李悅暉

摘 要：隨著世界人口的不斷增加，糧食短缺的問題正在變得日益嚴(yán)峻。盡管世界在對抗饑餓方面雖然已經(jīng)取得進步，截止至2016年的統(tǒng)計，全球仍有7.95億人每天都面臨饑餓威脅。可靠的農(nóng)情監(jiān)測對糧食的估產(chǎn)和制定相關(guān)政策有著至關(guān)重要的導(dǎo)向作用?，F(xiàn)在國內(nèi)外對農(nóng)情監(jiān)測主要通過作物面積的估算，單位產(chǎn)量預(yù)估，長勢監(jiān)測，旱情監(jiān)測以及病蟲害監(jiān)測這五個方面開展研究。作物類型識別和播種面積估算一直是農(nóng)業(yè)遙感的重要內(nèi)容，對農(nóng)作物播種面積和種植結(jié)構(gòu)調(diào)整具有重要的現(xiàn)實意義[1]。本文就利用多級分類法通過遙感手段對水田面積估算的方法進行探究。

關(guān)鍵詞：農(nóng)情監(jiān)測；遙感；作物面積估算

中圖分類號：S127 文獻標(biāo)識碼：A 文章編號：1671-2064（2017）16-0247-02

1 引言

遙感信息具有覆蓋范圍大、探測周期短、現(xiàn)時性強、費用成本低等特點，為農(nóng)情參數(shù)的快速、準(zhǔn)確、動態(tài)獲取提供了重要的技術(shù)手段[2]。其應(yīng)用原理是通過反演作物生長過程的特征性因子來綜合反映作物長勢及其變化動態(tài)[3]。相比較而言，傳統(tǒng)農(nóng)情信息的獲取依賴于龐大的調(diào)查隊伍和大量的調(diào)查工作，信息的獲取存在成本高、時效性差的缺點，同時信息結(jié)果還易受主觀因素影響[4]。增大遙感信息在所需所有信息中的比重可以有效的減輕外業(yè)工作的負擔(dān)。與此同時，地面調(diào)查一方面增加了處理結(jié)果的可靠性，另一方面也削弱了處理結(jié)果的時效性，所以為了能夠使農(nóng)情監(jiān)測真正的能夠及時有效的反應(yīng)出地面信息，遙感信息如何能夠發(fā)揮其在農(nóng)情監(jiān)測中的作用就成為了一個值得探討的問題。

雖然各種針對農(nóng)情監(jiān)測的研究都希望能夠通過遙感的技術(shù)手段來減少對地面監(jiān)測的依賴，但是往往在這一過程中反而會需要收集更多的地面數(shù)據(jù)來保證解譯的準(zhǔn)確性，這是各個研究部門也正在致力于解決的問題之一。同時，農(nóng)情監(jiān)測的數(shù)據(jù)源質(zhì)量對傳感器的性能也有很高的要求，主要體現(xiàn)在波段寬度和分辨率上的要求。

圖1所反映的是作物在不同生長階段的波譜特征曲線，從中我們不難看出，即使是同一種作物，也會由于長勢不同而體現(xiàn)出不同的光譜特征。圖2體現(xiàn)的是含水量不同的作物的波譜特性曲線，其規(guī)律表現(xiàn)為反射率會隨著植被含水量的升高而降低。由此可鑒，植被的光譜特征曲線具有相似性和復(fù)雜性，即便是同一時期，不同地塊因作物長勢不同及土壤類型、濕度的差異，導(dǎo)致光譜特征也存在差異，同物異譜、同譜異物的現(xiàn)象利用寬波段衛(wèi)星遙感器是不可能識別的[5]。所以在對作物類別進行區(qū)分的時候，理論上高光譜要比多光譜更容易將光譜特征相似的地物類別分開。

目前在農(nóng)情遙感監(jiān)測上主要使用的有兩類數(shù)據(jù)：一類是低空間、高時間分辨率遙感數(shù)據(jù)，如AVHRR、MODIS和Vegetation等，這類數(shù)據(jù)可以每天覆蓋一次監(jiān)測區(qū)域，但空間分辨率都在250m～1000m；另一類是中高空間分辨率、低時間分辨率數(shù)據(jù)，如Landsat TM/ETM、“北京一號”CCD數(shù)據(jù)、CBERS CCD數(shù)據(jù)等，這些數(shù)據(jù)的空間分辨率大都在20m～30m，但時間分辨率大都在8天～26天，作為農(nóng)情監(jiān)測對于時間分辨率的要求并不是很高（突發(fā)性災(zāi)害除外），但如果空間分辨率過低的話一個像元內(nèi)就會包含多種作物甚至其它地物類型，混合像元問題嚴(yán)重，所以高空間分辨率對于作物種植面積的估算是至關(guān)重要的。

