呂紹倫，趙陽，陳萬基，張燦然，穆耶賽爾·賽達合麥提，盧吉瑞

(伊犁師范大學資源與生態(tài)研究所/伊犁師范大學生物與地理科學學院，新疆 伊寧 835000)

棉花(Gossypium hirsutum linn)是第一大經(jīng)濟農(nóng)作物，也是重要的國民戰(zhàn)略物資，其用途涉及人類生活的衣食住行各個方面。中國棉花種植歷史悠久，現(xiàn)已是世界最大的棉花生產(chǎn)國，已形成長江流域、黃河流域、西北內(nèi)陸(新疆)三大產(chǎn)棉區(qū)，其中新疆棉花種植面積位居全國第一，也是新疆國民經(jīng)濟重要的組成部分。研究棉花種植面積是當?shù)孛藁óa(chǎn)量估測、發(fā)展預測等農(nóng)業(yè)活動普遍采取的方法。

遙感技術憑借其較大覆蓋范圍、時效性強、信息量大、低成本等優(yōu)勢現(xiàn)已廣泛應用于農(nóng)業(yè)監(jiān)測。伴隨著我國對地觀測衛(wèi)星的發(fā)展以及遙感技術與農(nóng)業(yè)的深度結合，已有學者開展基于遙感的農(nóng)作物種植區(qū)提取。黃青，等基于時序植被指數(shù)，結合新疆棉花種植結構、物候特征建立了棉花提取模型，實現(xiàn)棉花種植面積提取，總體精度達到78%以上。王瓊，等基于環(huán)境衛(wèi)星數(shù)據(jù)，根據(jù)棉花與其他作物的光譜差異和物候特征，運用不同分類方法成功提取了新疆北部一農(nóng)場棉花種植面積，提取精度達87.7%。玉蘇普江·艾麥提，等基于環(huán)境衛(wèi)星影像數(shù)據(jù)，運用決策樹方法提取了庫車縣、新和縣、沙雅縣棉花種植面積，種植面積精度達94.29%，位置精度達88.57%。張佳琪，等基于高分1號遙感影像，結合耕地掩膜運用不同監(jiān)督分類方法，成功提取昌吉市棉花種植面積，提取精度高達95.24%。劉玫岑基于陸地觀測衛(wèi)星遙感影像，通過最優(yōu)波段組合運用最大似然法對影像進行監(jiān)督分類，成功提取了新疆生產(chǎn)建設兵團農(nóng)一師十六團墾區(qū)棉花種植面積，精度達90%以上。魏瑞琪，等基于中分辨率成像光譜儀遙感數(shù)據(jù)，運用時間序列衛(wèi)星遙感數(shù)據(jù)處理和分析的工具軟件集成的多種擬合方法，將石河子市時序歸一化差分植被指數(shù)與棉花生長曲線擬合，分析棉花生長特征，進而提取了棉花種植區(qū)，精度達90%左右。近年來，遙感云計算技術蓬勃發(fā)展，航天宏圖公司開發(fā)的遙感云計算平臺致力于我國農(nóng)業(yè)遙感監(jiān)測云平臺建設，現(xiàn)已在智慧農(nóng)業(yè)建設、自然災害監(jiān)測等方面做出了突出成果，為政府部門決策提供了依據(jù)。但是，基于遙感云計算平臺對新疆南部棉花種植區(qū)提取卻鮮有研究。

阿拉爾市自然條件適宜棉花生長，且該地區(qū)對棉花種植與品種培育投入較高成本，已建設較為完善的棉花產(chǎn)業(yè)鏈，棉花種植產(chǎn)業(yè)已成為該地區(qū)優(yōu)勢產(chǎn)業(yè)和整地發(fā)展產(chǎn)業(yè)。在宏觀視角下研究該地區(qū)棉花種植情況，對其農(nóng)業(yè)統(tǒng)計及后期農(nóng)業(yè)經(jīng)濟活動至關重要。輕量化、高精度、低成本的棉花種植區(qū)提取方法是現(xiàn)在亟待需要解決的問題。通過遙感云計算平臺可以實現(xiàn)輕量化、低成本的需求，因此，研究基于國產(chǎn)遙感云計算平臺結合2020年哨兵2號衛(wèi)星影像數(shù)據(jù)，通過解譯遙感影像中作物光譜特征結合阿拉爾市棉花物候特征，對新疆阿拉爾市棉花種植區(qū)進行提取。為該地區(qū)及南疆大部分相似環(huán)境地區(qū)棉花種植、經(jīng)營、發(fā)展等提供一定的理論指導和依據(jù)。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

