袁鐵英，丁春雨，谷金英，馬冠南，鄒思佳，張曉嬌

（吉林省農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，吉林 長春 130000）

1 背景

糧食問題是全球性的、國際性的問題，是關(guān)系到全球人類生存和社會安定的戰(zhàn)略問題。農(nóng)業(yè)是國民經(jīng)濟(jì)的基礎(chǔ)，隨著土地、水、能源等自然資源日益匱乏，提高產(chǎn)量，減少投入，節(jié)約資源已迫在眉睫。發(fā)展精細(xì)農(nóng)業(yè)是減少環(huán)境污染、節(jié)約成本、增加經(jīng)濟(jì)效益的有效手段，是實(shí)現(xiàn)農(nóng)業(yè)可持續(xù)發(fā)展的重要途徑。

作為國人的主要口糧，及時、準(zhǔn)確地獲取水稻的種植面積和空間分布以及產(chǎn)量非常重要。同時，建立現(xiàn)代化高標(biāo)準(zhǔn)的農(nóng)業(yè)生產(chǎn)基地和制定科學(xué)的生產(chǎn)決策都反映出，運(yùn)用原有的信息渠道和調(diào)查方法很難保證所需信息的可靠性、精確性與時效性。

水稻種植面積監(jiān)測作為糧食作物監(jiān)測的重要組成部分，通過監(jiān)測準(zhǔn)確掌握水稻實(shí)際種植情況，為優(yōu)化作物種植格局、保證區(qū)域主要糧食作物產(chǎn)量提供科學(xué)可靠的依據(jù)。完善農(nóng)情信息，為政府、企業(yè)和社會相關(guān)部門提供權(quán)威、客觀、準(zhǔn)確的地理省情信息服務(wù)，為制定相關(guān)政策和政府決策提供科學(xué)依據(jù)。

2 研究區(qū)概況

研究區(qū)為吉林省松原市和白城市，位于吉林省西部，風(fēng)沙大，水資源稀缺，鹽堿化嚴(yán)重，不利于農(nóng)作物生長，多為草原、濕地生產(chǎn)態(tài)區(qū)，是牧業(yè)、雜糧雜豆、糖料、油料生產(chǎn)基地。為治理鹽堿土，吉林西部地區(qū)開展以稻治堿，近年來，水稻面積不斷擴(kuò)大，土壤質(zhì)量不斷提升，對水稻種植面積進(jìn)行分類和監(jiān)測，具有重要意義。

3 數(shù)據(jù)源選擇

3.1 衛(wèi)星遙感影像選擇

綜合考慮分類的精準(zhǔn)性與數(shù)據(jù)的可獲得性，本研究采用高分二號（2m分辨率）、高分一號（16m分辨率）以及TM影像（30m分辨率）等中高分辨率衛(wèi)星遙感影像，主要選取5～10月水稻生長期影像。

3.2 地形數(shù)據(jù)選擇

選用30m格網(wǎng)DEM數(shù)據(jù)作為遙感解譯的地形輔助數(shù)據(jù)；

3.3 其他輔助資料準(zhǔn)備

對有關(guān)部門在大范圍的地貌、農(nóng)作物、植被等現(xiàn)成的專業(yè)調(diào)查或?qū)I(yè)區(qū)劃成果，水稻、玉米種植相關(guān)的統(tǒng)計(jì)匯總報(bào)告等。

4 遙感影像處理

4.1 高分系列衛(wèi)星影像處理

高分系列衛(wèi)星影像的處理主要包括輻射校正、大氣校正、正射校正、圖像融合等步驟，主要流程如下圖所示

4.2 其他中分辨率衛(wèi)星影像處理

針對多源多時相中分辨率遙感影像數(shù)據(jù)的應(yīng)用需求，在控制點(diǎn)采集、平差（采集連接點(diǎn)）、正射校正、檢查糾正等傳統(tǒng)正射影像生產(chǎn)的基礎(chǔ)上，利用基于大氣輻射傳輸理論的大氣校正算法、云影自動檢測、影像自動拼接等算法，對各個時相的數(shù)據(jù)分別進(jìn)行輻射校正、云影檢測，剔除無信息或質(zhì)量較差區(qū)域各自形成有效數(shù)據(jù)區(qū)，然后將多期相鄰時相的有效數(shù)據(jù)區(qū)自動拼接成為一個時間段內(nèi)（1周或2周）相對完整的無云數(shù)據(jù)，最后根據(jù)需求對完整數(shù)據(jù)進(jìn)行輻射歸一化，從而實(shí)現(xiàn)多云雨的研究區(qū)在一定的時間窗口內(nèi)有完整數(shù)據(jù)覆蓋。

