基于多時(shí)相HJ衛(wèi)星的渭干河-庫(kù)車(chē)河綠洲主要農(nóng)作物種植信息提取*

玉蘇普江·艾麥提，買(mǎi)合皮熱提·吾拉木，玉蘇甫·買(mǎi)買(mǎi)提，阿里木江·卡斯木

(新疆師范大學(xué)地理科學(xué)與旅游學(xué)院，烏魯木齊 830054)

遙感作為一種現(xiàn)代化的技術(shù)，在農(nóng)業(yè)資源調(diào)查中發(fā)揮了極其重要的作用并展示了其他技術(shù)難以取代的優(yōu)勢(shì)［1］。及時(shí)、準(zhǔn)確地獲取農(nóng)作物種植面積信息，有利于農(nóng)業(yè)部門(mén)指導(dǎo)農(nóng)業(yè)生產(chǎn)，調(diào)整農(nóng)業(yè)結(jié)構(gòu)，為區(qū)域農(nóng)作物的產(chǎn)量估計(jì)和預(yù)測(cè)提供可靠依據(jù)。利用遙感技術(shù)提取作物種植面積是農(nóng)情監(jiān)測(cè)的主要內(nèi)容之一，其重點(diǎn)在于作物種類(lèi)的識(shí)別和面積量算的精度［2-4］。因此，可靠的數(shù)據(jù)源和準(zhǔn)確、有效的農(nóng)作物種植面積提取方法是農(nóng)作物面積遙感估算的關(guān)鍵。

目前，我國(guó)學(xué)者用不同的遙感數(shù)據(jù)和方法來(lái)進(jìn)行農(nóng)作物種植面積監(jiān)測(cè)方面的研究。比如，王國(guó)芳利用TM數(shù)據(jù)進(jìn)行了耕地面積提取方法研究;吳健平等人用NOAA/AVHRR數(shù)據(jù)估算上海地區(qū)水稻種植面積;王琳等人利用多時(shí)相MODIS數(shù)據(jù)對(duì)水稻關(guān)鍵生長(zhǎng)發(fā)育期進(jìn)行識(shí)別，基于植被指數(shù)動(dòng)態(tài)變化規(guī)律，建立模型，提取水稻種植信息［5-7］。隨著遙感技術(shù)的發(fā)展，SPOT、IKONOS和QuickBird影像也被用來(lái)提取農(nóng)作物種植面積［8-10］;QuickBird、SPOT等數(shù)據(jù)雖具有較高的空間分辨率，對(duì)于作物面積監(jiān)測(cè)有較高的精度，但其重訪周期長(zhǎng)、獲取最佳時(shí)相困難、價(jià)格高昂，難以獲得作物生長(zhǎng)季充足的圖像數(shù)據(jù)，無(wú)法充分發(fā)揮時(shí)相信息在作物識(shí)別中的重要作用［11］。而環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)衛(wèi)星 (簡(jiǎn)稱(chēng)HJ衛(wèi)星)作為我國(guó)自主研發(fā)的衛(wèi)星，具有高時(shí)間分辨率和較高空間分辨率的特點(diǎn)。自2008年發(fā)射以來(lái)，其數(shù)據(jù)產(chǎn)品已開(kāi)始應(yīng)用于我國(guó)林業(yè)、農(nóng)業(yè)、自然災(zāi)害、土地利用、定量化應(yīng)用等眾多領(lǐng)域。我國(guó)學(xué)者劉珺、歐文浩和王來(lái)剛等人利用HJ-CCD影像來(lái)進(jìn)行農(nóng)作物覆蓋監(jiān)測(cè)并取得了較好的效果［12-14］。

