基于MODIS的農(nóng)作物面積遙感監(jiān)測(cè)及應(yīng)用

陳靜

摘要：MODIS遙感數(shù)據(jù)具有探測(cè)周期短、覆蓋面積廣、數(shù)據(jù)開(kāi)放等優(yōu)點(diǎn)，適合大尺度、動(dòng)態(tài)的農(nóng)業(yè)遙感監(jiān)測(cè)應(yīng)用。結(jié)合了MODIS遙感數(shù)據(jù)資源的特點(diǎn)和農(nóng)作物物候特征，提出了基于MODIS的農(nóng)作物面積遙感監(jiān)測(cè)方法，并根據(jù)黃淮地區(qū)冬小麥種植面積提取的應(yīng)用需求，選用地理空間數(shù)據(jù)云平臺(tái)提供的3種MODIS數(shù)據(jù)產(chǎn)品進(jìn)行了農(nóng)作物面積提取。結(jié)果表明，使用5 d合成數(shù)據(jù)產(chǎn)品的提取精度較高。

關(guān)鍵詞：遙感監(jiān)測(cè)；農(nóng)作物面積；MODIS；冬小麥

中圖分類號(hào)：TP392；S127 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2015）06-1483-03

DOI：10.14088/j.cnki.issn0439-8114.2015.06.052

Abstract： MODIS data with advantages of short period of detection， wide coverage and open access are suitable for large-scale， dynamic agricultural remote sensing detection and applications. Combining with the data features of MODIS and crops phenological characteristics， the method of monitoring crops area with remote sensing based on MODIS was established. According to the application requirements of winter wheat acreage extracting in Huang-Huai region， three kinds of MODIS data products in Geospatial Data Cloud were used for crop area extraction. The results showed that using five-day synthetic data product had a higher extraction accuracy.

Key words： remote sensing monitor； crop acreage； MODIS； winter wheat

遙感（Remote sensing，RS）技術(shù)作為地球信息科學(xué)的前沿技術(shù)，可以在短期內(nèi)連續(xù)獲取大范圍的地面信息，實(shí)現(xiàn)農(nóng)業(yè)信息的快速收集和定量分析，是目前最為有效的對(duì)地觀測(cè)技術(shù)和信息獲取手段[1]。作物遙感監(jiān)測(cè)是遙感技術(shù)在農(nóng)業(yè)領(lǐng)域應(yīng)用的重要內(nèi)容之一。1974年，美國(guó)農(nóng)業(yè)部就開(kāi)展了“大面積農(nóng)作物估產(chǎn)實(shí)驗(yàn)”（LACIE），對(duì)世界范圍內(nèi)不同區(qū)域的小麥種植面積、總產(chǎn)量進(jìn)行估算，精度達(dá)到90%以上[2]。自1988年以來(lái)，歐盟開(kāi)展農(nóng)業(yè)遙感監(jiān)測(cè)計(jì)劃（MARS），利用遙感技術(shù)對(duì)歐盟國(guó)的耕地、作物種植面積和產(chǎn)量進(jìn)行監(jiān)測(cè)，每?jī)芍軋?bào)告一次，將監(jiān)測(cè)結(jié)果用于農(nóng)業(yè)補(bǔ)貼的申報(bào)核查和共同農(nóng)業(yè)政策制定[2]。近年來(lái)，我國(guó)農(nóng)作物遙感監(jiān)測(cè)方面也取得了長(zhǎng)足的進(jìn)步，從單一作物發(fā)展到小麥、玉米、水稻等多種作物遙感估產(chǎn)，從小區(qū)域到跨越11個(gè)省市的遙感估產(chǎn)，取得了許多研究成果[3]。

我國(guó)幅員遼闊、地區(qū)差異大、地塊零碎、散戶經(jīng)營(yíng)，加之遙感數(shù)據(jù)資源的缺乏，我國(guó)農(nóng)業(yè)遙感監(jiān)測(cè)還存在著作物識(shí)別精度不高、工作效率偏低、費(fèi)用昂貴等問(wèn)題。本研究結(jié)合MODIS遙感數(shù)據(jù)高光譜、多時(shí)相、開(kāi)放性等優(yōu)點(diǎn)，探討了基于不同類型MODIS數(shù)據(jù)產(chǎn)品和物候特征實(shí)現(xiàn)農(nóng)作物遙感監(jiān)測(cè)，并在黃淮地區(qū)冬小麥種植面積提取中進(jìn)行了應(yīng)用。

