基于不同時相高分一號衛(wèi)星影像的水稻種植面積監(jiān)測研究

1、 基于不同時相高分一號衛(wèi)星影像的水稻種植面積監(jiān)測研究 單捷+孫玲+于堃+毛良君+黃曉軍+王志明Summary： 高分一號衛(wèi)星影像具有高空間分辨率和高時間分辨率的優(yōu)點。為了分析在水稻生育期內(nèi)不同時相的高分一號衛(wèi)星影像對水稻識別的影響，以江蘇省建湖縣為研究區(qū)域，選用2014年7月21日至2014年10月24日期間5景空間分辨率為16 m的高分一號衛(wèi)星影像，采用ISODATA分類與人工目視解譯相結(jié)合的方法分別提取各時相的水稻種植面積，并以地面實測GPS水稻樣方進(jìn)行精度驗證，結(jié)果表明5個時相的水稻種植面積精度都在86%以上，10月15日精度達(dá)到最高，為90.391%，說明利用高分一號衛(wèi)星影像可以用于監(jiān)

2、測水稻種植面積且精度較高，在農(nóng)業(yè)遙感監(jiān)測領(lǐng)域中具有廣闊的應(yīng)用前景。Key： 遙感監(jiān)測；高分一號衛(wèi)星；不同時相；水稻種植面積；江蘇省建湖縣： S127 文獻(xiàn)標(biāo)志碼： A：1002-1302（2017）22-0229-04水稻是僅次于小麥、玉米的世界第三大糧食作物，全世界水稻播種面積約占耕地面積的15%1。中國是世界上最大的水稻生產(chǎn)國和消費國，水稻種植面積占全國糧食作物種植面積的30%2。因此，及時準(zhǔn)確地掌握水稻種植面積信息對于農(nóng)業(yè)和經(jīng)濟發(fā)展具有重要意義。高分一號衛(wèi)星（簡稱GF-1衛(wèi)星）是我國高分辨率對地觀測系統(tǒng)重大專項中為解決應(yīng)用急需和替代進(jìn)口而規(guī)劃的首發(fā)衛(wèi)星，于2013年4月26日成功發(fā)射升空

3、。它突破了高空間分辨率、多光譜與寬覆蓋相結(jié)合的光學(xué)遙感等關(guān)鍵技術(shù)，在分辨率和幅寬的綜合指標(biāo)上達(dá)到了目前國內(nèi)外民用光學(xué)遙感衛(wèi)星的領(lǐng)先水平3。高分系列衛(wèi)星的發(fā)射在國土資源調(diào)查、災(zāi)害評估、環(huán)境監(jiān)測等領(lǐng)域發(fā)揮重大的經(jīng)濟和社會價值4，尤其在農(nóng)業(yè)領(lǐng)域?qū)壹Z食安全、生態(tài)環(huán)境保護(hù)、農(nóng)業(yè)可持續(xù)發(fā)展具有重大意義。GF-1衛(wèi)星搭載了2臺2 m分辨率全色/8 m分辨率多光譜相機，4臺16 m分辨率多光譜相機，設(shè)計壽命58年，具體參數(shù)見表1。GF-1衛(wèi)星自發(fā)射以來，提供了大量高空間分辨率的衛(wèi)星數(shù)據(jù)，成為眾多研究學(xué)者運用多種方法進(jìn)行農(nóng)作物遙感識別的主要數(shù)據(jù)源。劉吉凱等5采用多時相迭代方法構(gòu)建 GF-1 數(shù)據(jù)的甘蔗提取特

4、征向量決策樹模型，提取研究區(qū)甘蔗種植面積，得到較高的分類精度。劉國棟等利用多時相 GF-1 數(shù)據(jù)進(jìn)行多目標(biāo)農(nóng)作物的MPPS 抽樣， 從而推斷總體農(nóng)作物的種植面積，精度高于90%6。王利民等采用4個時相的GF-1數(shù)據(jù)，以多尺度分割后的對象為基本分類單元，運用分層決策樹分類的方法對冬小麥面積進(jìn)行提取，分類總體精度達(dá)到96.7%7。楊閆君等構(gòu)建GF-1數(shù)據(jù)的NDVI時間序列，并在此基礎(chǔ)上運用多種分類方法對研究區(qū)作物進(jìn)行分類8。賀鵬等基于多時相GF-1數(shù)據(jù)序列構(gòu)建基于決策樹分層分類的主要作物遙感分類模型，提取研究區(qū)主要作物的空間種植信息，精度在97%以上9。Yang等基于兩景GF-1數(shù)據(jù)利用水稻分蘗期

