劉 蕓，宋善海，李 雪，廖 瑤，李慧璇，王 偉

（1.貴州省生態(tài)氣象和衛(wèi)星遙感中心，貴州 貴陽(yáng) 550002；2.貴州省特種水產(chǎn)工程技術(shù)中心，貴州 貴陽(yáng) 550025）

0 引言

烤煙是我國(guó)重要的經(jīng)濟(jì)作物，其種植和產(chǎn)量受到嚴(yán)格管控，其定量化管理對(duì)維護(hù)市場(chǎng)秩序有著重要意義[1]。衛(wèi)星遙感具有監(jiān)測(cè)范圍廣、時(shí)效性高、使用成本低等特點(diǎn)，在農(nóng)作物面積監(jiān)測(cè)方面具有廣泛的應(yīng)用。研究者基于多源遙感影像開(kāi)展了烤煙種植信息的提?。簠敲先萚2]應(yīng)用監(jiān)督分類(lèi)法研究了復(fù)雜山區(qū)煙草種植的提??；董梅等[3]通過(guò)無(wú)人機(jī)影像對(duì)煙草種植面積進(jìn)行了提取和監(jiān)測(cè)；李天坤[4]利用面向?qū)ο蠓诸?lèi)方法研究了煙草種植面積的提取；符勇[5]應(yīng)用SAR 雷達(dá)衛(wèi)星研究了煙草產(chǎn)量估測(cè)。作物的生長(zhǎng)發(fā)育隨著生育期的變化具有不同的物候特征，其光譜信息也會(huì)隨之發(fā)生改變，因此，基于多時(shí)相衛(wèi)星遙感影像的作物提取更具優(yōu)勢(shì)。劉吉?jiǎng)P等[6]基于多時(shí)相Landsat8 OLI 影像，根據(jù)作物農(nóng)事歷，基于作物光譜特征及植被指數(shù)，采用決策樹(shù)分類(lèi)模型，完成了對(duì)研究區(qū)的種植結(jié)構(gòu)信息提??；鄧劉洋等[7]基于光譜特征及地塊信息開(kāi)展了多時(shí)相遙感影像的冬小麥種植面積提取。但目前基于多時(shí)相衛(wèi)星影像的烤煙種植區(qū)域提取還很少見(jiàn)。

貴州省是我國(guó)烤煙生產(chǎn)大省，2019 年烤煙播種面積為13 萬(wàn)hm2，居全國(guó)第2 位，產(chǎn)量為21.58 萬(wàn)t，居全國(guó)第3 位，占全國(guó)總產(chǎn)量的10.68%[8-9]。貴州地處云貴高原，地形以喀斯特山地丘陵為主，耕地資源匱乏且分散，耕地細(xì)碎化，傳統(tǒng)單一時(shí)相衛(wèi)星遙感數(shù)據(jù)無(wú)法滿足耕地細(xì)碎化條件下作物提取的精度。為進(jìn)一步提升衛(wèi)星遙感影像對(duì)烤煙種植區(qū)域的提取精度，基于多時(shí)相影像序列，根據(jù)烤煙不同生長(zhǎng)期的物候特征，構(gòu)建多時(shí)相烤煙種植區(qū)域提取模型，完成研究區(qū)域烤煙種植區(qū)域提取。

1 研究區(qū)概況及影像選擇與預(yù)處理

1.1 研究區(qū)概況

石阡縣（107°44～108°33E，27°17～27°42N），隸屬于貴州省銅仁市，位于貴州省東北部，銅仁市西南部，總面積為2 173 km2。石阡縣為典型貴州山地地貌，山地面積占77.3%，丘陵、谷地占22.7%。石阡縣屬中亞熱帶季風(fēng)濕潤(rùn)氣候區(qū)，年平均氣溫17.6 °C，年降雨量1 301.2 mm，年日照時(shí)數(shù)1 060.4 h[10]。研究區(qū)位于貴州省銅仁市石阡縣西部，包括河場(chǎng)壩鄉(xiāng)、本莊鎮(zhèn)、白沙鎮(zhèn)和聚鳳鄉(xiāng)4 個(gè)鄉(xiāng)鎮(zhèn)，占地面積690.6 km2，烤煙為該地區(qū)重要的經(jīng)濟(jì)作物。

