基于TM數(shù)據(jù)耕地面積提取方法研究

王國芳

（山西農(nóng)業(yè)大學(xué)資源與環(huán)境學(xué)院，山西太谷030801）

近年來，農(nóng)業(yè)種植結(jié)構(gòu)的面積、產(chǎn)量因市場變化而逐年波動較大。客觀形勢要求及時準(zhǔn)確地獲取區(qū)域作物種植面積信息及其空間分布狀況，對于準(zhǔn)確估計和預(yù)測作物產(chǎn)量、加強(qiáng)作物生產(chǎn)管理、優(yōu)化作物種植空間格局、確保中國糧食安全具有重要意義[1]。掌握糧食播種信息，為國民經(jīng)濟(jì)宏觀決策提供科學(xué)依據(jù)。

傳統(tǒng)的作物面積、產(chǎn)量估算主要是采用統(tǒng)計方法或常規(guī)的地面調(diào)查方法，不僅費(fèi)時費(fèi)力且受人為因素影響較大，難以適應(yīng)現(xiàn)勢性信息的需求。隨著遙感技術(shù)的發(fā)展應(yīng)用，遙感信息具有覆蓋面積大、探測周期短、資料豐富、現(xiàn)勢性強(qiáng)、費(fèi)用低等特點(diǎn)，為作物種植面積的提取提供了新的技術(shù)手段[2]。

1 研究區(qū)概況

本研究區(qū)選擇山西省昔陽縣，該縣位于山西省東部，太行山脈西麓，地處東經(jīng)113°19′～114°08′，北緯 37°20′～37°43′，全縣東西長約70 km，南北寬約38 km，國土總面積195 600 hm2。昔陽縣境內(nèi)整個地勢呈西高東低、南高北低，東南山坡較陡，西北山坡較緩，屬于半干旱大陸性氣候。全縣地形多樣，自然條件復(fù)雜，植物種類繁多，形成的土壤類型特征各異、形態(tài)不一，以夏玉米種植為主。

2 數(shù)據(jù)源選擇與資料收集

2.1 遙感數(shù)據(jù)

作為提取耕地面積所需的信息源，結(jié)合該地的物候特征，本研究選擇了該地6月份的TM影像，6月正處于季春，能較好地體現(xiàn)本研究區(qū)的耕地信息。同時，為了更好進(jìn)行研究區(qū)的目視解譯，還選用了研究區(qū)SPOT影像作為參考。

2.2 資料數(shù)據(jù)

收集了研究區(qū)1∶50 000地形圖，用于幾何校正。1∶50 000土地利用圖，1∶50 000行政區(qū)劃圖，1∶50 000分等基礎(chǔ)信息、分等結(jié)果、分等重要參數(shù)專題圖，用于輔助解譯。外業(yè)調(diào)查標(biāo)準(zhǔn)樣地數(shù)據(jù)共24個，用于分類結(jié)果的精度檢驗(yàn)。專題圖的地理坐標(biāo)與遙感影像一致，用于與影像數(shù)據(jù)進(jìn)行比較，疊加分析。

3 研究方法

農(nóng)作物種植面積的遙感提取是在收集分析不同農(nóng)作物光譜特征的基礎(chǔ)上，通過遙感影像記錄地表信息，識別農(nóng)作物的類型，統(tǒng)計農(nóng)作物的種植面積。農(nóng)作物的識別主要是利用綠色植物獨(dú)特的波譜反射特征，將植被（農(nóng)作物）與其他地物區(qū)分開[3]。

3.1 光譜分析

為了對耕地進(jìn)行面積提取，必須對地面不同介質(zhì)的光譜特征有所認(rèn)識。土壤的光譜隨著波長的增加，其反射率呈上升趨勢，而綠色植被在可見光波段內(nèi)具有吸收峰，在近紅外波段內(nèi)具有強(qiáng)反射。水的光譜在可見光波段內(nèi)的反射率總體上比較低，隨著波長的增大逐漸降低。不同地物在可見光和近紅外波段的反射率特征正是進(jìn)行作物光譜識別的理論依據(jù)[4]。

農(nóng)作物生長過程中，不同階段的農(nóng)作物群體有著不同的光譜特征和色調(diào)，對太陽光輻射的吸收和反射有著明顯的光譜差異。而不同種類的農(nóng)作物由于其形狀和構(gòu)造不同，光譜反映也各不相同。這是由其葉片具有不同的葉綠素和水分含量直接影響作物對太陽光的吸收和反射所致[5]。

本研究采用的TM數(shù)據(jù)的7個波段光譜圖像中，一般第5個波段包含的地物信息最豐富。3個可見光波段（即第 1，2，3波段）之間，2個中紅外波段（即第5，7波段）之間相關(guān)性很高，表明這些波段的信息中有相當(dāng)大的重復(fù)性或者冗余性。第4，6波段較特殊，尤其是第4波段與其他波段的相關(guān)性很低，表明這個波段信息有很大的獨(dú)立性。由此可見，由1個可見光波段、1個中紅外波段及第4波段組合而成的彩色合成圖像一般具有最豐富的地物信息，其中又常以4，5，3或4，5，1波段的組合為最佳。按賦色原則，采取4，5，3波段分別賦紅、綠、藍(lán)色合成的圖像，色彩反差明顯，層次豐富，而且各類地物的色彩顯示規(guī)律與常規(guī)合成片相似。為此，在本研究中采用了 4，5，3 波段的組合。在該 4，5，3 波段合成的圖像中，裸地表現(xiàn)為青綠色調(diào)，植被表現(xiàn)為黃綠色調(diào)，草地表現(xiàn)為淺紅色調(diào)，林地表現(xiàn)為紅色調(diào)，水體表現(xiàn)為深藍(lán)色調(diào)，縣中心表現(xiàn)為藍(lán)色調(diào)。