1 MODIS數(shù)據(jù)產(chǎn)品概述

中分辨率成像光譜儀（Moderate-resolution imaging spectroradiometer，MODIS）是美國(guó)對(duì)地觀測(cè)衛(wèi)星TERRA所攜帶的傳感器之一，其掃描光譜范圍為0.4～14.4 μm，共有36個(gè)光譜波段，空間分辨率包含1 000、500、250 m等。在對(duì)地觀測(cè)過(guò)程中，每1～2 d觀測(cè)地球表面1次。MODIS采用開(kāi)放的數(shù)據(jù)獲取政策，免費(fèi)提供多種原始數(shù)據(jù)和不同等級(jí)的數(shù)據(jù)處理產(chǎn)品，并在MODIS官方網(wǎng)站上公布傳感器的主要參數(shù)[4]。這些政策和措施極大地促進(jìn)了全球范圍的數(shù)據(jù)共享以及不同國(guó)家的科研合作，實(shí)現(xiàn)了世界范圍內(nèi)多學(xué)科領(lǐng)域的交叉研究。

中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心科學(xué)數(shù)據(jù)中心開(kāi)發(fā)實(shí)現(xiàn)的地理空間數(shù)據(jù)云平臺(tái)，提供了LANDSAT、MODIS、NOAA等多種權(quán)威科學(xué)數(shù)據(jù)資源的集中鏡像服務(wù)，并建立基于模型的數(shù)據(jù)產(chǎn)品加工服務(wù)[5]。為方便國(guó)內(nèi)用戶使用，該平臺(tái)還提供了MODIS中國(guó)合成產(chǎn)品，如MODIS中國(guó)區(qū)域溫度合成產(chǎn)品、NDVI植被指數(shù)產(chǎn)品、EVI植被指數(shù)產(chǎn)品等。

2 物候特征分析

2.1 農(nóng)作物物候期

物候是指植物為了適應(yīng)氣候條件的節(jié)律性變化而形成與此相應(yīng)的植物發(fā)育節(jié)律。掌握物候變換規(guī)律在預(yù)報(bào)農(nóng)時(shí)，監(jiān)測(cè)、保護(hù)生態(tài)環(huán)境，預(yù)測(cè)氣候變化趨勢(shì)等方面具有重要的理論和現(xiàn)實(shí)意義[6]。為了在最有限的時(shí)間內(nèi)獲取最大信息量，就必須合理選擇衛(wèi)星數(shù)據(jù)的時(shí)相，從而實(shí)現(xiàn)以最小代價(jià)獲取最全面、最精確的知識(shí)，提高生產(chǎn)效率。

農(nóng)作物的狀態(tài)和群體特征是影響作物光譜特征的主要因素。我國(guó)物候觀測(cè)資料非常豐富，不同農(nóng)作物之間的物候差異是選擇作物識(shí)別最佳時(shí)相的常用依據(jù)[7]。我國(guó)華北地區(qū)主要農(nóng)作物種植的物候期及各階段的植被覆蓋程度見(jiàn)圖1[8]。根據(jù)農(nóng)作物物候期分布、不同時(shí)期遙感圖像的光譜特性以及不同物候期內(nèi)農(nóng)作物光譜特征差異，選取區(qū)別不同農(nóng)作物的最佳時(shí)相影像。比如，12月上旬冬小麥處于分蘗期，地面有一定的植被覆蓋，葉綠素含量，而其他植被均已落葉，與背景地物具有較大的季相差異，因此，在衛(wèi)星圖像上表現(xiàn)為十分明顯的影像特征。

2.2 農(nóng)作物光譜特征

選取遙感影像特定波段的數(shù)據(jù)就可以更有效地對(duì)不同農(nóng)作物進(jìn)行分類。對(duì)于MODIS數(shù)據(jù)，可以選用與農(nóng)作物生長(zhǎng)密切相關(guān)的1～7個(gè)波段進(jìn)行分析。其中，RED波段（0.620～0.670 μm）受葉綠素含量控制，對(duì)綠色植被具有強(qiáng)吸收特點(diǎn)，對(duì)植被覆蓋度、生長(zhǎng)狀況敏感，如分蘗期的冬小麥，由于具有較高的葉綠素含量，與背景地物具有較大的季相差異，因此在衛(wèi)星圖像上表現(xiàn)為十分明顯的影像特征；BLUE波段（0.459～0.479 μm）可以反映土壤和植被的差異，改進(jìn)對(duì)農(nóng)作物的監(jiān)測(cè)；NIR波段（0.841～0.876 μm）對(duì)綠色植被具有高反射特點(diǎn)，可以反映指標(biāo)類型和生物量的指標(biāo)；ESWIR波段（1.628～1.652 μm）則受葉細(xì)胞內(nèi)水分含量的控制，對(duì)植被生化組分和濕度的變化非常敏感[9]。

