鄂月勝，王新生，汪權(quán)方，何津，陳志杰

(湖北大學(xué) 資源環(huán)境學(xué)院，湖北 武漢 430062)

農(nóng)業(yè)部遙感應(yīng)用中心自1999年成立以來，遙感監(jiān)測業(yè)務(wù)化工作從最初的單一作物冬小麥，發(fā)展到今天全國性玉米、水稻、棉花、油料作物等大宗農(nóng)作物，機(jī)構(gòu)設(shè)置、工作規(guī)模等方面都有了長足的進(jìn)步，也取得了比較顯著的成績，為國民社會經(jīng)濟(jì)發(fā)展作出了突出的貢獻(xiàn).盡管遙感監(jiān)測工作經(jīng)過多年的實踐，已經(jīng)越來越完善，但是，在實際的業(yè)務(wù)流程化運行中，工作人員需要在較短時間內(nèi)完成某一類作物的全部遙感監(jiān)測工作，特別是影像解譯，時間非常緊迫，導(dǎo)致精度方面存在瑕疵.就一季稻而言，主要表現(xiàn)為目標(biāo)農(nóng)作物分類不純，存在誤分、漏分等現(xiàn)象.因此，為解決這一問題，找出一種好的方法十分迫切.

本文中以湖北省一季稻種植面積遙感監(jiān)測為例，采用2種數(shù)據(jù)源，運用幾種通用的影像分類方法及其組合，來對研究區(qū)影像進(jìn)行解譯，并對分類結(jié)果進(jìn)行了綜合評估，以期找到最合適的方法，可供流程化運行參考.

1 研究區(qū)域與數(shù)據(jù)

研究區(qū)域選取位于湖北省江漢平原南部的仙桃市.該地區(qū)地理坐標(biāo)介于北緯30°04′～30°32′、東經(jīng)112°55′～113°49′，屬沖積平原，西北高而東南低，地勢平坦，土壤肥沃；亞熱帶季風(fēng)氣候，年平均氣溫16.5 ℃，一月最冷，無霜期258 d，年平均日照時數(shù)1 934.8 h，農(nóng)業(yè)生產(chǎn)條件較為優(yōu)越，是湖北省一季稻主產(chǎn)區(qū)之一.

文中所用數(shù)據(jù)類型農(nóng)業(yè)部遙感應(yīng)用為中心提供的2009年SPOT-4 HRVIR傳感器數(shù)據(jù)，產(chǎn)品級別為Level-1B，即經(jīng)過了Level-1A級輻射校正和系統(tǒng)級幾何校正，由于衛(wèi)星軌道、姿態(tài)及地球自轉(zhuǎn)等因素造成的數(shù)據(jù)幾何畸變得到了糾正，地面分辨率20 m，時相為8月初，處于一季稻生長期內(nèi)，影像質(zhì)量較好，區(qū)分度較高.同時為了提高一季稻種植面積提取精度，收集了該區(qū)域的土地利用類型矢量數(shù)據(jù)以及同期快鳥影像，以用于精度評價.

2 解譯方法

2.1數(shù)據(jù)預(yù)處理在分類處理之前，先對研究數(shù)據(jù)進(jìn)行預(yù)處理，包括影像裁剪、幾何精校正、輻射校正等，突出目標(biāo)地物信息，結(jié)合矢量數(shù)據(jù)，獲得目標(biāo)地物先驗知識.

為了減小影像預(yù)處理對遙感監(jiān)測精度的影響，幾何精校正時參考點選取用GPS野外實地調(diào)查特征點，與GoogleEarth比對，誤差在3 m范圍之內(nèi)；圖像重采樣方法選用最臨近法，簡單、速度快，使輸出的圖像仍然保持原來的像元值.

對高分辨率的快鳥影像進(jìn)行目視解譯并矢量化，統(tǒng)計目標(biāo)地物面積(該面積為扣除細(xì)小地物后面積).

2.2 分類方法

1)監(jiān)督分類法

監(jiān)督分類法主要是利用遙感數(shù)據(jù)的統(tǒng)計特征，假定各類地物的反射光譜為正態(tài)分布函數(shù)，按正態(tài)分布規(guī)律用最大似然判別準(zhǔn)則進(jìn)行判別.最大似然法其算法內(nèi)在缺陷少，可靠性好，分類精度較高，缺陷是需要先驗概率和條件概率密度函數(shù)模型，模型的精度直接影響分類精度.

