劉馨 江亞軍

摘要：以9月上旬至12月下旬sentinel-1A GRD為主要數(shù)據(jù)，提取小麥等不同地物后向散射系數(shù)變化曲線，根據(jù)當(dāng)?shù)胤N植制度和農(nóng)事活動(dòng)分析其后向散射系數(shù)曲線變化特點(diǎn)，結(jié)合11月下旬NDVI通過基于專家知識(shí)的決策樹分類法進(jìn)行冬小麥越冬前面積提取。經(jīng)過精度驗(yàn)證，分類精度88.52%，Kappa 系數(shù)為 0.81。結(jié)果表明，該方法可在目標(biāo)區(qū)冬小麥進(jìn)入分蘗期后較準(zhǔn)確地提取種植面積，為越冬期相關(guān)服務(wù)提供基礎(chǔ)。

關(guān)鍵詞：sentinel-1A ?冬小麥面積提取決策樹

中圖分類號(hào)：P237文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ?文章編號(hào)：1672-3791（2021）11（c）-0000-00

Abstract： Taking sentinel-1a GRD from early September to late December as the main data， the backscattering coefficient change curves of different ground objects such as wheat are extracted. The variation characteristics of backscattering coefficient curve are analyzed according to local planting system and agricultural activities. Combined with NDVI in late November， the area of winter wheat before overwintering is extracted by decision tree classification based on expert knowledge. After accuracy verification， the classification accuracy is 88.52%， and the kappa coefficient is 0.81. The results show that this method can accurately extract the planting area after the winter wheat enters the tillering stage in the target area， and provide the basis for relevant services in the overwintering period.

KeyWords：Sentinel-1a; Winter wheat; Area extraction; Decision tree

冬小麥?zhǔn)呛馑兄饕r(nóng)作物之一，其種植面積占全市糧食播種面積一半以上，在當(dāng)?shù)剞r(nóng)業(yè)生產(chǎn)中占有重要比重[1]。近年來，隨著氣候變化和極端天氣增加，給冬小麥氣象服務(wù)帶來嚴(yán)峻挑戰(zhàn)，準(zhǔn)確估算冬小麥種植面積是做好相關(guān)氣象服務(wù)的基礎(chǔ)。目前遙感技術(shù)已被廣泛應(yīng)用于農(nóng)作物監(jiān)測(cè)領(lǐng)域，與傳統(tǒng)地面觀測(cè)手段相比，遙感技術(shù)可大范圍地獲取地面信息，已成為一種有效的大面積農(nóng)作物監(jiān)測(cè)方法[2]。

在冬小麥面積遙感監(jiān)測(cè)中通常采用光學(xué)衛(wèi)星在拔節(jié)期進(jìn)行反演，其余時(shí)段則由于其他綠色植被干擾難以有效地進(jìn)行面積提取，這給冬小麥拔節(jié)期之前狀態(tài)監(jiān)測(cè)帶來不便，而冬小麥在越冬期前生長(zhǎng)狀態(tài)決定其能否安全越冬，因此在越冬期前獲取冬小麥種植范圍信息對(duì)做好冬季相關(guān)農(nóng)業(yè)氣象服務(wù)具有重要意義。

在遙感監(jiān)測(cè)中光學(xué)遙感容易受到云的影響，對(duì)于冬小麥來說最佳面積提取時(shí)間在3月下旬至4月上旬之間，時(shí)間窗口小。而合成孔徑雷達(dá)（SAR）能穿透云層，具有全天候工作能力，利用不同地物后向散射特征來進(jìn)行識(shí)別[3]。該文利用2019年9～12月sentinel-1A數(shù)據(jù)結(jié)合冬小麥分蘗期的NDVI，通過農(nóng)事活動(dòng)定義分類規(guī)則，采用決策樹方法提取冬小麥越冬前種植面積信息。

