劉懿瑩,孫 莉,厲彥玲

(山東農(nóng)業(yè)大學(xué)信息科學(xué)與工程學(xué)院,山東 泰安 271018)

0 引 言

金銀花是沂蒙山區(qū)傳統(tǒng)的正宗藥材,種植歷史悠久。山東省平邑縣是農(nóng)業(yè)農(nóng)村部命名的 “中國金銀花之鄉(xiāng)”,是公認(rèn)的金銀花原產(chǎn)地和主產(chǎn)區(qū),也是中國最大的金銀花集散地。2019年3月,該縣啟動了《平邑金銀花志》的編修工作。利用衛(wèi)星遙感數(shù)據(jù)對中草藥材的種植面積進(jìn)行監(jiān)測是遙感領(lǐng)域一個新的應(yīng)用方向[1]。遙感技術(shù)具有覆蓋面積大、監(jiān)測方法經(jīng)濟(jì)有效、數(shù)據(jù)更新周期短等一系列優(yōu)點(diǎn),將其應(yīng)用于快速監(jiān)測金銀花種植的分布和動態(tài)變化,可以為相關(guān)部門指導(dǎo)金銀花的合理種植提供決策依據(jù)。

國內(nèi)外先后利用多種遙感數(shù)據(jù)在不同尺度下對作物種植面積的監(jiān)測進(jìn)行了大量研究。Pervez等利用中分辨率成像光譜儀獲取的NDVI數(shù)據(jù)提取出2000-2013年阿富汗地區(qū)作物種植面積[2]。Ning等利用基于時間序列的NDVI遙感影像,提取出山西省半干旱丘陵區(qū)的小麥種植面積[3]。Belgiu等采用Sentinel-2多光譜傳感器數(shù)據(jù),研究通過時間加權(quán)動態(tài)時間規(guī)整算法,研究其在農(nóng)作物分類的應(yīng)用效果[4]。Zhang等提出利用 Landsat-8 OLI遙感影像的時間序列以及物候參數(shù)的融合數(shù)據(jù),提取多云雨地區(qū)的水稻種植面積[5]。Turner等利用3個時相的 SPOT影像,通過采用非監(jiān)督分類與監(jiān)督分類相結(jié)合的方法,從而獲取較高精度的位于非洲半干旱地區(qū)的水稻作物分布圖[6]。Luiz等通過遙感分層抽樣對 2005-2006 年度巴西的南里奧格蘭德市地區(qū)的大豆進(jìn)行分類,獲取研究區(qū)大豆種植面積和數(shù)量,與實際統(tǒng)計結(jié)果進(jìn)行對比,達(dá)到了比較高的精度[7]。

國內(nèi)在作物遙感監(jiān)測方面已做過大量的研究工作,并有業(yè)務(wù)化運(yùn)行的農(nóng)作物監(jiān)測系統(tǒng)。楊邦杰等分析遙感技術(shù)是經(jīng)濟(jì)作物種植監(jiān)測中最基本常用的輔助技術(shù),衛(wèi)星遙感技術(shù)監(jiān)測作物種植以及生產(chǎn)情況能快速方便地獲取相關(guān)處理數(shù)據(jù),節(jié)省人力物力[8]。陳仲新等認(rèn)為作物種植面積監(jiān)測是通過研究空間分布情況以及監(jiān)測種植信息,利用多傳感器的遙感影像所記錄的地球表面信息統(tǒng)計種植面積[9]。戴晨曦等提出了一種新的方法即基于空間分辨率的多光譜遙感影像的三七種植區(qū)的提取方法,利用DEM中的高程值進(jìn)而來增強(qiáng)大棚與山區(qū)的陰影及平地部分的人工地物的區(qū)分度,并利用NDVI來增強(qiáng)大棚與水體的差異性[1]。鄧榮鑫等利用一種監(jiān)測技術(shù)即基于時間序列的植被指數(shù)多時相數(shù)據(jù)分類技術(shù)來監(jiān)測作物的生長過程,分析其生長規(guī)律以及遙感響應(yīng)特征,制定遙感提取規(guī)則[10]。唐文瀾等提出了基于NDVI的雙時差值的油菜面積信息提取的方法提取油菜面積[11]。湯斌通過修改水稻提取算法參數(shù),使得MODIS數(shù)據(jù)水稻種植面積提取與其統(tǒng)計數(shù)據(jù)持平[12]。張微微通過原始遙感影像校正并結(jié)合目視解譯的監(jiān)督分類等,針對CBRES CCD數(shù)據(jù)探討了水稻種植面積監(jiān)測方面的應(yīng)用潛力[13]。田海峰等構(gòu)建一種新的冬小麥決策樹分類模型,分別基于決策樹分類模型以及IsoData非監(jiān)督分類模型,對比分析GF-1 PMS影像及同時期的Landsat-8 OLI影像在冬小麥種植面積提取上的精度[14]。