為了獲得比較精確穩(wěn)定的概率密度函數(shù)模型，本文中結(jié)合一季稻地面樣方和野外采樣所得的一季稻分布數(shù)據(jù)，在此基礎(chǔ)上選取訓(xùn)練樣區(qū)，采用監(jiān)督分類法得到研究區(qū)域的遙感分類圖象，并加以少量人工干預(yù)，最終在GIS軟件支持下得到一季稻種植信息.

2)非監(jiān)督分類

非監(jiān)督分類是以不同影像地物在特征空間中類別特征的差別為依據(jù)的一種無先驗(已知)類別標(biāo)準(zhǔn)的圖像分類，是以集群為理論基礎(chǔ)，通過計算機(jī)對圖像進(jìn)行集聚統(tǒng)計分析的方法.根據(jù)待分類樣本特征參數(shù)的統(tǒng)計特征，建立決策規(guī)則來進(jìn)行分類,而不需事先知道類別特征.把各樣本的空間分布按其相似性分割或合并成一群集，每一群集代表的地物類別，需經(jīng)實地調(diào)查或與已知類型的地物加以比較才能確定，是模式識別的一種方法.

本文中依據(jù)最短距離決策規(guī)則，對待分類影像進(jìn)行分類，然后結(jié)合地面樣方和野外實測數(shù)據(jù)確定類別歸屬屬性，最后人工干預(yù)得到一季稻種植信息.

3)植被指數(shù)閾值法

不同作物物候期的不同導(dǎo)致了反映作物生長的植被指數(shù)(NDVI)的差異，分析NDVI的光譜特征，可有效提取作物種植面積信息.

本文中根據(jù)先驗知識，選取若干區(qū)域目標(biāo)地物和非目標(biāo)地物NDVI值，根據(jù)其統(tǒng)計特征，設(shè)定閾值a、b，對耕地區(qū)中NDVI滿足的判定其為一季稻種植區(qū)域，最后人工干預(yù)確定目標(biāo)地物種植面積.

4)光譜閾值法

對于多光譜數(shù)據(jù)，同一波段不同地物接收反射能量是不一致的，同一地物在不同波段反射率也存在差異，因此，如果能利用波段間地物反射率的變化規(guī)律，反映不同作物光譜特征，則可以有效提取不同作物的種植面積.

圖1 一季稻與其他地物光譜曲線

結(jié)合一季稻和其他地物地面樣方數(shù)據(jù)，通過對待分類影像光譜特征進(jìn)行分析，發(fā)現(xiàn)如下規(guī)律：一季稻區(qū)域象元光譜特征普遍表現(xiàn)為band2≤band3和band3>band4(見圖1)，同時也有一小部分區(qū)域表現(xiàn)出band2≥band3>band4，且band2和band3之間差異很小，其他地物則要么未表現(xiàn)出band2≤band3且band3>band4規(guī)律，要么當(dāng)band2≥band3>band4時band2和band3之間差異很大，對此，實驗利用band2和band3之間的差值構(gòu)建了一個新的波段band5，組合后band2≤band3的一季稻區(qū)域表現(xiàn)出band3>band4>band5，且band5<50，而其他地物則無此規(guī)律.利用以上規(guī)律可以很好將目標(biāo)地物一季稻提取出來，然后進(jìn)行人工干預(yù)，確定一季稻種植面積.

需要說明的是，無論是何種方法，基于地物復(fù)雜性和光譜分類同譜異質(zhì)性等自身缺陷，分類后都必須適當(dāng)人工干預(yù)，對分類結(jié)果進(jìn)行修正.各方法分類結(jié)果見圖2.

圖2 分類結(jié)果

3 分類方法比較

為了驗證以上方法對一季稻的區(qū)分精度，以同區(qū)域2009年快鳥影像目視解譯矢量化得到的一季稻面積作為評估標(biāo)準(zhǔn)，分類結(jié)果見表1.由表可知，精度方面光譜閾值法相對誤差最小，非監(jiān)督分類方法次之，監(jiān)督分類和NDVI閾值法相對誤差較大.

表1 分類結(jié)果對比

就方法而言，光譜閾值法在結(jié)合先驗知識條件下，充分利用影像波段之間規(guī)律，突出了目標(biāo)地物與其他地物各波段反射率之間的差異，增加了目標(biāo)地物信息量；同時，對于其他地物規(guī)律相近的，可以根據(jù)自己的需求，通過構(gòu)建新的波段等擴(kuò)大與目標(biāo)地物之間的差異，進(jìn)而獲取目標(biāo)地物信息；再次，波段規(guī)律能夠反映絕大多數(shù)目標(biāo)地物共有的規(guī)律，具有客觀性，相比監(jiān)督分類等基于統(tǒng)計規(guī)律的方法更易區(qū)分不同地物，實際操作時，人工干預(yù)也比較少，結(jié)果更具代表性.就時效性而言，非監(jiān)督分類方法所花時間最少，光譜閾值法次之，其他方法則相對較長.