盡管在某一時期的遙感圖像中存在“同譜異物”的現(xiàn)象，可能會導(dǎo)致地物不能夠被準(zhǔn)確的識別出來，而通過不同時間獲取的遙感數(shù)據(jù)進行對比就很容易解決這一問題，因為隨著時間的變化地物的反射光譜特征也會隨之變化[6]。但是如果在影像資料非常欠缺的時候，我們就需要一種方法來利用手中有限的影像資料來盡可能獲取更多的信息，本文所提出的多級分類法就是只通過一個時相的遙感影像數(shù)據(jù)將地物的類別更加準(zhǔn)確的區(qū)分。

以二月份水稻在遙感影像的提取為例，由于長江以南地區(qū)的水稻插秧時間最早為三月，通常都為三月底到四月初，所以在二月份的稻田里是沒有水稻的，但是從遙感影像中我們可以清晰的看出，稻田中是有水的，但是稻田中水的光譜特征并不一致，和旁邊的湖泊也只有細微的差異，這就給地物的分類造成了很大的不便。針對上述問題，本文提出了一種以高分多光譜遙感影像為數(shù)據(jù)源的地物獲取方法，主要用于分離各種光譜特征在同一時間區(qū)間非常相似的地物，如二月份的水田與湖泊，河流等水體。

2 數(shù)據(jù)說明與預(yù)處理

本文所采用的研究數(shù)據(jù)來自于高分一號衛(wèi)星，該衛(wèi)星的衛(wèi)星參數(shù)如表1所示，從表中我們可以看出，高分一號的全色影像的分辨率和多光譜影像的分辨率分別達到了2米和8米，基本可以滿足對空間分辨率的要求。

本文所研究的地理范圍為湖北省鄂州地區(qū)，影像的獲取時間為2016年2月20日。

首先將獲取到的遙感影像通過ENVI軟件進行拼接、剪裁和勻光，同時由于多光譜的四個波段分別為綠，紅，近紅，近紅，而對植被的研究主要用到的是紅波段與近紅外波段，所以多光譜波段組合的順序應(yīng)選為4，3，2。

將處理好的全色影像和多光譜影像進行增強后對其進行影像融合，這一步驟可以使融合后的影像同時具備全色影像的高分辨率和多光譜影像的豐富的光譜特征，為下一步對作物分類打下堅實的基礎(chǔ)，同時由于高分一號衛(wèi)星的分辨率非常高，數(shù)據(jù)量非常大，所以在處理影像的時候?qū)μ幚碓O(shè)備的要求會相對較高[7]。

3 多級分類的監(jiān)督分類法

本文在前面提到高光譜比多光譜要更易區(qū)分地物類別，即減小波段的寬度可以使地物類別的區(qū)分更加準(zhǔn)確，所以當(dāng)我們不能控制所獲取的影像的波段寬度時，我們可以采用縮短所取樣本的反射區(qū)間，即將一種地物按光譜反射特性的微小差異區(qū)分為多個子類，隨后將這多個子類按照分類結(jié)果來決定是分為最初規(guī)定的父類，或是歸入其他父類，或者是由于混合成分過大單獨分為一類，在監(jiān)督分類后處理的時候再將其分為兩個或兩個以上的父類，這就是多級分類法的提出原因和基本思想，通過多級分類的監(jiān)督分類法可以有效的減少分類后處理中人工處理的工作量。endprint

圖3為鄂州地區(qū)遙感影像的部分截圖，之所以選擇該區(qū)域為研究對象是因為該區(qū)域左側(cè)及中部的水田和區(qū)域右側(cè)的湖泊在分類中是一個區(qū)分的難點。如這部分水田，通過觀察我們不難看出，有的區(qū)域顏色偏深，有的區(qū)域顏色偏淺，如果僅從光譜特征來判斷，深藍色的水田非常容易和旁邊的水體分為一類，淺藍色的水田非常容易和建筑物分為一類，但如果將水田按照顏色的深淺，即按照地物的光譜反射特性分為多個類，可以減少后期人工監(jiān)督分類后處理的工作量，提高分類準(zhǔn)確度[8]。

監(jiān)督分類這一步驟所使用的軟件為erdas image 2014，為了驗證多級分類法的科學(xué)性，訓(xùn)練樣本時采用了控制單一變量的方法，由于一個類型所選樣區(qū)越多，分類結(jié)果就會越準(zhǔn)確，所以為了排除這一因素的干擾，在實驗的對象區(qū)域即湖北省鄂州市的整個范圍內(nèi)每一個子類都選了20個大小相似的樣區(qū)，所得的實驗結(jié)果如下。