由上述分析可知,目前關(guān)于金銀花種植監(jiān)測的研究還很少。本文利用最佳時相的Landsat-8 OLI遙感影像提取沂蒙山區(qū)平邑縣金銀花種植區(qū),對2013-2018年種植情況進(jìn)行動態(tài)監(jiān)測,并對監(jiān)測結(jié)果進(jìn)行分析。

整體思路為:首先通過統(tǒng)計資料和野外調(diào)查,分析平邑縣金銀花的主要種植區(qū)基地,深入了解該區(qū)域金銀花的空間分布規(guī)律,為金銀花的遙感監(jiān)測做好數(shù)據(jù)準(zhǔn)備工作;其次,選擇時相適宜、影像清晰、反差適中、有利于解譯各類地物的遙感影像數(shù)據(jù);再對數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、幾何校正、拼接、裁剪等預(yù)處理,以便正確利用遙感影像的時、空、譜信息;然后選擇金銀花種植樣區(qū)分析其光譜特征,建立模型自動提取種植區(qū),計算其面積,并進(jìn)行精度評價;最后,實現(xiàn)金銀花種植的動態(tài)監(jiān)測。

1 材料與方法

1.1 研究區(qū)概況

山東省平邑縣位于蒙山西南部,介于東經(jīng)117°25′～117°56′,北緯35°07′～35°43′之間,總面積1 825 km2,如圖1所示?？h境內(nèi)地勢南北高,中間低,略向東南傾斜,可劃分為北部中山林牧區(qū)、中部平原糧菜區(qū)和南部低山油林區(qū)3個區(qū)域[15]。該縣地處北溫帶的偏東南部,屬季風(fēng)區(qū)域大陸性氣候,具有冬季寒冷、夏季炎熱、光照充足、無霜期長的特點(diǎn),適宜金銀花的生長。

圖1 研究區(qū)域位置

金銀花是平邑縣的特色產(chǎn)業(yè)。全縣90% 以上的村莊種植金銀花,并且建立了眾多的金銀花標(biāo)準(zhǔn)化種植基地:北部有位于洪河村的北花一號金銀花基地、仲村鎮(zhèn)云頭山的魯蒙生態(tài)種植基地,中部有小井村的騰飛四季金銀花苗木基地、蒙山大道的金銀花苗木基地、流峪鎮(zhèn)鑫城村的澳東生態(tài)種植實驗基地、小井村的農(nóng)豐樹形專業(yè)合作社、潘家井村的東旭專業(yè)合作社,南部有位于三合一村的魯峪一號基地、卞橋鎮(zhèn)東卞橋村東嶺的匯豐金銀花基地、鄭城中橋的金地專業(yè)合作社、卞橋鎮(zhèn)的路源生態(tài)種植基地、卞橋鎮(zhèn)的東康金銀花種植基地、鄭城鎮(zhèn)張莊村的中科種植專業(yè)合作社、鄭城鎮(zhèn)鄭城村的盛涵金銀花種植專業(yè)合作社。其中,尤其以鄭城鎮(zhèn)、流峪鎮(zhèn)生產(chǎn)的金銀花最負(fù)盛名。