研究區(qū)為棉花種植產(chǎn)業(yè)較為發(fā)達的阿拉爾市。阿拉爾市屬新疆生產(chǎn)建設兵團第一師阿拉爾墾區(qū)(80°30′～81°58′E，40°22′～40°57′N)，人工開墾耕地面積廣闊(見圖1)。阿拉爾市北靠天山山脈南麓，南接世界第二大沙漠塔克拉瑪干大沙漠。地勢相對平坦，最大高差不超過500 m，平均海拔1011 m。阿拉爾市屬于溫帶大陸性氣候，干旱特征明顯，年平均氣溫4～20℃，年平均降水量40.1～82.5 mm，年平均蒸發(fā)量1876.6～2558.9 mm，蒸發(fā)量是降水量的30倍以上，屬于絕對干旱地區(qū)，該地區(qū)農(nóng)業(yè)受氣候條件限制，農(nóng)作物以棉花等耐旱喜光作物為主，林果以紅棗(Ziziphus jujuba Mill)等耐旱溫帶果樹為主。該地區(qū)農(nóng)業(yè)儲水工程相對發(fā)達，將流經(jīng)該地域的阿克蘇河、塔里木河進行適度的農(nóng)業(yè)改造，以及修建勝利、上游、多浪三大水庫進行儲水，為農(nóng)業(yè)灌溉和居民生活用水提供保障。2020年阿拉爾市生產(chǎn)總值332億元，其中農(nóng)業(yè)生產(chǎn)占43.73%，且主要以棉花產(chǎn)業(yè)貢獻為主。棉花種植占阿拉爾市國民經(jīng)濟重要部分，實現(xiàn)系統(tǒng)的棉花清查，是阿拉爾市宏觀調控棉花產(chǎn)業(yè)及棉花種植產(chǎn)業(yè)發(fā)展亟待需要解決的問題。

圖1 阿拉爾市2022年7月哨兵2號遙感影像(B4，B3，B2真彩色合成)圖

1.2 數(shù)據(jù)來源

研究基于遙感云計算平臺(https://engine.piesat.cn/)，所用的哨兵2號衛(wèi)星遙感影像數(shù)據(jù)、阿拉爾市行政區(qū)邊界、2020年阿拉爾市土地利用類型等都來自平臺提供的數(shù)據(jù)集。

哨兵2號衛(wèi)星是高分辨率多光譜成像衛(wèi)星，攜帶一枚多光譜成像儀，用于陸地觀測，可提供植被、土壤、水體等圖像。本研究選取遙感云計算平臺中經(jīng)過正射校正和幾何精校正的空間分辨率為10 m的哨兵2號遙感影像，有13個光譜波段，包括可見光和紅外光，可滿足對農(nóng)作物分類提取和動態(tài)監(jiān)測。阿拉爾市行政邊界數(shù)據(jù)來自于國家基礎地理信息中心的“中國城市區(qū)劃邊界”數(shù)據(jù)集。2020年阿拉爾市土地利用類型數(shù)據(jù)采用全球30 m地表覆蓋數(shù)據(jù)集，該數(shù)據(jù)集將地表劃分為耕地、林地、草地、灌木地、濕地、水體、苔原、人造地表、裸地、冰川和永久積雪十個類型，可以滿足研究提取阿拉爾市耕地需求。

數(shù)據(jù)預處理和后期統(tǒng)計計算都在遙感云計算平臺內(nèi)進行，通過編譯器交互式編程實現(xiàn)數(shù)據(jù)處理與計算過程。

1.3 研究方法

1.3.1棉花生長發(fā)育期分析

通過實地調查和走訪阿拉爾市棉花種植戶制定阿拉爾市主要農(nóng)作物農(nóng)時歷。冬小麥在3月下旬和4月上旬進入拔節(jié)期，4月中下旬至5月上旬處于抽穗期，5月中下旬進入灌乳期，6月上旬進入成熟期。玉米在4月中上旬播種，5月進入苗期，6月中上旬處于拔節(jié)期，7月進入灌乳期，8月份成熟。棉花在4月上旬播種，5月份出苗，6月份進入蕾期，7月份開始進入花鈴期，8月中下旬及9月處于吐絮期。

1.3.2光譜分析

基于遙感云計算平臺選取2020年哨兵2號衛(wèi)星遙感影像數(shù)據(jù)進行研究區(qū)裁剪等預處理。基于最優(yōu)波段組合的思想，對遙感數(shù)據(jù)進行波段組合實驗，尋找可以最佳反應農(nóng)作物生長狀態(tài)的波段組合，通過反復實驗發(fā)現(xiàn)B11(紅外2波段)、B8(近紅外波段)、B2(藍光波段)波段組合突出顯示綠色植被，有利于農(nóng)業(yè)監(jiān)測和本研究。結果表明4～9月完整貫穿棉花生長周期，且通過真彩色合成影像(見圖1)可以發(fā)現(xiàn)研究區(qū)主要植被為覆蓋耕地的農(nóng)作物，其他類型植被地表對研究干擾較小。因此選擇4～9月為棉花物候期進行研究。