5、和抽穗期的NDVI和NDWI構(gòu)建了水稻信息提取模式，有效地提取出了研究區(qū)水稻信息10。為了分析在水稻生育期內(nèi)不同時相的GF-1衛(wèi)星影像對水稻識別精度的影響，本研究以GF-1衛(wèi)星影像為數(shù)據(jù)源，以江蘇省建湖縣水稻為研究對象，選擇水稻生育期內(nèi)不同時期的GF-1影像，進(jìn)行不同時相的水稻種植面積提取，通過對提取的各時相水稻面積精度進(jìn)行分析，從而對GF-1衛(wèi)星影像的水稻面積監(jiān)測精度進(jìn)行評價。1 研究區(qū)域概況建湖縣位于江蘇省鹽城市中西部，33163341N，1193312005E，東臨射陽縣，南與鹽都區(qū)接鄰，西與寶應(yīng)、淮安、阜寧3縣（市）毗連，北與阜寧縣分界。建湖縣是國家商品糧基地縣，常年水稻面積占耕地面積

6、85%左右，一季稻以“淮稻5號”為主，生長期一般從5月下旬到10月下旬，同時期的其他作物有少量大豆、玉米、薯類和棉花。2 研究方法2.1 GF-1影像采集及預(yù)處理以2014年GF-1衛(wèi)星空間分辨率為16 m的多光譜影像為數(shù)據(jù)源，由于華東地區(qū)在水稻生育期內(nèi)正值多云多雨季節(jié)，611月期間除7月21日、8月3日和10月3日影像上有少量云，10月15日、10月24日、11月13日和11月21日影無云影響外，其余影像云量太多，不宜使用。10月下旬后水稻陸續(xù)收割，因此選用7月21日、8月3日、10月3日、10月15日和10月24日的影像監(jiān)測水稻面積。首先對各時相的GF-1衛(wèi)星影像進(jìn)行正射校正、大氣校正和幾

7、何精校正，誤差控制在0.5個像元之內(nèi)，然后利用全國1 25萬行政區(qū)劃圖對建湖縣域影像進(jìn)行裁切和拼接。2.2 地面觀測數(shù)據(jù)驗證樣方數(shù)量及位置的確定。本研究在建湖縣水稻種植區(qū)域內(nèi)選取5塊5 km5 km的水稻驗證（樣方分布見圖1），驗證樣方選擇的原則兼顧作物空間分布與作物類型的均勻性。由于4號樣方臨近建湖縣邊界，所以該樣方邊界以建湖縣邊界為準(zhǔn)，樣方面積略小于25 km2。驗證樣方內(nèi)水稻面積的確定。利用亞米級的差分GPS在野外獲取樣方位置與主要作物范圍，建立水稻和其他地物解譯標(biāo)志，結(jié)合地面調(diào)查結(jié)果對2013年8月8日空間分辨率0.5 m的WorldView-1衛(wèi)星的全色立體影像與2014年10月3日

8、空間分辨率為8 m的GF1-PMS影像融合，生成空間分辨率為0.5 m的多光譜影像進(jìn)行目視解譯得到每塊樣方內(nèi)水稻種植面積并進(jìn)行實地驗證和修正，最終得到驗證樣方的水稻面積（圖2），并以此面積作為實際水稻面積對GF-1衛(wèi)星影像提取的水稻面積進(jìn)行精度驗證。2.4 水稻提取方法由于非監(jiān)督分類方法不需要較多的先驗知識，僅依靠影像上不同類地物光譜信息（或紋理信息）進(jìn)行特征提取，再統(tǒng)計特征的差別來達(dá)到分類的目的，最后對已分出的各個類別的實際屬性進(jìn)行確認(rèn)11，分類方法簡單且分類過程快速。所以本研究采用非監(jiān)督分類與人工目視解譯相結(jié)合的人機交互方法對水稻進(jìn)行提取，即選擇非監(jiān)督分類方法中常用的ISODATA（ite