該文以渭干河—庫(kù)車(chē)河洲綠洲為研究區(qū)，利用作物全生育期內(nèi)的3景不同時(shí)相的HJ-1衛(wèi)星遙感影像，ENVI下基于CART算法的決策樹(shù)規(guī)則自動(dòng)提取主要農(nóng)作物覆蓋信息，然后以野外GPS調(diào)查點(diǎn)為依據(jù)，通過(guò)決策樹(shù)方法對(duì)農(nóng)作物預(yù)分類(lèi)結(jié)果進(jìn)行修正，成功提取了研究區(qū)的玉米、棉花和小麥的種植面積。旨在為研究區(qū)農(nóng)作物面積變化遙感監(jiān)測(cè)的業(yè)務(wù)化運(yùn)行提供技術(shù)參考，最終快速、準(zhǔn)確地提取農(nóng)作物信息，為農(nóng)業(yè)決策部門(mén)和農(nóng)業(yè)技術(shù)推廣人員提供一定的參考依據(jù)。

1 研究區(qū)概況

渭干河—庫(kù)車(chē)河綠洲 (簡(jiǎn)稱(chēng)渭庫(kù)綠洲)位于塔里木盆地的中北部，渭干河—庫(kù)車(chē)河流域的下游，中部天山南麓，塔克拉瑪干沙漠北緣，介于北緯39°30'N～42°40'N，東經(jīng)81°27'N～84°06'E，轄區(qū)范圍包括庫(kù)車(chē)、沙雅和新和3個(gè)縣。渭庫(kù)綠洲是阿克蘇地區(qū)開(kāi)墾較早的一個(gè)綠洲，是庫(kù)車(chē)、沙雅和新和3縣經(jīng)濟(jì)發(fā)展的核心地帶。該區(qū)光熱資源豐富，降水少，蒸發(fā)量大，氣溫差異顯著，日照期長(zhǎng)，夏季干熱、冬季干冷，無(wú)霜期長(zhǎng)。從作物種植總面積來(lái)看，棉花、冬小麥和夏玉米種植面積居前3位，分別占作物種植總面積的46.89%、24.95%和21.09%，三者的種植面積之和占農(nóng)作物種植總面積的92.93%。耕作制度包括一年一熟或兩年三熟的旱作輪作制，作物主要生長(zhǎng)期在4～10月［15］。

圖1 渭干河—庫(kù)車(chē)河綠洲地理位置

2 數(shù)據(jù)的選擇與預(yù)處理

2.1 數(shù)據(jù)簡(jiǎn)介

該文以環(huán)境與災(zāi)害監(jiān)測(cè)預(yù)報(bào)小衛(wèi)星 (簡(jiǎn)HJ-1衛(wèi)星)為數(shù)據(jù)源，數(shù)據(jù)來(lái)源于中國(guó)資源衛(wèi)星應(yīng)用中心(http:www.cresda.com/)，輔以1:10萬(wàn)地形圖和GPS野外樣點(diǎn)數(shù)據(jù)，并參考當(dāng)?shù)氐淖魑镙喿髦贫?，提?大作物的種植面積信息。HJ-1衛(wèi)星是中國(guó)自主研究開(kāi)發(fā)的民用對(duì)地觀測(cè)衛(wèi)星，該衛(wèi)星于2008年9月6日成功發(fā)射升空，HJ-1-A星搭載了CCD相機(jī)和超光譜成像儀 (HSI)，HJ-1-B星搭載了CCD相機(jī)和紅外相機(jī) (IRS)，CCD相機(jī)重訪周期為96小時(shí) (HJ-1/A和HJ-1/B組網(wǎng)后48小時(shí))，空間分辨率為30m，共有藍(lán)、綠、紅和近紅外4個(gè)波段。對(duì)中國(guó)大部分地區(qū)可實(shí)現(xiàn)每天一次重復(fù)觀測(cè)，將大大緩解中國(guó)對(duì)地觀測(cè)數(shù)據(jù)緊缺局面，提高中國(guó)環(huán)境生態(tài)變化、自然災(zāi)害發(fā)生和發(fā)展過(guò)程監(jiān)測(cè)的能力。