圖2表明，4月份植被覆蓋較低，只有少量冬小麥生長，棉花和其他作物正處于播種期；5月份棉花和其他作物相繼出苗，影像呈現(xiàn)淺綠色；6月份冬小麥進入成熟期，棉花和其他作物開始進入第二生長階段，形成植株，影像上呈現(xiàn)綠色越來越深；到7、8月份棉花生長進入全盛時期，影像上呈現(xiàn)深綠色。到9月份棉花進入吐絮期，其他作物基本進入收割期，影像綠色開始變淺。

圖2 阿拉爾市棉花物候期遙感影像(B11、B8、B2合成)圖

由于植物葉片和植株中含有大量葉綠素，影響可見光波段反射，因此根據(jù)遙感影像不同光譜特征可以對地面不同植物進分類識別。受地形、天氣、地物復雜程度等影響，在研究中只依靠單波段光譜信息很難做到農(nóng)作物精細分類。植被指數(shù)是根據(jù)植被光譜特征，將對地觀測衛(wèi)星的可見光波段和近紅外波段進行組合形成的指數(shù)，實現(xiàn)多光譜波段信息組合的量化，可以很好地表示植被變化情況。因此引入恰當?shù)闹脖恢笖?shù)，可以有效實現(xiàn)對作物精細分類。

歸一化差分植被指數(shù)(Normalized Difference Vegetation Index，NDVI)是最常用的植被指數(shù)，它能夠反應植被生長狀態(tài)，反演植被覆蓋度。NDVI取值范圍在[-1，1]之間，當NDVI為負值時，表示地表為水體、冰雪、云等；當NDVI=0時，表示地表為裸露的巖石或土地；當NDVI為正值時，表示地表有植物覆蓋，一般NDVI值在0.2～0.8時，認為地表有綠色植物覆蓋。NDVI是對近紅外光和紅光的反射率，通過一定的數(shù)學法則計算得到的，計算公式：NDVI=(B-B)/(B+B)。式中B表示近紅外光反射率，B表示紅光反射率。

比值植被指數(shù)(Ratio Vegetation Index，RVI)是反映綠色植物健康狀態(tài)時常用的植被指數(shù)。當RVI遠大于1時，表示綠色植物健康狀態(tài)良好；當RVI趨近于1，則表示地表無植被覆蓋、植被已枯死或植被遭受嚴重蟲害。通過計算近紅外光波段與紅光波段比值可得RVI，計算公式：RVI=B/B。式中B表示近紅外光反射率，B表示紅光反射率。

差值植被指數(shù)(Difference Vegetation Index，DVI)可以監(jiān)測植被生長狀態(tài)，但對土壤變化極為敏感，因此在耕地監(jiān)測中，可以幫助播種期或收割期不同的農(nóng)作物進行分類。DVI是由近紅外光反射率減去紅光反射率得到，計算公式：DVI=B-B。式中B表示近紅外光反射率，B表示紅光反射率。

研究通過計算阿拉爾市不同時期植被指數(shù)尋找其變化規(guī)律構建分類規(guī)則，將耕地農(nóng)作物進行分類，進而算出棉花種植面積。

1.3.3提取模型構建

通過對各物候期各作物植被指數(shù)計算，尋找各物候期不同作物之間的植被指數(shù)變化，構建棉花種植區(qū)提取模型(見圖3)。在遙感云計算平臺基于阿拉爾市2020年4～9月哨兵2號衛(wèi)星遙感影像數(shù)據(jù)按月尺度計算物候期阿拉爾市植被指數(shù)，并基于2020年地表覆蓋數(shù)據(jù)提取阿拉爾市2020年的耕地數(shù)據(jù)，兩者相交獲得阿拉爾市2020年物候期耕地植被指數(shù)數(shù)據(jù)，根據(jù)不同物候期棉花指數(shù)范圍，提取出各物候期可能棉花種植區(qū)，將提取的6個物候期的棉花種植區(qū)進行疊置分析，獲得阿拉爾2020年棉花種植區(qū)，并通過計算幾何，計算出種植面積，將提取結果與2020年阿拉爾市統(tǒng)計公報中棉花種植面積數(shù)據(jù)相對比，驗證提取精度。

圖3 棉花提取模型

2 結果與分析

2.1 棉花物候期各項植被指數(shù)

基于遙感云計算平臺結合植被指數(shù)計算公式，計算各物候期三種植被指數(shù)(見表1)。

表1 各物候期的三種植被指數(shù)