植被指數(shù)是對(duì)地表植被活動(dòng)的簡(jiǎn)單、有效的度量。在MODIS-NDVI數(shù)據(jù)集中，使用植物吸收的RED波段和植物發(fā)射的遠(yuǎn)紅外波段NIR進(jìn)行計(jì)算[10]，公式為：

3 基于MODIS的農(nóng)作物面積提取

3.1 研究方法

利用遙感數(shù)據(jù)提取農(nóng)作物種植面積的理論依據(jù)是遙感圖像中相同的地物類型在相同的條件下（紋理、地形、光照、植被覆蓋等），應(yīng)具有相同或相似的光譜信息特征和空間信息特征。其實(shí)質(zhì)是根據(jù)各類地物的光譜特征進(jìn)行特征參數(shù)的分析與選擇，然后采用一定的規(guī)則（即分類算法）對(duì)遙感圖像進(jìn)行分類[2]。其中，不同類型地物的特征選擇和分類算法是農(nóng)作物種植面積提取的關(guān)鍵點(diǎn)。

根據(jù)不同生物波譜特性和農(nóng)作物物候特征差異，選擇多時(shí)相的MODIS遙感數(shù)據(jù)，通過(guò)計(jì)算并分析歸一化植被指數(shù)NDVI、增強(qiáng)型植被指數(shù)EVI、土壤調(diào)節(jié)植被指數(shù)等，使用現(xiàn)有成熟的遙感圖像處理軟件ERDAS IMAGINE進(jìn)行分類試驗(yàn)，通過(guò)調(diào)整算法的參數(shù)和優(yōu)化樣本點(diǎn)等方式不斷改進(jìn)和提高分類效果。

3.2 農(nóng)作物面積提取

在研究過(guò)程中，尤其要注意不同尺度、多時(shí)相遙感數(shù)據(jù)的選擇要結(jié)合被研究區(qū)域的地理數(shù)據(jù)、按當(dāng)?shù)貧庀髷?shù)據(jù)及其他輔助數(shù)據(jù)。在數(shù)據(jù)與特征波段分析時(shí)要結(jié)合農(nóng)作物波譜特性及生物學(xué)特性，并綜合利用農(nóng)作物物候期信息，提取合適的特征參量，改進(jìn)分類精度和農(nóng)作物提取的精確度?；贛ODIS的農(nóng)作物面積提取流程如圖2所示。

4 黃淮地區(qū)冬小麥面積提取的應(yīng)用

4.1 數(shù)據(jù)選擇

小麥?zhǔn)俏覈?guó)主要糧食作物之一，地域分布廣闊，種植相對(duì)集中。按照種植產(chǎn)區(qū)可以分為黃淮冬麥區(qū)、東北春麥區(qū)、新疆冬春麥區(qū)、北部春麥區(qū)、西北春麥區(qū)、西南冬麥區(qū)、華南冬麥區(qū)、長(zhǎng)江中下游冬麥區(qū)、北部冬麥區(qū)等9個(gè)大區(qū)[11]。其中，黃淮地區(qū)（主要包括河南、山東、河北、天津、北京等地）是全國(guó)最大的冬小麥生產(chǎn)基地，其小麥種植面積占全國(guó)總種植面積的61.4%，因此成為農(nóng)業(yè)遙感監(jiān)測(cè)的主要地區(qū)。

本研究選取了黃淮冬小麥種植區(qū)為研究區(qū)域，利用的MODIS遙感數(shù)據(jù)進(jìn)行冬小麥種植面積提取。根據(jù)圖2所示的冬小麥物候期特征，分別選取了2010年12月上旬冬小麥分蘗期的3類數(shù)據(jù)產(chǎn)品進(jìn)行處理，具體包括有：2010年12月8日MODIS陸地標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品（MOD09GQ）、2010年12月6日至10日中國(guó)250 m EVI 5 d合成產(chǎn)品（MODEV1F）和2010年12月1日至10日中國(guó)250 m EVI旬合成產(chǎn)品（MODEV1T），分辨率均為250 m。前兩種遙感數(shù)據(jù)局部圖如圖3所示。

4.2 試驗(yàn)結(jié)果

根據(jù)上述分析，對(duì)MOD09GQ的第1、2波段和MODEV1F、MODEV1T的第3、7波段進(jìn)行幾何校正、影像切割和重采樣等操作。進(jìn)一步對(duì)RED、NIR，BLUE和ESWIR 4個(gè)工作波段光譜數(shù)據(jù)計(jì)算，得到LSWI、EVI和EVI特征數(shù)據(jù)集。結(jié)合給區(qū)域特征，將地物分為冬小麥、綠地、裸地、水體、其他等6個(gè)類別。