1.2 數(shù)據(jù)源與預(yù)處理

選擇最佳時相的遙感影像是作物面積遙感監(jiān)測的關(guān)鍵環(huán)節(jié)之一。通常要求遙感影像具有適宜的空間分辨率,同時研究對象與其他地物的光譜特征差異最大[5]。此外,還要求影像無云、少云。

本文選取2013年至2018年的Landsat-8遙感影像,OLI陸地成像儀包括9個波段多光譜影像,空間分辨率為30 m。表1是各遙感影像數(shù)據(jù)信息。

表1 平邑縣Landsat影像數(shù)據(jù)信息

平邑縣Landsat影像數(shù)據(jù)的條帶號是121,行編號是35、36。本文采用先裁剪后校正的方法,36行在平邑縣區(qū)域部分占比很小,且本文所選數(shù)據(jù)在裁剪完成后云量幾乎沒有,因此表1中36行的數(shù)據(jù)看起來云量較多但對金銀花種植區(qū)提取無影響。

金銀花一年中多次開花,開花期可達(dá)5個月,一般第一茬花花量大,花期集中。由于各個地區(qū)的氣候以及氣溫的不同,金銀花的花期從南到北逐漸推遲,平邑縣金銀花第一茬花花期一般是在5月上旬到6月中旬。為了全面客觀地了解遙感影像特征,筆者比較了不同時相的影像,發(fā)現(xiàn)4月份平邑縣內(nèi)金銀花信息極為罕見,表明此時的金銀花大多尚未開放,影像反映的主要是其生境(如土壤)等地物信息;7月份金銀花信息也比較弱,難以將金銀花與其他植被區(qū)分開來。通過分析5、6月份影像發(fā)現(xiàn),金銀花與建筑物、水體等非植被區(qū)在影像色調(diào)、光譜特征以及 NDVI 指數(shù)等方面都具有明顯差異,金銀花的第四波段大于第三波段,而非植被區(qū)的第四波段小于第三波段。綜合考慮,筆者認(rèn)為平邑縣內(nèi)金銀花遙感監(jiān)測的最佳時相在5月底左右。除遙感影像外,本文還用到國家基礎(chǔ)地理信息中心公布的1∶400萬平邑縣行政區(qū)劃矢量數(shù)據(jù)、DEM數(shù)據(jù)等。

數(shù)據(jù)預(yù)處理主要包括遙感影像輻射定標(biāo)、幾何校正、拼接、裁剪、Modtran大氣校正等。將2013年至2018年的遙感影像數(shù)據(jù)分別進(jìn)行上述預(yù)處理,得到各時相的地表反射率影像。

1.3 基于決策樹監(jiān)測金銀花種植情況

通過對NDVI值的時序性分析,了解時序特性,找出有效的區(qū)分不同類別的方法,選擇合適的閾值進(jìn)行決策樹分類[16]。利用決策樹分類法取得的結(jié)論更加準(zhǔn)確、直觀、利于理解、計算相對比較簡單等,相比其他方法有很大的優(yōu)勢,可以提高遙感影像分類的精確度[17]。本文建立的決策樹如圖2所示。

圖2 金銀花種植區(qū)提取決策樹

研究區(qū)內(nèi)主要地物類型有金銀花、道路、居民地、水體、裸地、其他植被等,通過大量樣區(qū)分析,發(fā)現(xiàn)影像中金銀花、部分道路以及其他植被的NDVI值大于0.3,其他地物的NDVI值均在這一閾值之下。通過NDVI閾值構(gòu)造模型的第一層,實現(xiàn)金銀花的粗分類。其中部分道路會錯分為金銀花,主要是因為道路的寬度影響了它在影像上的特征,道路如果過窄,其光譜特征很容易受到周圍金銀花光譜特征的影像,表現(xiàn)為混合像元特征,因此其NDVI值大于0.3;其他植被會錯分為金銀花,是因為此時一般綠色植被區(qū)的NDVI范圍是0.2～0.8,影像上的其他植被呈現(xiàn)綠色,其NDVI值可能大于0.3。