1.2 衛(wèi)星影像資料選擇及預(yù)處理

農(nóng)作物在生長(zhǎng)發(fā)育不同階段會(huì)表現(xiàn)出不同的物候特征，這就造成了其在衛(wèi)星影像上的光譜差異[11]?？緹煷筇锷诜譃檫€苗期、伸根期、旺長(zhǎng)期和成熟期等階段，如表1 所示[4]。因此，選擇2019 年5 月23 日（還苗—伸根期）、7 月3 日（旺長(zhǎng)期）及8 月13 日（成熟期）的高分六號(hào)2 m 分辨率衛(wèi)星影像資料，并對(duì)衛(wèi)星影像進(jìn)行輻射定標(biāo)、大氣校正、正射校正和影像融合等預(yù)處理。

2 研究方法

2.1 技術(shù)路線

烤煙種植區(qū)域提取流程如圖1 所示。

2.2 烤煙種植區(qū)光譜特征及植被指數(shù)特征分析

2.2.1光譜特征分析

根據(jù)外業(yè)GPS 調(diào)查采集到的樣本點(diǎn)，將研究區(qū)地物大致分為烤煙、其他植被、水體、建設(shè)用地和裸地5 種地物類(lèi)型，統(tǒng)計(jì)每一類(lèi)地物樣本點(diǎn)在不同時(shí)相衛(wèi)星影像上的光譜特征，并繪制其光譜曲線，如圖2 所示。

結(jié)合實(shí)際調(diào)研和圖2 可知，烤煙在5 月還苗生根期為覆膜種植，其光譜曲線與建設(shè)用地及裸地相似；而到了7、8 月，烤煙葉片迅速生長(zhǎng)，其光譜曲線明顯呈現(xiàn)出植被的特征，即在第2 波段的DN值高于第3 波段，并且第4 波段上的DN值明顯增大，但烤煙與其他植被的光譜差異體現(xiàn)在近紅外波段烤煙DN值明顯大于其他植被。7 月烤煙處于旺長(zhǎng)期，因此，其在第2 波段（綠波段）的DN值明顯高于8 月。經(jīng)過(guò)反復(fù)嘗試，確定單一時(shí)相烤煙光譜的劃分閾值。

圖2 地物光譜特征曲線Fig.2 Spectral characteristic curve of ground features

2.2.2植被指數(shù)特征分析

歸一化植被指數(shù)（NDVI）能夠很好地將植被和非植被區(qū)分開(kāi)來(lái)，計(jì)算如下。

式中NIR—近紅外波段

RED—紅光波段

通過(guò)野外采樣得到的烤煙樣本點(diǎn)，繪制NDVI特征曲線，如圖3 所示，研究區(qū)烤煙在5 月還苗伸根期，NDVI最小，接近于0；在7 月旺長(zhǎng)期，烤煙葉片呈現(xiàn)綠色，NDVI達(dá)到最大值，接近1（均值為0.72）；到了8 月，烤煙處于成熟期，其葉片逐漸變黃，呈現(xiàn)黃綠色，NDVI較7 月有所降低。經(jīng)過(guò)反復(fù)嘗試，確定單一時(shí)相烤煙植被指數(shù)劃分閾值：5 月NDVI≤0.48，7 月NDVI≥0.62，8 月NDVI≥0.54。

圖3 NDVI 特征曲線Fig.3 NDVI characteristic curve

2.2.3面積特征分析

考慮到烤煙屬于經(jīng)濟(jì)作物，種植面積一般＞0.067 hm2（1 畝），因此，剔除面積＜166 像元的小圖斑。

2.3 基于單一時(shí)相烤煙種植區(qū)提取

利用烤煙光譜特征、NDVI特征和面積特征，建立單一時(shí)相烤煙提取規(guī)則，采用面向?qū)ο蠓诸?lèi)法，分別對(duì)3 個(gè)時(shí)相影像進(jìn)行烤煙種植區(qū)提取，得到單一時(shí)相烤煙提取結(jié)果T1、T2、T3。