總體而言，光譜閾值法在精度和時效性方面皆有一定優(yōu)勢，且方法簡單，可供流程化運行，因此，該方法用來區(qū)分一季稻較為合適.

4 討論

本文中以SPOT4數(shù)據(jù)作為數(shù)據(jù)源，討論了目前衛(wèi)星遙感作物種植分布的幾種常用方法，計算得到了研究區(qū)域一季稻的種植分布，并對其進(jìn)行檢驗分析，得到以下結(jié)論：

1)通過采用不同方法對幾種遙感分類方法精度進(jìn)行比較分析，結(jié)果表明按照上述方法和技術(shù)路線研究區(qū)域一季稻種植信息與實際種植信息相一致，特別是光譜閾值法，精度較高.同時，為了確定該方法是否具有普適性，第1作者在做湖北省油菜面積遙感監(jiān)測時也應(yīng)用了此方法，在應(yīng)用中該方法對于油菜與除小麥外的其他植被具有顯著區(qū)分效果，至于油菜與小麥因兩者之間差異較小，則通過擴(kuò)大差異的方法進(jìn)行區(qū)分，取得了較好效果.因此，筆者認(rèn)為光譜閾值法具有一定推廣價值和廣闊的應(yīng)用前景.

2)本文中基于傳統(tǒng)的光譜分類，未考慮地物復(fù)雜性，未將混合象元加以考慮，因此，要想進(jìn)一步提高作物種植面積計算結(jié)果，必須將混合象元分解技術(shù)利用進(jìn)來.

[1] 武永利，王云峰，張建新，等.應(yīng)用線性混合模型遙感監(jiān)測冬小麥種植面積[J].農(nóng)業(yè)工程學(xué)報，2009，24(2)：136-140.

[2] 邢素麗，張廣錄.我國農(nóng)業(yè)遙感的應(yīng)用現(xiàn)狀與展望[J].農(nóng)業(yè)工程學(xué)報，2003，19(6):174-178.

[3] 韓秀梅，張建民.農(nóng)業(yè)遙感技術(shù)應(yīng)用現(xiàn)狀[J].農(nóng)業(yè)與技術(shù)，2006，26(6):32-35.

[4] 陳水森，柳欽火，陳良富，等.糧食作物播種面積遙感監(jiān)測研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報，2005，21(6):166-171.

[5] 楊邦杰，裴志遠(yuǎn)，周清波，等.我國農(nóng)情遙感監(jiān)測關(guān)鍵技術(shù)研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報，2002，18(3):191-194.

[6] 許文波，田亦陳.作物種植面積遙感提取方法研究進(jìn)展[J].云南農(nóng)業(yè)大學(xué)學(xué)報，2005，20(1):94-98.

[7] 楊鵬，唐華俊，劉佳.作物遙感估產(chǎn)中自動分類研究進(jìn)展與展望[J].中國農(nóng)業(yè)資源與區(qū)劃，2000，21 (3):57-60.

[8] 王延頤.南方稻區(qū)遙感水稻長勢監(jiān)測與估產(chǎn)研究[J].遙感技術(shù)與應(yīng)用，1991，6(3):1-6.

[9] Benedetti Roberto，Paolo Rossini. On the use of NDVI profiles as a tool for agricultural statistics: the case study of wheat yield estimate and forecast in Emilia Romagna[J].Remote Sensing Environment，1993，45:311-326.

[10] Rasmussen M S. Assessment of millet yields and production in northern Burkina Faso using integrated NDVI from the AVHRR[J].International Journal of Remote Sensing，1992，18(13):3431-3442.

[11] 江東，王乃斌.NDVI 曲線與農(nóng)作物長勢的時序互動規(guī)律[J].生態(tài)學(xué)報，2002，22 (2):247-253.

[12] 湯傳勇，盧遠(yuǎn).利用面向?qū)ο蟮姆诸惙椒ㄌ崛∷痉N植面積[J].遙感應(yīng)用，2010(1):53-56.

[13] 康曉風(fēng)，王乃斌，楊小喚.糧食種植面積提取方法的發(fā)展與現(xiàn)狀[J].資源科學(xué)，2002，24(5)：8-12.