2.2 最佳時(shí)相選擇

農(nóng)作物生長(zhǎng)具有明顯的季節(jié)變化特征，是對(duì)環(huán)境因素影響其生長(zhǎng)的反應(yīng)。根據(jù)作物不同生育期在遙感影像上的差異來(lái)選擇不同時(shí)相的遙感數(shù)據(jù)，可以有效地識(shí)別出目標(biāo)作物。時(shí)序遙感影像數(shù)據(jù)的時(shí)間選擇范圍是根據(jù)南疆3種主要作物物候歷 (表1)和前人研究的基礎(chǔ)上確定的。從表1中可以看出，小麥，玉米和棉花的生長(zhǎng)期從4月份到10月份。棉花生長(zhǎng)的旺盛期在蕾期與花鈴期之間，小麥在拔節(jié)與抽穗期間，玉米在拔節(jié)與抽雄期間;試驗(yàn)區(qū)4月中、下旬至5月中旬，作物處在苗期，農(nóng)田中只有冬小麥處于生長(zhǎng)旺盛期，是提取冬小麥的最佳時(shí)期;7～8月份，農(nóng)田中作物均處在生長(zhǎng)階段，呈現(xiàn)出一片綠色，可以從植被和其他土地類(lèi)型中分別出農(nóng)田覆蓋信息。棉花的生長(zhǎng)期比其他作物要長(zhǎng)，在9月中旬后其他農(nóng)作物都已成熟，這是很容易從遙感圖上識(shí)別出棉花，從南疆棉區(qū)作物的物候歷可初步得出，9月上、中旬期間是一個(gè)最佳識(shí)別棉花的時(shí)相期［16］。因此，該文選用2012年4月19日、7月31日和9月12日的HJ衛(wèi)星CCD遙感數(shù)據(jù)來(lái)分別提取出了冬小麥、玉米和棉花。

表1 南疆主要農(nóng)作物物候歷

2.3 數(shù)據(jù)預(yù)處理

衛(wèi)星遙感數(shù)據(jù)獲取后需要對(duì)數(shù)據(jù)進(jìn)行定標(biāo)、大氣糾正和幾何精校正等預(yù)處理。對(duì)于HJ-1號(hào)衛(wèi)星CCD影像，利用ENVI 5.0軟件FLAASH大氣校正模塊對(duì)影像進(jìn)行了大氣校正，將輻射亮度值轉(zhuǎn)為地表反射率，消除或減少大氣影響。采用帶有精確地理坐標(biāo)的LANDSAT TM衛(wèi)星遙感數(shù)據(jù)為參考數(shù)據(jù)，對(duì)采集的2012年7月30日的HJ-1號(hào)衛(wèi)星數(shù)據(jù)進(jìn)行幾何精校正，誤差控制在半個(gè)像元以?xún)?nèi)。以糾正后的2012年7月30日的遙感影像為基準(zhǔn)，分別對(duì)4月19日和9月12日的HJ衛(wèi)星CCD遙感影像進(jìn)行圖像間的配均，誤差控制在0.5個(gè)像元內(nèi)。隨后采用直方圖均衡化將影像進(jìn)行線(xiàn)性拉伸和濾波等增強(qiáng)處理，以增強(qiáng)圖像的目視效果，提高解譯精度。包含研究區(qū)的最大矩形為感興趣區(qū)，分別對(duì)3景CCD影像進(jìn)行研究區(qū)的裁剪，得到了研究區(qū)HJ數(shù)據(jù)圖像。