2.4 基于多時(shí)相植被指數(shù)特征的烤煙種植區(qū)域提取

基于烤煙在不同種植期的NDVI特征，利用歸一化植被指數(shù)的差值和商，計(jì)算多時(shí)相植被指數(shù)如下

式中NDVI0523、NDVI0703、NDVI0813—分 別 為5 月23 日、7 月3 日、8 月13 日影像的歸一化植被指數(shù)

經(jīng)過(guò)反復(fù)嘗試，確定基于多時(shí)相植被指數(shù)特征的烤煙種植區(qū)劃分閾值：NDVI1≥0.29，NDVI2≥0.21，1.3 ≤NDVI3≤11，1.6 ≤NDVI3≤8.3，得到多時(shí)相植被指數(shù)烤煙種植區(qū)初步提取結(jié)果T4。

3 提取結(jié)果及精度評(píng)價(jià)

將單一時(shí)相烤煙種植區(qū)提取結(jié)果T1、T2、T3及多時(shí)相植被指數(shù)烤煙種植區(qū)提取結(jié)果T4，進(jìn)行交叉驗(yàn)證，生成研究區(qū)烤煙種植區(qū)提取結(jié)果T，如圖4 所示。

圖4 研究區(qū)烤煙種植區(qū)提取結(jié)果分布Fig.4 Distribution of extraction results of flue-cured tobacco planting area in study area

采用隨機(jī)抽樣的方法對(duì)分類(lèi)結(jié)果進(jìn)行精度驗(yàn)證，精度評(píng)價(jià)結(jié)果如表2 所示。

由表2 可知，本分類(lèi)方法的分類(lèi)總體精度高達(dá)94.67%，總Kappa 系數(shù)為0.94，分類(lèi)質(zhì)量達(dá)到很好水平。在單一時(shí)相的面向?qū)ο蠓诸?lèi)中，8 月13 日影像的分類(lèi)結(jié)果精度最高，總精度為90%，Kappa 系數(shù)為0.9。多時(shí)相分類(lèi)結(jié)果比8 月13 日分類(lèi)總體精度提升了4.67個(gè)百分點(diǎn)，Kappa 系數(shù)提升了0.04，錯(cuò)分率降低了個(gè)百分點(diǎn)。多時(shí)相分類(lèi)的效果優(yōu)于單一時(shí)相分類(lèi)，總體精度提升，且錯(cuò)分率明顯降低。

表2 分類(lèi)精度評(píng)價(jià)結(jié)果Tab.2 Classification accuracy evaluation results

4 結(jié)束語(yǔ)

（1）以高分六號(hào)衛(wèi)星影像作為數(shù)據(jù)源，根據(jù)烤煙生長(zhǎng)物候期特征及貴州烤煙種植特點(diǎn)，抓住研究區(qū)烤煙在不同物候期的衛(wèi)星影像光譜差異，選擇合適的衛(wèi)星影像時(shí)序，構(gòu)建多時(shí)序遙感影像烤煙種植區(qū)域的提取模型，采用面向?qū)ο蠓诸?lèi)法，完成了烤煙種植區(qū)域的多時(shí)相提取，分類(lèi)精度為94.67%，Kappa 系數(shù)為0.94。此方法能夠在很大程度上減少因單一影像云量差異、異物同譜和同物異譜現(xiàn)象、烤煙生長(zhǎng)差異等造成的錯(cuò)分和漏分現(xiàn)象，分類(lèi)精度得到了明顯提升，能夠在貴州復(fù)雜山區(qū)地塊破碎、種植分散的條件下，較為準(zhǔn)確地提取烤煙種植區(qū)域。

（2）以4 個(gè)鄉(xiāng)鎮(zhèn)為研究區(qū)試驗(yàn)方法，相對(duì)于以某個(gè)壩區(qū)或某個(gè)鄉(xiāng)鎮(zhèn)作為研究區(qū)域，研究范圍相對(duì)較大，種植結(jié)構(gòu)更為復(fù)雜，說(shuō)明試驗(yàn)方法具有一定的普適性。

（3）試驗(yàn)方法存在地塊與地塊之間界限不清晰的情況，下一步擬基于地塊進(jìn)行分割，解決地塊邊界光譜與地塊內(nèi)部光譜變異混合問(wèn)題，進(jìn)一步提高提取精度。