1研究區(qū)概況

衡水市位于河北省東南部，是京津重要的農(nóng)副產(chǎn)品加工供應(yīng)基地。冬小麥?zhǔn)侵饕南募Z作物，種植制度為和夏播作物（主要為夏玉米）輪作，于10月上旬至下旬期間秋糧收獲后播種，12月中旬進(jìn)入越冬期，次年6月收獲。除冬小麥外，當(dāng)?shù)卦蕉魑镞€有少量的油菜，油菜播種時(shí)間早于冬小麥。

2數(shù)據(jù)源及預(yù)處理

2.1 Sentinel-1A SAR影像預(yù)處理

Sentinel-1衛(wèi)星是由歐洲航天局（ESA）發(fā)射的極軌雙星星座衛(wèi)星，包括Sentinel-1A和Sentinel-1B兩顆衛(wèi)星。該研究選取Sentinel-1ALevel-1級(jí)別的地距（GRD）IW模式的雙極化影像，時(shí)間周期12天，包括VV、VH兩種極化方式。為更好地結(jié)合當(dāng)?shù)剞r(nóng)事特點(diǎn)獲取地物后向散射時(shí)序變化信息，選取2019年9月7日至12月24日sentinel-1A 影像，該時(shí)段涵蓋秋糧作物果實(shí)成熟期-秋收期-冬小麥播種-分蘗期等幾個(gè)作物生長(zhǎng)和農(nóng)事階段，共計(jì)10個(gè)時(shí)次。

預(yù)處理流程包括多視、圖像配準(zhǔn)（以9月7日數(shù)據(jù)為基準(zhǔn)影像）、濾波、地理編碼、輻射定標(biāo)。最后輸出空間分辨率為10 m的標(biāo)準(zhǔn)后向散射系數(shù)（dB）灰度圖。

2.2 Sentinel-2A光學(xué)影像預(yù)處理

Sentinel-2衛(wèi)星由Sentinel-2A和Sentinel-2B兩顆衛(wèi)星組成，成像時(shí)間為當(dāng)?shù)貢r(shí)間上午11點(diǎn)10分左右，該系統(tǒng)由可見光、近紅外到短波紅外共13個(gè)波段組成[4]。

根據(jù)冬小麥生育期和云層覆蓋情況選用2019年11月14日sentinel-2A L2A級(jí)影像數(shù)據(jù)，該數(shù)據(jù)為經(jīng)過大氣校正后的產(chǎn)品。此時(shí)冬小麥已普遍進(jìn)入分蘗期，在影像上具有明顯的植被特征，利用B4和B8波段計(jì)算NDVI。

3研究方法

3.1極化方式的選擇

經(jīng)實(shí)地調(diào)查，冬前地表物體可分為五大類：林地（含低矮灌木）、建筑用地、耕地、裸土、水體。秋收秋種期農(nóng)事活動(dòng)特點(diǎn)為在9月下旬至10月中旬期間進(jìn)行收獲，收獲后或種植越冬作物或休耕。

9月上旬夏季作物處于果實(shí)形成期，在SAR影像上呈現(xiàn)高反射率，進(jìn)入10月，夏季作物收獲，同時(shí)播種小麥，此時(shí)SAR影像反射率降低，至11月下旬冬小麥分蘗后反射率又略有增高。因此可通過這一時(shí)段多時(shí)相SAR圖像提取秋播耕作地信息[5]。

根據(jù)11月下旬實(shí)地調(diào)查結(jié)果，分別繪制VV和VH極化下不同地物后向散射系數(shù)變化曲線。

兩組曲線中城鎮(zhèn)和水體dB變化不大，林地因落葉呈小幅降低趨勢(shì)，小麥、油菜、裸地因秋季作物收獲和植被枯萎其dB曲線下降幅度明顯大于前三者。進(jìn)入11月中旬后，小麥和油菜因植株低矮具有和裸地相似的反射率，該時(shí)期的裸地可用NDVI閾值分割去除;油菜播種時(shí)間早于小麥，同時(shí)油菜地段前茬作物收獲時(shí)間也比小麥早，表現(xiàn)在dB曲線圖上為在9月19日至10月1日期間油菜地段dB值小于小麥地段。