表1物候期植被指數(shù)表明，物候期4月到7月，各植被指數(shù)整體呈現(xiàn)增長趨勢。這一階段冬小麥生長旺盛，趨于成熟發(fā)展；棉花、玉米及其他作物正在經(jīng)歷從播種到出苗再到形成植株過程，農(nóng)作物逐漸繁茂。7月份，冬小麥雖已經(jīng)收割，但是各項植被指數(shù)卻達到了整個物候期最大值，因為這一階段棉花處于花鈴期，生長旺盛，對光吸收需求增大，超過6月份冬小麥等其他作物對光吸收需求的總和。8月份以后，各項植被指數(shù)開始下降，這一時期作物都趨于成熟，植株內(nèi)葉綠素含量開始減少，農(nóng)作物進入枯萎期。

結合研究區(qū)農(nóng)時歷對植被指數(shù)變化進行分析，可以辨析植被指數(shù)和農(nóng)作物生長之間的關系，有利于不同農(nóng)作物敏感特征提取，幫助農(nóng)作物進行分類。

2.2 棉花種植區(qū)面積提取

基于提取模型，獲得阿拉爾市耕地植被指數(shù)數(shù)據(jù)。如圖4所示，4月份和5月份中部和東部部分區(qū)域歸一化差分植被指數(shù)介于0.6與0.8之間，結合阿拉爾市主要作物農(nóng)時歷分析可知，此時棉花和玉米處于播種期和幼苗期，歸一化差分植被指數(shù)較小，而冬小麥處于抽穗期和灌乳期，歸一化差分植被指數(shù)處于較高水平，從而可以確定冬小麥的主要分布地區(qū)。6月份歸一化差分植被指數(shù)值介于0.7與0.8之間，冬小麥開始成熟，棉花和玉米分別進入蕾期和抽穗期，進入7月份，冬小麥預備收割，棉花和玉米也逐漸成熟，歸一化差分植被指數(shù)在部分地區(qū)達到了0.8，玉米的生長周期比棉花短，8月下旬玉米成熟，棉花也到了吐絮期，冬小麥已經(jīng)收割，歸一化差分植被指數(shù)雖然開始減小，但仍然達到了0.8。到了9月份，玉米開始收割，棉花也已經(jīng)成熟，此時地表基本只有棉花一種作物類型，再根據(jù)不同物候期棉花歸一化差分植被指數(shù)范圍，提取出各物候期可能棉花種植區(qū)，對不同物候期的棉花種植區(qū)進行疊置分析，從而獲得阿拉爾2020年棉花種植區(qū)。

圖4 阿拉爾市2020年各物候期歸一化差分植被指數(shù)圖

在遙感云計算平臺中，計算提取的2020年阿拉爾市棉花種植面積為14.47萬公頃，而2020年阿拉爾市統(tǒng)計公報棉花面積為15.98萬公頃，從而得出本次提取精度為90.53%，提取精度較高，可以作為阿拉爾市棉花種植面積提取的一種方法。

3 討論

阿拉爾市2020年棉花種植面積15.98萬公頃，本次實驗提取面積14.47萬公頃，提取精度達90.53%。因此，基于遙感云計算平臺與哨兵2號衛(wèi)星影像數(shù)據(jù)可以實現(xiàn)較高精度提取阿拉爾棉花種植面積，與相關研究相比，本研究可實行性更強，實施成本更低。

基于高分辨率遙感影像的研究，通過機器學習訓練樣本可以實現(xiàn)高精度的分類，但是高分辨率影像獲取難度大、成本高；基于傳統(tǒng)遙感影像處理平臺的研究，可以使用成熟的監(jiān)督分類組件、決策樹模型或構建分類模型實現(xiàn)較高精度的分類，但是調節(jié)分類閾值需要多次實驗調試，不同作物對應分類閾值也有較大差別。遙感云計算平臺擁有豐富的數(shù)據(jù)集，可以實現(xiàn)多源數(shù)據(jù)同步處理，且使用成本較低。基于遙感云計算平臺和哨兵2號衛(wèi)星影像數(shù)據(jù)對以阿拉爾市為代表的新疆南部棉花種植面積高精度提取還需要后續(xù)遙感云計算廣泛應用在農(nóng)作物種植面積提取研究中討論。

4 結論

基于遙感云計算平臺和哨兵2號衛(wèi)星影像數(shù)據(jù)，通過分析物候期耕地植被指數(shù)變化特征，構建棉花提取種植區(qū)模型可以實現(xiàn)研究區(qū)棉花種植面積高精度提取。本研究選取新疆南部阿拉爾市4～9月遙感影像數(shù)據(jù)，依據(jù)阿拉爾市主要農(nóng)作物農(nóng)時歷和棉花種植面積提取模型，成功的提取了2020年阿拉爾市棉花種植面積，總體精度達90.53%，能夠較高精度提取以阿拉爾市為代表的新疆南部棉花的種植面積，為棉花估產(chǎn)、種植業(yè)發(fā)展、政府宏觀調控農(nóng)業(yè)布局等提供依據(jù)和參考。