信息，利用深度學(xué)習(xí)等方法，基于多時相、多源異構(gòu)數(shù)據(jù)進行分析研究，進行了該區(qū)域不同農(nóng)作物種植面積提取。

(1)以國產(chǎn)“高分六號”和“吉林一號”遙感影像為基礎(chǔ)，疊加國土調(diào)查、省情監(jiān)測等航空正射影像，結(jié)合第三次國土調(diào)查、省情監(jiān)測、農(nóng)村土地承包經(jīng)營權(quán)數(shù)據(jù)庫矢量成果，準(zhǔn)確確定糧食作物種植邊界，對精度進行了評價，結(jié)果表明該種方法可以顯著提高農(nóng)作物分類精度，多源數(shù)據(jù)融合后的研究區(qū)農(nóng)作物分類精度誤差僅為0.37%。

(2)利用遙感影像紋理、低空無人機拍照、部分區(qū)域三維建模相結(jié)合方式，創(chuàng)新樣本解譯方法，使用遙感解譯軟件，對多時相、多類別的影像進行深度學(xué)習(xí)，優(yōu)化了糧食作物種類識別和種植面積量算技術(shù)，提高了作為種類識別準(zhǔn)確性的種植面積量算精確性。