分別取VH和VV極化下9月19日和11月18日小麥和油菜dB值計(jì)算斜率（k）：k小麥VH=-0.94，k油菜VH=-0.17;k小麥VV=-0.52，k小麥VV=-0.14。

由計(jì)算結(jié)果可見VH極化下冬小麥和油菜的斜率變化比VV極化明顯，因此選用VH極化時(shí)序組合，結(jié)合11月14日sentinel-2A影像計(jì)算的NDVI進(jìn)行分類規(guī)則定義。

3.2基于專家知識(shí)的決策樹分類

基于知識(shí)的決策樹分類是基于遙感影像數(shù)據(jù)及其他空間數(shù)據(jù)，通過專家經(jīng)驗(yàn)總結(jié)、簡(jiǎn)單數(shù)學(xué)統(tǒng)計(jì)和歸納方法等，獲得分類規(guī)則并進(jìn)行遙感分類。主要分為四步：知識(shí)（規(guī)則）定義、規(guī)則輸入、決策樹運(yùn)行和分類后處理[6]。

根據(jù)上部分分析和通過對(duì)影像判別可做如下分類規(guī)則：

（1）秋收地塊class1：-0.84<k1<-0.56 （k1：9月7日至11月18日斜率）;

（2）冬季種植區(qū)class2：NDVI>0.18;

（3）小麥種植區(qū)class3：k2<-0.63（k2：10月1日至11月18日斜率）。

3.3精度驗(yàn)證

該研究中的精度評(píng)價(jià)采用調(diào)查野外樣本與可見光影像判別相結(jié)合的方法，通過目視解譯判斷像元是否屬于麥田。以2020年4月12日sentinel-2A小麥分類影像作對(duì)比，分類精度88.52%，Kappa 系數(shù)為 0.81。

4結(jié)語(yǔ)

該研究以 Sentinel-1A GRD 為主要數(shù)據(jù)源，以sentinel-2A為輔助數(shù)據(jù)，通過研究當(dāng)?shù)刈魑镂锖蚝娃r(nóng)事活動(dòng)利用SAR影像后向散射系數(shù)時(shí)序變化差異和越冬前NDVI設(shè)定分類條件進(jìn)行冬小麥面積提取。與常用的光學(xué)影像分類相比增加了選擇影像的時(shí)間窗口，降低了云霧的干擾，該方法在理想狀態(tài)下可將冬小麥種植面積提取時(shí)間提前至11月中旬，為冬小麥冬季服務(wù)提供了便利。

參考文獻(xiàn)

[1] 衡水市統(tǒng)計(jì)局，國(guó)家統(tǒng)計(jì)局衡水調(diào)查隊(duì).衡水市2019年國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)[N].衡水日?qǐng)?bào)，2020-03-20（A3）.

[2] 伊長(zhǎng)瑞.遙感技術(shù)在農(nóng)業(yè)中的應(yīng)用與發(fā)展[J].種子科技，2019，37（2）：14.

[3] 歐陽(yáng)倫曦，李新情，惠鳳鳴，張寶鋼，程曉.哨兵衛(wèi)星Sentinel-1A數(shù)據(jù)特性及應(yīng)用潛力分析[J].極地研究，2017，29（2）：286-295.

[4] 田穎，陳卓奇，惠鳳鳴，程曉，歐陽(yáng)倫曦.歐空局哨兵衛(wèi)星Sentinel-2A/B數(shù)據(jù)特征及應(yīng)用前景分析[J].北京師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2019，55（1）：57-65.

[5] 古麗努爾·依沙克. 基于多時(shí)相SAR數(shù)據(jù)的作物識(shí)別及種植面積提取研究[D].烏魯木齊：新疆大學(xué)，2020.

[6] 賀佳偉，裴亮，李景愛.基于專家知識(shí)的決策樹分類[J].測(cè)繪與空間地理信息，2017，40（5）：91-94.