在ERDAS IMAGINE Professional 9.1環(huán)境下，分別采用監(jiān)督分類和非監(jiān)督分類方法進(jìn)行試驗(yàn)，各參數(shù)使用該環(huán)境下該算法的缺省值。隨機(jī)抽取200個(gè)樣本點(diǎn)對(duì)分類結(jié)果進(jìn)行精度評(píng)價(jià)，所得結(jié)果如表1所示。

Kappa系數(shù)是一種計(jì)算分類精度的方法，它采用離散的多元技術(shù)來(lái)測(cè)量圖像之間的吻合度[12]。從表1中可以看出，各種地物單類分類精度在85%以上，總體精度平均值達(dá)到了89.94%，均大于0.84。從遙感數(shù)據(jù)產(chǎn)品上來(lái)看，采用EVI 5 d合成的MODEV1F遙感數(shù)據(jù)的分類精度普遍高于單日數(shù)據(jù)產(chǎn)品MOD09GQ和旬合成數(shù)據(jù)產(chǎn)品MODEV1T。

5 小結(jié)與討論

農(nóng)作物面積反映了農(nóng)業(yè)生產(chǎn)在空間范圍利用農(nóng)業(yè)生產(chǎn)資源的情況，是了解農(nóng)產(chǎn)品種類、結(jié)果、分布特征的重要信息，是進(jìn)行農(nóng)業(yè)結(jié)構(gòu)調(diào)整的依據(jù)，是研究糧食區(qū)域平衡、預(yù)測(cè)農(nóng)業(yè)資源綜合生產(chǎn)能力與人口承載能力的重要數(shù)據(jù)源。應(yīng)用遙感技術(shù)可以及時(shí)可靠地監(jiān)測(cè)全國(guó)主要農(nóng)作物的種植面積或種植面積的變化。尤其是近年來(lái)新的高空間分辨率、高光譜、雷達(dá)等遙感技術(shù)的發(fā)展，為農(nóng)業(yè)現(xiàn)代化管理提供了新的機(jī)遇。結(jié)合地理信息系統(tǒng)（GIS）、全球定位系統(tǒng)（GPS）和遙感技術(shù)（RS）的“3S”一體化發(fā)展必將成為今后農(nóng)業(yè)遙感的研究熱點(diǎn)。

參考文獻(xiàn)：

[1] 李小文.遙感原理與應(yīng)用[M].北京：科學(xué)出版社，2008.1-8.

[2] 林文鵬，王長(zhǎng)耀.大尺度作物遙感檢測(cè)方法與應(yīng)用[M].北京：科學(xué)出版社，2010.

[3] 陳仲新.GEOSS背景下的農(nóng)業(yè)遙感監(jiān)測(cè)[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2012，33（4）：5-10.

[4] National Aeronautics and Space Administration：MODIS Data [DB/OL].http：//modis.gsfc.nasa.gov/.

[5] 中國(guó)科學(xué)院計(jì)算機(jī)網(wǎng)絡(luò)信息中心.地理空間數(shù)據(jù)云[DB/OL].http：//www.gscloud.cn/.

[6] 齊 臘，劉良云，趙春江，等.基于遙感影像時(shí)間序列的冬小麥種植監(jiān)測(cè)最佳時(shí)相選擇研究[J].遙感技術(shù)與應(yīng)用，2008，23（2）：38-43.

[7] PAUL D，HATFIELF J. Crop condition and yield simulations using Landsat and MODIS imagery[J]. Remote Sensing of Environment，2004，92（4）：548-559.

[8] 王家強(qiáng)，于 軍，彭 杰，等.基于植被指數(shù)的土壤氮素遙感估算研究[J].西南農(nóng)業(yè)學(xué)報(bào)，2014，27（1）：215-219.

[9] 范 莉，羅孳孳.基于MODIS-NDVI的水稻遙感估產(chǎn)——以重慶三峽庫(kù)區(qū)為例[J].西南農(nóng)業(yè)學(xué)報(bào)，2009，22（5）：1416-1419.

[10] 馮學(xué)智，肖鵬峰，趙書(shū)河，等.遙感數(shù)字圖像處理與應(yīng)用[M].北京：商務(wù)印書(shū)館，2011.267-274.

[11] 王長(zhǎng)耀，林文鵬.基于MODIS EVI的冬小麥產(chǎn)量遙感預(yù)測(cè)研究[J].農(nóng)業(yè)工程學(xué)報(bào)，2005，22（10）：90-94.

[12] 柳欽火，辛?xí)灾?，?娉，等.定量遙感模型、應(yīng)用及不確定性研究[M].北京：科學(xué)出版社，2010.