9、rative self-organizing data analysis technique）即迭代自組織數(shù)據(jù)分析計算算法分別對5個時相的GF-1衛(wèi)星影像進(jìn)行分類，結(jié)合各時相對應(yīng)的水稻解譯標(biāo)志在影像上判別出水稻，提取建湖縣水稻種植面積，在此基礎(chǔ)上再由解譯人員憑借光譜規(guī)律、地學(xué)規(guī)律和解譯經(jīng)驗從影像的亮度、色調(diào)、位置、時間、紋理、結(jié)構(gòu)等特征進(jìn)行人工目視解譯修正，從而得到最終的水稻種植面積。endprint2.5 精度驗證基于地面樣方數(shù)據(jù)驗證是精度驗證的主要手段之一，也是說明分類結(jié)果準(zhǔn)確程度的指標(biāo)之一12-14。本研究選用基于地面樣方數(shù)據(jù)的精度驗證方法對GF-1衛(wèi)星影像的水稻面積監(jiān)測精度進(jìn)行評價。由

10、于本研究主要目的是為了測試GF-1衛(wèi)星影像對水稻的識別能力，評價GF-1衛(wèi)星影像在水稻面積監(jiān)測中的精度，所以只對提取出的水稻進(jìn)行精度評價而不涉及其他地物類型。由表3可以看出，7月21日、8月3日、10月3日、10月15日和10月24日5個時相的水稻種植面積監(jiān)測平均精度都在86%以上，相差不大，且精度隨著水稻的生長逐漸升高，7月21日的精度最低，為86.324%，在10月15日達(dá)到最高，為90.391%；5個時相的各樣方水稻種植面積監(jiān)測精度大多數(shù)集中在85%98%，精度最高的是10月15日的5號樣方，精度為98.060%，精度90%以上的有15個，精度80%90%的有4個，精度低于80%的有6個

11、，分別是7月21日的5號樣方（精度為75.067%）、8月3日的1號樣方（精度為77307%）、10月3日的4號樣方（精度為78.690%）、10月15日的3號樣方（精度為74.068%）、10月24日的3號和4號樣方（精度分別為78.333%和76.639%）。通過比對各時相GF-1衛(wèi)星影像和實地調(diào)查發(fā)現(xiàn)，造成上述精度低于80%的主要原因除了影像上有少量云層的干擾如8月3日的1號樣方和10月3日的4號樣方，水稻陸續(xù)收獲的影響如10月15日的3號樣方、10月24日的3號和4號樣方外，還有水稻在特定的生長期內(nèi)同時具有植被和水體的光譜特征使水稻與水體發(fā)生了混分現(xiàn)象如7月21日的5號樣方。另一方面，

12、7月21日建湖水稻處于分蘗中期，由于種植方式不一樣，水稻苗大小參差不齊，水稻光譜特征受到水面或裸地的影響，水稻精度相對較低。8月3日水稻分蘗較前期旺盛，接近孕穗期，種植模式造成的差異逐漸縮小，水稻光譜特征趨于一致。10月上中旬水稻介于開花期與成熟期之間，水稻長勢一致，前期種植方式以及移栽期差異的影響已經(jīng)不復(fù)存在，所以10月15日水稻精度達(dá)到最高。10月下旬受到水稻陸續(xù)收割的影響導(dǎo)致10月24日提取的水稻面積減小，降低了水稻精度。所以，若能排除影像云層的影響并在水稻收割前獲取影像，GF-1衛(wèi)星影像的水稻種植面積監(jiān)測精度還能得到提高。4 結(jié)論以GF-1衛(wèi)星影像為數(shù)據(jù)源，進(jìn)行不同時相的水稻種植面積提