本文采用目視解譯法識別典型的金銀花種植樣區(qū),即平邑縣眾多的金銀花標(biāo)準(zhǔn)化種植基地。通過查看金銀花等各種地物在各個波段上的光譜值,進(jìn)行光譜特征分析,在確定各個波段閾值時,多次利用二分法,逐步建立一種新的決策樹模型。筆者在進(jìn)行光譜特征分析時發(fā)現(xiàn)金銀花在影像中第1波段地表反射率<0.123、第2波段地表反射率<0.109、第3波段地表反射率<0.156、第4波段地表反射率<0.185,那些錯分為金銀花的部分道路、其他植被則不同。實地調(diào)查發(fā)現(xiàn)平邑縣道路兩旁以及田野附近種植楊樹比較多,需要將楊樹與金銀花區(qū)分,觀察圖像處理軟件自帶的波譜庫發(fā)現(xiàn)楊樹第1波段反射率>0.123,由此將楊樹與金銀花區(qū)分出來。第一層方案中已將大部分道路分出來,剩下的部分道路主要鋪面材料是水泥沙地和褐色地,它們的反射波譜特征曲線形狀大體相似,褐色地的反射率低于水泥沙地,而褐色地的第2波段地表反射率>0.109,由此能將道路和金銀花區(qū)分出來。由于葉綠素對綠色反射作用強(qiáng),植被的反射光譜曲線在第3波段有一個0.1～0.2的波峰,金銀花的波峰值為0.156,而玉米等植被波峰值>0.156,由此可以將金銀花與其他植被區(qū)分出來。由此,構(gòu)造決策樹模型的第二層方案,實現(xiàn)金銀花與部分道路、其他植被的分離。

在利用決策樹模型進(jìn)行分類完成后,得到的結(jié)果中不可避免會產(chǎn)生一些面積很小的圖斑,即孤立像元或者線狀地物出現(xiàn)斷點(diǎn)。目前常用的分類后處理方法有聚類統(tǒng)計、過濾分析及形態(tài)學(xué)濾波等[18]。本文采用形態(tài)學(xué)濾波進(jìn)行分類后處理。

1.4 基于支持向量機(jī)監(jiān)督分類監(jiān)測金銀花種植情況

支持向量機(jī)方法是根據(jù)樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中,是一種常用的分類方法。本文在選取一定數(shù)量的金銀花、道路、居民地、水體、裸地、其他植被等6類訓(xùn)練樣本之后,選擇支持向量機(jī)監(jiān)督分類方法,對圖像進(jìn)行分類。在設(shè)置SVM參數(shù)時,采用多項式作為核函數(shù),次數(shù)設(shè)為6,其他參數(shù)選擇默認(rèn)值。

2 結(jié)果與討論

2.1 與支持向量機(jī)監(jiān)督分類結(jié)果的對比

精度評價是遙感動態(tài)監(jiān)測的重要一環(huán),用于確定解譯數(shù)據(jù)與實際數(shù)據(jù)差異是否顯著。本文利用整體精度、Kappa系數(shù)及獨(dú)立數(shù)據(jù)驗證評價分類精度。分別基于支持向量機(jī)監(jiān)督分類和決策樹分類兩種方法,對比分析遙感影像在2018年的金銀花提取精度差異,結(jié)果如表2所示。