歸一化植被指數(shù) (NDVI)是當(dāng)前應(yīng)用最為廣泛的一種植被指數(shù)，可以作為植被總量、結(jié)構(gòu)和狀況的光譜度量，是植被生長(zhǎng)狀態(tài)及植被覆蓋度的最佳指示因子。NDVI計(jì)算公式如下:NDVI=(NIR-RED)/(NIR+RED)，其中:NIR為HJ-1號(hào)衛(wèi)星近紅外波段反射率，RED為紅光波段反射率。利用ENVI5.0軟件下分別計(jì)算3期HJ-CCD影像的NDVI值，為研究區(qū)農(nóng)作物提取多時(shí)相數(shù)據(jù)特征分析提供數(shù)據(jù)準(zhǔn)備。

3 農(nóng)作物信息提取過(guò)程

該文使用CART算法獲取規(guī)則，基于規(guī)則提取農(nóng)作物覆蓋信息。CART(Classification and Regression Tree)算法采用一種二分遞歸分割的技術(shù)，將當(dāng)前的樣本集分為兩個(gè)子樣本集，使得生成的決策樹(shù)的每個(gè)非葉子節(jié)點(diǎn)都有兩個(gè)分支。因此，CART算法生成的決策樹(shù)是結(jié)構(gòu)簡(jiǎn)潔的二叉樹(shù)，利用該算法構(gòu)建決策樹(shù)獲取的分類(lèi)規(guī)則是合理的，它可以快速、有效地獲取大量分類(lèi)規(guī)則，是促進(jìn)基于知識(shí)的遙感影像分類(lèi)方法土地利用/覆被分類(lèi)中廣泛應(yīng)用的一項(xiàng)有效手段［17］。該文提取農(nóng)作物覆蓋信息的總體技術(shù)流程如圖2所示。

首先準(zhǔn)備每一期的HJ衛(wèi)星影像的NDVI圖，對(duì)每一期影像進(jìn)行非監(jiān)督分類(lèi)，最大分類(lèi)數(shù)量為10，然后分別對(duì)每一期的HJ衛(wèi)星影像構(gòu)建多源數(shù)據(jù)集。數(shù)據(jù)集由藍(lán)、綠、紅、近紅外4個(gè)波段、NDVI、ISODATA非監(jiān)督分類(lèi)結(jié)果組合成一個(gè)6個(gè)波段的文件。然后在實(shí)驗(yàn)區(qū)影像中選擇一定數(shù)量的訓(xùn)練樣本，利用ENVI下的CART擴(kuò)展工具，使用CART算法獲取專(zhuān)家知識(shí)分類(lèi)規(guī)則。

對(duì)2012-07-30的合成影像，利用CART算法獲取的分類(lèi)規(guī)則進(jìn)行分類(lèi)，獲取農(nóng)田的初步分布范圍;其次對(duì)2012-04-19的合成影像使用已獲取的分類(lèi)規(guī)則進(jìn)行分類(lèi)，提取小麥的種植面積信息;再次對(duì)2012-09-12的合成影像使用分類(lèi)規(guī)則進(jìn)行分類(lèi)，提取棉花和玉米的種植面積信息。由于分類(lèi)結(jié)果圖斑較為細(xì)碎，因此需要對(duì)柵格分類(lèi)圖進(jìn)行分類(lèi)后處理，因此進(jìn)行了聚類(lèi)統(tǒng)計(jì)、過(guò)濾分析、去除分析，并參考野外調(diào)查GPS樣點(diǎn)對(duì)比預(yù)分類(lèi)結(jié)果進(jìn)行修正。最終疊加處理獲取研究區(qū)玉米、棉花、小麥的種植面積總量與空間分布圖 (圖3)。

4 精度驗(yàn)證

總量精度是指一定范圍的行政區(qū)或自然單元內(nèi)作物種植面積的總量精度K(式1)［18］，該研究以農(nóng)業(yè)普查統(tǒng)計(jì)的農(nóng)作物種植面積總量為參考值，對(duì)該文得到的小麥、棉花和玉米的種植面積進(jìn)行總量精度驗(yàn)證，結(jié)果如表2所示。