3.2 分類方法的選取

分類方法的選取將直接影響到種植面積提取的精度。目前，種植面積提取方法有：（1）目視解譯。其主要應(yīng)用于遙感估產(chǎn)的早期，計算機(jī)自動處理程度不高的情況。（2）監(jiān)督分類法。它是計算機(jī)自動提取農(nóng)作物種植面積的起源。（3）多時相分析方法。其主要應(yīng)用于雷達(dá)遙感和高時間分辨率的多光譜遙感影像。另外，還有多源數(shù)據(jù)結(jié)合的方法、神經(jīng)網(wǎng)絡(luò)方法、模糊數(shù)學(xué)方法等[6-7]。采用多源數(shù)據(jù)和多種分類方法的綜合分析，會提高農(nóng)作物種植面積提取的精度。由于數(shù)據(jù)有限，本文采用結(jié)合地面樣點(diǎn)的最大似然法的監(jiān)督分類方法。

最大似然分類法假設(shè)類別在特征空間上的分布服從正態(tài)分布，然后通過計算待分像元對各類別的歸屬概率，將待分像元劃歸至屬概率最大的一組類別[8]?？梢酝ㄟ^先驗(yàn)概率來提高最大似然分類法的精度。但由于在分類前無法確切知道各類別占總面積的比例，因此，分類過程中各類別先驗(yàn)概率都取1。不考慮先驗(yàn)概率的最大似然分類法的判別函數(shù)為：

gi（X）=P（X/ωi）

式中，ωi代表類別i，gi（X）代表ωi類的判別函數(shù)，X為待分類的特征向量，P（X/ωi）為ωi類的密度概率函數(shù)。

3.3 訓(xùn)練樣區(qū)選取

為了保證分類的精度，除了采用最大似然法的監(jiān)督分類外，還有很關(guān)鍵的一點(diǎn)就是訓(xùn)練樣區(qū)的選取，訓(xùn)練樣區(qū)應(yīng)在目標(biāo)地物面積較大的中心選取。采用最大似然法進(jìn)行分類，還要求各變量正態(tài)分布。由于TM數(shù)據(jù)分辨率的原因，可能會造成同物異譜、同譜異物的現(xiàn)象，從而影響分類精度。為此，選取訓(xùn)練樣本前，先對TM數(shù)據(jù)的4，5，3波段合成圖像進(jìn)行了投影變化、幾何配準(zhǔn)、特征變換、光譜增強(qiáng)等處理，并與土地利用現(xiàn)狀圖、行政區(qū)劃等專題圖件進(jìn)行套合，結(jié)合空間分布和地理界線，參考高分辨率SPOT影像圖，并結(jié)合耕地在TM中的光譜特征進(jìn)行訓(xùn)練樣區(qū)選取。對于難以確定的地塊，通過野外調(diào)查獲取。

4 結(jié)果與分析

利用TM數(shù)據(jù)，采用最大似然分類法提取的昔陽縣耕地面積結(jié)果如圖1所示。提取的耕地面積為29 242.1 hm2。根據(jù)昔陽縣當(dāng)年的上報面積（31 316.6 hm2），其精度達(dá)到 93.3%。

5 結(jié)論

實(shí)踐證明，以TM遙感數(shù)據(jù)為主要信息源，以土地利用現(xiàn)狀圖、行政區(qū)劃等專題圖件為輔助信息源，采用GIS技術(shù)、圖象處理技術(shù)及光譜知識提取耕地面積的方法可行、可靠。

本研究僅對TM遙感影像進(jìn)行了探討，可以推廣應(yīng)用到更高或更低分辨率遙感影像，但其結(jié)果精度還需要進(jìn)行驗(yàn)證分析。

遙感技術(shù)在耕地面積的調(diào)查方面具有省時省力的特點(diǎn)，使決策者能夠比較準(zhǔn)確地掌握耕地面積，以便制定出相應(yīng)的政策。另外，其可為利用氣象因子、土壤墑情和遙感監(jiān)測進(jìn)行作物估產(chǎn)提供較為精確的基礎(chǔ)數(shù)據(jù)，具有很高的經(jīng)濟(jì)效益和社會效益。

［1］ 杜培林，田麗萍，薛林，等.遙感在作物估產(chǎn)中的應(yīng)用[J].安徽農(nóng)業(yè)科學(xué)，2007，35（3）：936-938.

［2］ 程永政.混種區(qū)作物面積遙感監(jiān)測方法 [J].河南農(nóng)業(yè)科學(xué)，2009（6）：147-150.

［3］ 周成虎，駱劍承.遙感影像地學(xué)理解與分析[M].北京：科學(xué)出版社，1999.

［4］ 侯學(xué)曾，肖淑招.小麥反射光譜特性及其估產(chǎn)[J].華北農(nóng)學(xué)報，1986，1（1）：92-96.

［5］ 梅安新，彭望琭.遙感導(dǎo)論[M].北京：高等教育出版社，2001.

［6］ 林艷.NOAA衛(wèi)星玉米遙感估產(chǎn)方法的研究 [J].華北農(nóng)學(xué)報，1996，11（4）：93-98.

［7］ 王國芳.遙感圖像計算機(jī)分類方法的研究 [J].山西農(nóng)業(yè)科學(xué)，2009，37（10）：39-41.

［8］ 鄭明國.一種新的土地覆蓋類別面積估計方法及其在最大似然分類法中的應(yīng)用[J].資源科學(xué)，2007，29（3）：214-220.