其中圖4所分類數(shù)為7類，分別為湖泊，江河，人工建筑，裸露地表，植被，水田和旱地；圖5所分子類數(shù)為9類，將水田按顏色深淺分為了2類，將湖泊按不同的位置和顏色深淺分為了2類，圖6所分子類數(shù)為16類，將水田按顏色深淺分為了4類，將湖泊按不同的位置和顏色深淺分為了4類，將旱地按紋理和顏色的不同分為了2類，將植被根據(jù)顏色的不同分為了2類，將裸露地表根據(jù)近水和疏水分為了2類。圖中所展示的結(jié)果均為將分類較準(zhǔn)確地子類歸到父類中后呈現(xiàn)出的結(jié)果，部分子類因為錯分現(xiàn)象較嚴(yán)重并沒有被并入父類，除合并子類外沒有進行過任何的監(jiān)督分類后的人工干預(yù)。

4 結(jié)果分析

沒有采用多級分類法的對比樣本一的水田和湖泊雖然都被作為水體從圖像中被提取了出來，但二者是完全無法被區(qū)分的；采用了多級分類法的實驗樣本一相比對比樣本一分類效果有了很明顯的提升，但是灰色的部分，即混合度非常大的子類，仍然面積非常大，且淺藍色的水田和深藍色的湖泊仍有較為嚴(yán)重的混合現(xiàn)象，采用了多級分類法并增大子類數(shù)量的實驗樣本二相對于實驗樣本一又有了顯著地改善，不僅水田湖泊的交界處分類更加清晰，植被和旱地的分類也更加準(zhǔn)確，但是仍有部分地區(qū)被錯分或漏分。通過三組實驗的對比，可以看出基于多級分類法的監(jiān)督分類的確可以在一定程度上減少錯分漏分的效果[9]。

從所得結(jié)果中可以看出，多級分類法在一定程度上可以減少錯分的面積，但是并不能完全消除錯分現(xiàn)象，多級分類法也只能在一定程度上解決光譜特征相似的分類問題，子類的數(shù)量一旦增加到一定程度，改善效果就會變得不明顯，甚至適得其反。

5 不足與展望

本文提出的方法有一點遺憾之處就是此方法仍是通過對像元進行分類而不是面向地物對象的分類，如果能在多級分類的基礎(chǔ)上，加上對地物的光譜反射特性之外的地物特征，如紋理，大小，形狀等方面進行采集和研究，計算機分類就會更加的準(zhǔn)確有效。另一方面由于多級分類法適用于來自多光譜傳感器獲取的影像，如果高光譜傳感器獲取的影像大規(guī)模投入使用，由于高光譜已經(jīng)將發(fā)射波的波段寬度縮減的很小，這種方法的效力可能就會大大減弱。然而，高光譜的出現(xiàn)能夠很好地從數(shù)據(jù)獲取的源頭解決這一問題，才使得多級分類法變得不那么必要。盡管如此，在高光譜影像普及之前，多級分類法的作用和效力還是相當(dāng)可觀的。

參考文獻

[1]陳水森.基于波譜庫的作物純像元識別與種植面積遙感估算[D].中國科學(xué)院遙感應(yīng)用研究所，2005.

[2]蒙繼華，吳炳方，李強子，杜鑫.農(nóng)田農(nóng)情參數(shù)遙感監(jiān)測進展及應(yīng)用展望[J].遙感信息，2010，（03）：122-128.

[3]劉淑云，谷衛(wèi)剛，朱建華.基于遙感數(shù)據(jù)的冬小麥農(nóng)情監(jiān)測研究進展[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2010，（02）：5-9.

[4]吳炳方，蒙繼華，李強子.國外農(nóng)情遙感監(jiān)測系統(tǒng)現(xiàn)狀與啟示[J].地球科學(xué)進展，2010，（10）：1003-1012.

[5]張群，季中奎，王艷艷.衛(wèi)星遙感測算冬小麥播種面積[J].中國統(tǒng)計，2008，（06）：9-11.

[6]孫華生.利用多時相MODIS數(shù)據(jù)提取中國水稻種植面積和長勢信息[D].浙江大學(xué)，2009.

[7]趙春江.農(nóng)業(yè)遙感研究與應(yīng)用進展[J].農(nóng)業(yè)機械學(xué)報，2014，（12）：277-293.

[8]楊邦杰，裴志遠，周清波，劉海啟.我國農(nóng)情遙感監(jiān)測關(guān)鍵技術(shù)研究進展[J].農(nóng)業(yè)工程學(xué)報，2002，（03）：191-194.

[9]錢永蘭，楊邦杰，雷廷武.數(shù)據(jù)融合及其在農(nóng)情遙感監(jiān)測中的應(yīng)用與展望[J].農(nóng)業(yè)工程學(xué)報，2004，（04）：286-290.endprint