5 地塊級水稻種植面積提取

5.1 地塊結(jié)構(gòu)信息提取

地塊結(jié)構(gòu)信息提取是利用高分辨率衛(wèi)星影像數(shù)據(jù)的高空間分辨率，來進(jìn)行地塊邊界提取，獲得耕地信息。主要是基于高分辨率衛(wèi)星影像及輔助邊界數(shù)據(jù)（如道路等）增加地塊邊界分割的準(zhǔn)確性和精細(xì)度，獲取完整地塊邊界。通過多尺度分割和決策樹方法，先把林地、水體、村莊等非目標(biāo)信息去除，在此基礎(chǔ)上，對地塊信息進(jìn)行人工修正，得到高精度地塊信息，用以最大限度避免同物易譜和同譜易物情況出現(xiàn)，提高分類精度。

5.2 基于中分辨率影像的特征計(jì)算

水稻和玉米及其他作物在生長過程中，由于物候期的不同，其生長狀況在影像上表現(xiàn)也不同。通過計(jì)算不同物候期作物的歸一化植被指數(shù)（NDVI），從而將水稻與玉米分別與其他作物區(qū)別開來。

5.3 基于地塊的作物種植面積自動化提取

作物生長特征中物候差別是提取作物種類最重要的依據(jù)，針對不同地塊不同作物則表現(xiàn)為不同的NDVI時間序列。吉林省水稻5月中下旬是插秧期，6月上旬開始返青，水稻在插秧前稻田需進(jìn)行灌水，因此插秧期至返青期稻田是水稻和水體的混合物，此時水田的光譜特征趨向于水體，NDVI較小。6月中旬～7月上旬，水稻處于分蘗期至拔節(jié)期，植株高度和田間覆蓋度迅速增加，NDVI相應(yīng)也快速增加，增加速度高于旱田。7月中旬～8月上旬，水稻處于孕穗期至開花期，NDVI增加較慢，8月上旬NDVI達(dá)到峰值；高于旱田。8月中旬水稻從乳熟期進(jìn)入成熟期，NDVI開始下降。綜合水稻NDVI時間序列與其他地物的差異，可獲得水稻的面積空間分布信息。

具體過程為在提取出來的高精度地塊結(jié)構(gòu)信息基礎(chǔ)上，通過利用DVI/NDWI光譜指數(shù)閾值、時序特征閾值和作物生長規(guī)律閾值的特征組合規(guī)律構(gòu)建多種判別分類模型，識別水稻信息。

5.4 修改完善

5.4.1 完善地類屬性

通過實(shí)地調(diào)查以及其他相關(guān)資料對圖斑地類屬性進(jìn)行檢查和修改，確保圖、屬與實(shí)際一致。

5.4.2 修正可疑圖斑

通過人工方法，找出邊界不準(zhǔn)或分類有誤的圖斑并對其進(jìn)行改正。

5.4.3 檢查圖斑數(shù)據(jù)邏輯一致性

主要是檢查地理要素的準(zhǔn)確性，是否存在偽節(jié)點(diǎn)，懸掛點(diǎn)，多邊形是否閉合，屬性數(shù)據(jù)是否健全等。

5.5 質(zhì)量檢查

成果質(zhì)量檢查工作在信息提取工作完成后，成果自查、互查的基礎(chǔ)上展開。采用抽樣調(diào)查方法進(jìn)行驗(yàn)證，對不小于解譯結(jié)果總圖斑數(shù)5%的核查對象，隨機(jī)抽取圖斑進(jìn)行驗(yàn)證，保證驗(yàn)證樣本均勻分布。

抽樣調(diào)查采樣點(diǎn)分布圖

通過質(zhì)量檢查，使得水稻種植面積信息分類精度不低于設(shè)定精度。最后對分類信息進(jìn)行統(tǒng)計(jì)分析。