表2 Cart算法的提取結(jié)果相對(duì)精度

式中，kZ為試驗(yàn)區(qū)決策樹(shù)分類(lèi)玉米的總量精度;S為此次分類(lèi)的測(cè)量值;S0為2012年庫(kù)車(chē)、新和、沙雅3縣的各農(nóng)作物統(tǒng)計(jì)總值。由表2、圖4可知，對(duì)研究區(qū)而言，棉花的種植面積最多，其次是小麥，玉米的最少。整個(gè)研究區(qū)的總量精度為91.73%，結(jié)果良好。各農(nóng)作物的相對(duì)精度不一，棉花的相對(duì)誤差較小，均小于6%，而玉米和小麥的相對(duì)誤差大于8%。通過(guò)野外調(diào)查和農(nóng)作物套種方式來(lái)看，玉米作為套種作物，其大部分小麥與玉米套作，一部分小麥與其他農(nóng)作物套作，在提取玉米時(shí)易跟其他農(nóng)作物混合，影像玉米提取的精度。

圖4 主要農(nóng)作物種植面積提取結(jié)果與統(tǒng)計(jì)數(shù)據(jù)對(duì)比

5 結(jié)論

該文利用多時(shí)相HJ衛(wèi)星CCD影像，根據(jù)農(nóng)作物的物候規(guī)律，選擇3種農(nóng)作物區(qū)別的最佳時(shí)相，并利用CART算法獲取分類(lèi)規(guī)則，結(jié)合GPS野外調(diào)查樣點(diǎn)進(jìn)行修正，成功提取了渭—庫(kù)綠洲主要農(nóng)作物的種植面積信息。結(jié)果表明:

(1)充分利用HJ衛(wèi)星CCD影像具有高時(shí)空分辨率、成本低和獲取方便的優(yōu)勢(shì)，較準(zhǔn)確地提取了渭庫(kù)綠洲主要農(nóng)作物的種植面積，總體精度達(dá)到了91.73%。說(shuō)明HJ衛(wèi)星能夠用于提取我國(guó)西北方地區(qū)監(jiān)測(cè)提取農(nóng)作物種植面積，在控制成本的同時(shí)，還可以滿(mǎn)足農(nóng)作物遙感監(jiān)測(cè)的需求，而且組合不同時(shí)相的遙感影像，相互補(bǔ)充農(nóng)作物之間的相關(guān)信息，有利于去除其他地物的干擾，實(shí)現(xiàn)遙感目標(biāo)的識(shí)別和測(cè)量。

(2)對(duì)于渭庫(kù)綠洲而言，4月中、下旬至5月中旬，作物處在苗期，農(nóng)田中只有冬小麥處于生長(zhǎng)旺盛期，是提取冬小麥的最佳時(shí)期。9月上、中旬期間是一個(gè)最佳識(shí)別棉花的時(shí)相期，此時(shí)較為容易區(qū)分棉花與玉米的種植區(qū)域。

(3)使用ENVI下基于CART算法的決策樹(shù)規(guī)則自動(dòng)提取了研究區(qū)玉米、棉花和小麥的種植面積，分別為3.445 23萬(wàn)hm2、15.578 19萬(wàn)hm2和4.319 73萬(wàn)hm2。通過(guò)提取結(jié)果進(jìn)行的驗(yàn)證與評(píng)價(jià)，表明利用該方法提取農(nóng)作物的面積精度能夠滿(mǎn)足農(nóng)業(yè)遙感監(jiān)測(cè)的要求，還進(jìn)一步證明了該方法是可行的，可對(duì)農(nóng)業(yè)決策部門(mén)和農(nóng)業(yè)技術(shù)推廣人員提供一定的參考依據(jù)。

致謝:該文采用的和課題有關(guān)的所有HJ衛(wèi)星CCD影像星遙感數(shù)據(jù)，由中國(guó)資源衛(wèi)星應(yīng)用中心提供，在此表示感謝。