13、取，對水稻面積監(jiān)測精度進(jìn)行評價，結(jié)果表明：（1）從選取的5景不同水稻生育期內(nèi)GF-1衛(wèi)星影像水稻種植面積監(jiān)測結(jié)果的精度分布來看，由于7月底和8月初的水稻光譜特征易受到水面或裸地的影響，水稻種植面積監(jiān)測精度在86%89%；10月上中旬水稻介于開花期與成熟期之間，此時的GF-1影像能夠準(zhǔn)確地把水稻與其他地物區(qū)分開，所以水稻種植面積監(jiān)測精度達(dá)到最大的90.391%。因此基于建湖縣的水稻種植特點、種植模式以及所用的2014年 GF-1衛(wèi)星影像的特點，10月上中旬是GF-1衛(wèi)星影像識別建湖縣水稻的最佳時相。（2）由于本研究是分別單獨對不同時相的水稻種植面積進(jìn)行提取，若是在以后的研究中能在綜合利用多時相遙

14、感影像的基礎(chǔ)上，結(jié)合農(nóng)作物物候期等多種信息，對不同時期的水稻光譜信息進(jìn)行綜合分析，并利用決策樹、支持向量機等其他監(jiān)督分類方法進(jìn)行水稻種植面積的提取，精度會達(dá)到更高。（3）GF-1衛(wèi)星影像空間分辨率高、重訪周期短、成本低、獲取方便，是農(nóng)作物種植面積遙感監(jiān)測的良好數(shù)據(jù)源。因此利用GF-1衛(wèi)星影像夠準(zhǔn)確監(jiān)測縣級尺度水稻種植面積，能實現(xiàn)對中小區(qū)域尺度農(nóng)情信息的快速獲取，為縣級農(nóng)業(yè)生產(chǎn)管理部門提供及時準(zhǔn)確的農(nóng)情遙感監(jiān)測信息。Reference：1 Xiao X，Boles S，Liu J，et al. Mapping paddy rice agriculture in southern China us

15、ing multi-temporal MODIS imagesJ. Remote Sensing of Environment，2005，95（4）：480-492.2鄧長春. 水稻種植面積遙感信息提取研究D. 烏魯木齊：新疆農(nóng)業(yè)大學(xué)，2008.3劉 斐，呂大星. 我國成功發(fā)射高分一號衛(wèi)星J. 中國航天，2013（5）：10-13.4邱學(xué)雷. 高分一號衛(wèi)星工程首批影像圖發(fā)布將為國土、環(huán)境、農(nóng)業(yè)等領(lǐng)域提供精準(zhǔn)服務(wù)J. 國防科技工業(yè)，2013（6）：14-16.5劉吉凱，鐘仕全，徐 雅，等. 基于多時相GF-1WFV數(shù)據(jù)的南方丘陵地區(qū)甘蔗種植面積提取J. 廣東農(nóng)業(yè)科學(xué)，2014，41（18）：14

16、9-154.6劉國棟，鄔明權(quán)，牛 錚，等. 基于GF-1衛(wèi)星數(shù)據(jù)的農(nóng)作物種植面積遙感抽樣調(diào)查方法J. 農(nóng)業(yè)工程學(xué)報，2015，31（5）：160-166.7王利民，劉 佳，楊福剛，等. 基于GF-1衛(wèi)星遙感的冬小麥面積早期識別J. 農(nóng)業(yè)工程學(xué)報，2015，31（11）：194-2018楊閆君，占玉林，田慶久，等. 基于GF-1/WFVNDVI時間序列數(shù)據(jù)的作物分類J. 農(nóng)業(yè)工程學(xué)報，2015，31（11）：155-161.9賀 鵬，徐新剛，張寶雷，等. 基于多時相GF-1遙感影像的作物分類提取J. 河南農(nóng)業(yè)科學(xué)，2016，45（1）：152-159.10 Yang Y，Huang Y，Tian

17、 Q，et al.The Extraction model of paddy rice information based on GF-1 satellite WFV imagesJ. Spectroscopy and Spectral Analysis，2015，35（11）：3255-3261.11梅安新. 遙感導(dǎo)論M. 北京：高等教育出版社，2001.12甘甫平，王潤生，王永江，等. 基于遙感技術(shù)的土地利用與土地覆蓋的分類方法J. 國土資源遙感，1999，42（4）：39-44.13Anssen L L F，Vanderwel F J M. Accuracy assessment of satellite-derived land-cover data：a reviewJ. Photogrammetric Engineering and Remote Sensing，1994，60（4）：419-426.14Kalkhan M A，Reich R M. Assessing the accura