基于環(huán)境衛(wèi)星的混合像元分解提取江漢平原油菜種植面積

摘要：利用中低分辨率衛(wèi)星影像進(jìn)行油菜面積提取時(shí)，需要考慮混合像元產(chǎn)生的影響，以提高面積提取的精度。通過(guò)選取2011年湖北省江漢平原油菜生長(zhǎng)期內(nèi)不同生育期的兩景HJ-1A/B-CCD數(shù)據(jù)，生成1組8波段的數(shù)據(jù)；采取閾值技術(shù)結(jié)合夏收作物NDVI指數(shù)變化特點(diǎn)，提取夏收作物在江漢平原的空間分布；選取線性光譜混合模型進(jìn)行油菜種植面積的分解計(jì)算研究。結(jié)果表明，線性光譜混合模型能夠高精度地提取油菜的種植面積，是一種很好的油菜種植面積監(jiān)測(cè)方法。

關(guān)鍵詞：混合像元；閾值技術(shù)；線性光譜混合模型；油菜種植面積

中圖分類號(hào)：S127 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0439-8114（2016）14-3745-04

Abstract：When extracting rape planting area by using low and middle resolution remote sensing satellite images， the influences from mixed pixel needed to be considered in order to improve the extraction accuracy of rape area. By choosing the two scenes HJ-1A/B-CCD 2011 data at different stages of rape growth in Jianghan plain of Hubei， an 8-band data was generated. By adopting threshold technology and combined with the of NDVI change characteristics of summer crops， the spatial distribution of summer crops in Jianghan plain were extracted. Using the linear spectral mixture model to decompose， calculate and analyze the rape planting area. Results showed that， the linear spectral mixture model could extract the rape planting area high precisely， and have proved to be a good method for monitoring rape planting area.

Key words： mixed pixel； threshold technology； linear spectral mixture model； rape planting area

江漢平原是湖北省油菜的主要種植區(qū)。準(zhǔn)確、快速地估算油菜面積，對(duì)于制定油菜的耕作計(jì)劃以保證糧食安全、油料產(chǎn)業(yè)的發(fā)展具有重大的現(xiàn)實(shí)意義，可為政府部門宏觀決策提供科學(xué)依據(jù)。近年來(lái)，利用衛(wèi)星遙感數(shù)據(jù)提取農(nóng)作物種植面積已成為國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)。一般來(lái)說(shuō)，遙感影像中的像元大部分都是幾種地物的混合體，但目前大多數(shù)遙感圖像分類方法并未考慮這一現(xiàn)象，僅利用像元光譜間的統(tǒng)計(jì)特征進(jìn)行像元分類[1]，導(dǎo)致面積所占比例較小的目標(biāo)被錯(cuò)分到其他類別中去。江漢平原地區(qū)作物插花現(xiàn)象嚴(yán)重，受到“異物同譜、異物同譜”的影響，傳統(tǒng)的分類方法難以保證提取的油菜面積的精度。為了解決這個(gè)問(wèn)題，必須使用混合像元分解法，從亞像元水平上提高反演的精度?；旌舷裨纸饧夹g(shù)在多光譜遙感數(shù)據(jù)地物信息提取方面已得到廣泛地應(yīng)用。農(nóng)作物種植面積提取方面，許文波[2]利用混合像元分解方法進(jìn)行了冬小麥種植面積的提取，結(jié)果表明，單個(gè)樣區(qū)提取的結(jié)果相對(duì)誤差為2.09%，采用多樣區(qū)提取的結(jié)果相對(duì)誤差為3.82%。陳水森[3]在光譜混合分析模型基礎(chǔ)上，提出了光譜角度和影像擬合殘差相結(jié)合的最優(yōu)端元選擇方法，獲得混合像元中各端元的面積比例，對(duì)小麥和荔枝種植面積進(jìn)行了估算，結(jié)果表明，小麥像元內(nèi)小麥作物比例制圖的精度達(dá)到95%以上，荔枝面積估算結(jié)果和制圖精度達(dá)到98%。Bannari等[4]利用線性光譜混合分析技術(shù)，對(duì)耕地上農(nóng)作物收獲后殘余物進(jìn)行了估算，結(jié)果表明，高光譜數(shù)據(jù)的估算精度高于IKONOS數(shù)據(jù)。李霞等[5]利用TM影像選取線性光譜混合模型計(jì)算大豆種植面積，其結(jié)果與QuickBird影像解譯結(jié)果對(duì)比分析，分類精度達(dá)到92%，同時(shí)將混合像元分解方法與其他遙感定量提取方法相比，結(jié)果表明，混合像元分解方法能夠提高大豆種植面積提取精度。