［1］崔方寧，宋曉宇，孫寶生，等.基于多時(shí)相TM影像的冬小麥面積變化監(jiān)測(cè).遙感信息，2012，27(5):89～95

［2］王康弘，梁軍.基于GIS的電子政務(wù)信息資源平臺(tái)建設(shè).測(cè)繪科學(xué)，2005(30):27～29

［3］范磊，程永政，王來(lái)剛，等.基于多尺度分割的面向?qū)ο蠓诸?lèi)方法提取冬小麥種植面積.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2010，31(6):44～51

［4］趙麗花，李衛(wèi)國(guó)，杜培軍.基于多時(shí)相HJ衛(wèi)星的冬小麥面積提取.遙感信息，2011(2):41～50

［5］王國(guó)芳.基于TM數(shù)據(jù)耕地面積提取方法研究.山西農(nóng)業(yè)科學(xué)，2011，39(4):374～378

［6］吳健平，楊星衛(wèi).用NOAA/AVHRR數(shù)據(jù)估算上海地區(qū)水稻種植面積.應(yīng)用氣象學(xué)報(bào)，1996，7(2):190～194

［7］王琳，景元書(shū)，楊沈斌.基于多時(shí)相遙感數(shù)據(jù)提取水稻種植面積的研究.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2013，34(2):20～25

［8］鄭長(zhǎng)春，王秀珍，黃敬峰.基于特征波段的SPOT-5衛(wèi)星影像水稻面積信息自動(dòng)提取的方法研究.遙感技術(shù)與應(yīng)用，2008，23(3):294～299

［9］朱光良.IKONOS等高分辨率遙感技術(shù)的發(fā)展與應(yīng)用分析.地球信息科學(xué)，2004，6(3):108～110

［10］徐新剛，李強(qiáng)子，周萬(wàn)村，等.應(yīng)用高分辨率遙感影像提取作物種植面積.地球信息科學(xué)，2008，23(1):17～23

［11］燕榮江，景元書(shū)，何馨.農(nóng)作物種植面積遙感提取研究進(jìn)展.安徽農(nóng)業(yè)科學(xué)，2010，38(26):14767～14768

［12］劉珺，田慶久，黃彥，等.利用多時(shí)相HJ衛(wèi)星CCD遙感影像提取嘉祥縣秋收作物.遙感信息，2012(2):67～70

［13］歐文浩，蘇偉，薛文振，等.基于HJ-1衛(wèi)星影像的三大農(nóng)作物估產(chǎn)最佳時(shí)相選擇.農(nóng)業(yè)工程學(xué)報(bào)，2010，26(11):176～182

［14］王來(lái)剛，鄭國(guó)清，陳懷亮，等.基于HJ-CCD影像的河南省冬小麥種植面積變化全覆蓋監(jiān)測(cè).中國(guó)農(nóng)業(yè)資源與區(qū)劃，2011，32(2):58～62

［15］滿(mǎn)蘇爾·沙比提，買(mǎi)買(mǎi)提·阿扎提.渭干河-庫(kù)車(chē)河三角洲綠洲主要作物不同生育期需水量估算.干旱區(qū)研究，2009，26(1):102～108

［16］曹衛(wèi)彬，劉姣娣，馬蓉.新疆棉花遙感監(jiān)測(cè)識(shí)別區(qū)域的劃分.農(nóng)業(yè)工程學(xué)報(bào)，2008，24(4):172～176

［17］趙萍，傅云飛，鄭劉根，等.基于分類(lèi)回歸樹(shù)分析的遙感影像土地利用/覆被分類(lèi)研究.遙感學(xué)報(bào)，2005，9(6):708～716

［18］馬麗，顧曉鶴，徐新剛，等.地塊數(shù)據(jù)支持下的玉米種植面積遙感測(cè)量方法.農(nóng)業(yè)工程學(xué)報(bào)，2009，25(8):147～151