表2 2018年平邑縣金銀花種植區(qū)提取精度比較

由表2可知,在本文中,決策樹分類精度優(yōu)于支持向量機(jī)監(jiān)督分類精度,說明在平邑縣金銀花種植區(qū)提取中采用決策樹分類方法有效。

2.2 決策樹模型提取結(jié)果

基于2.3節(jié)構(gòu)建的決策樹分類模型,提取金銀花種植區(qū),各年度結(jié)果如圖3所示,精度如表3所示。

表3 平邑縣金銀花種植區(qū)提取精度評價

圖3 平邑縣金銀花種植區(qū)提取結(jié)果

精度評價結(jié)果表明:基于本文的決策樹分類模型提取金銀花種植區(qū),總體精度均優(yōu)于91%,Kappa系數(shù)均大于0.8,分類結(jié)果精度均較高。由于統(tǒng)計數(shù)據(jù)匱乏,筆者僅能將部分年份提取結(jié)果與平邑縣人民政府官方統(tǒng)計數(shù)據(jù)進(jìn)行比較:2017年約400 km2、2018年約433.33 km2,差異較小。這說明,利用遙感影像監(jiān)測金銀花種植面積是有效的。

進(jìn)一步分析可知金銀花種植空間格局:種植區(qū)總體較為集中,主要分布在中部的小井村、流峪鎮(zhèn),南部的卞橋鎮(zhèn)、鄭城鎮(zhèn)等地區(qū)。近幾年政府也加大了對流峪鎮(zhèn)和鄭城鎮(zhèn)的金銀花種植基地的建設(shè)與投資,種植面積增幅較大,這些地區(qū)地形開闊,陽光充足,適宜金銀花的生長。

2.3 遙感動態(tài)監(jiān)測結(jié)果

遙感動態(tài)監(jiān)測是利用不同時相的遙感數(shù)據(jù)定量地分析與確定地表變化的特征與過程,具有廣泛的應(yīng)用[19-20]。本文采用分類后比較法進(jìn)行金銀花種植的動態(tài)監(jiān)測。

利用2013-2018年遙感監(jiān)測得到的金銀花種植柵格數(shù)據(jù),制作了年際變化圖,從而進(jìn)行動態(tài)監(jiān)測,如圖4所示。限于篇幅,本文未列出具體的變化矩陣。分析可見:平邑縣2013年到2014年金銀花種植面積明顯增加;2014年到2015年中部流峪鎮(zhèn)部分地區(qū)金銀花種植面積增加,其他地區(qū)變化不明顯;2015年到2016年金銀花種植面積有小幅增長;2016年到2017年北部洪河村以及仲村鎮(zhèn)地區(qū)金銀花種植面積顯著增加,其他地區(qū)變化不明顯;2017年到2018年金銀花種植面積增幅較大,中部地區(qū)金銀花種植面積增加,其他地區(qū)也有不同幅度增加。

圖4 平邑縣金銀花種植年際變化

3 結(jié) 語

本文嘗試?yán)?個時相的Landsat-8 OLI影像提取金銀花種植區(qū),并實現(xiàn)了動態(tài)監(jiān)測,對于當(dāng)?shù)卣莆战疸y花種植情況有一定幫助,對相關(guān)研究具有一定參考價值。

本文還存在一些問題和不足。在研究尺度上,縣域尺度的經(jīng)濟(jì)作物識別最好應(yīng)用高分辨率遙感影像,本文所用30 m分辨率數(shù)據(jù)在圖像解譯時稍顯不足,混合像元比較多,在分類后處理時圖斑較多。另外,建立決策樹模型時,仍需進(jìn)行大量目視解譯,從而掌握金銀花的光譜特征,效率不高,希望以后可以有相應(yīng)光譜庫,或開發(fā)更簡單高效的方法。

目前利用遙感影像進(jìn)行經(jīng)濟(jì)作物種植面積動態(tài)監(jiān)測的研究較多,但是對于金銀花的遙感監(jiān)測研究很少。本文建立了提取金銀花種植區(qū)的決策樹模型,還有很多新的方法尚未展開試驗,比如機(jī)器學(xué)習(xí)方法等,今后可以進(jìn)行更深入的研究。