本研究根據(jù)小麥和油菜生長(zhǎng)期的光譜特征與環(huán)境衛(wèi)星傳感器提供數(shù)據(jù)的波譜特征，運(yùn)用混合像元分解法提取小油菜的豐度分布圖，統(tǒng)計(jì)出江漢平原2011年種植的油菜面積。

1 材料與方法

1.1 研究區(qū)概況

江漢平原（29°26′-31°10′N，111°45′-114°16′E）， 位于長(zhǎng)江中游、漢江中下游、湖北省的中南部，西起宜昌枝江，東起武漢，北自荊門、鐘祥，南與洞庭湖平原相連，面積約4.6萬(wàn)km2，主要包括荊州市公安縣、監(jiān)利縣等8個(gè)縣（市）區(qū)及仙桃、潛江和天門3個(gè)直管市，并輻射周邊武漢、孝感、荊門和宜昌、襄陽(yáng)5個(gè)地級(jí)市的部分地區(qū)（圖1）。

該區(qū)域?yàn)閬啛釒Ъ撅L(fēng)氣候，年均日照時(shí)數(shù)約2 000 h，年太陽(yáng)輻射總值約460～480 kJ/cm2。無(wú)霜期約240～260 d，10 ℃以上持續(xù)期約230～240 d，活動(dòng)積溫5 100～5 300 ℃。平原各地利于棉花、水稻等喜溫作物栽種。年均降水量1 100～1 300 mm，氣溫較高的4～9月降水量約占年降水總量的70%。農(nóng)作物以水稻、棉花、油菜為主[6]。

1.2 研究數(shù)據(jù)與預(yù)處理

1.2.1 HJ-1A/B CCD衛(wèi)星數(shù)據(jù)的選取 根據(jù)江漢平原油菜生育期的特點(diǎn)從中國(guó)資源衛(wèi)星應(yīng)用中心下載2011年2月2日（冬小麥、油菜生長(zhǎng)期）和2011年3月29日（油菜開(kāi)花期）兩景云量較少、經(jīng)過(guò)湖北省范圍的HJ-1A/1B-CCD影像。前者用來(lái)提取植被指數(shù)（NDVI），設(shè)置閾值掩膜進(jìn)一步區(qū)分出植被，后者用來(lái)提取純像元波譜曲線。

1.2.2 非遙感輔助數(shù)據(jù) 選取了四湖地區(qū)行政區(qū)劃圖和2011年湖北農(nóng)村統(tǒng)計(jì)年鑒作為輔助數(shù)據(jù)。

1.2.3 遙感數(shù)據(jù)預(yù)處理 在中國(guó)資源衛(wèi)星應(yīng)用中心下載的數(shù)據(jù)級(jí)別為二級(jí)，即做過(guò)輻射校正和幾何粗校正，因此要對(duì)數(shù)據(jù)作預(yù)處理。

1）數(shù)據(jù)的讀取和定標(biāo)。本研究用環(huán)境小衛(wèi)星數(shù)據(jù)的讀取補(bǔ)丁直接讀取CCD數(shù)據(jù)，輸出結(jié)果為一個(gè)多波段的ENVI標(biāo)準(zhǔn)柵格文件，并帶有中心波長(zhǎng)等信息，可直接輸出定標(biāo)結(jié)果（輻射亮度）。具體處理過(guò)程：先將2月2日和3月29日的數(shù)據(jù)分別單獨(dú)存放在兩個(gè)文件夾中，在ENVI中安裝好環(huán)境小衛(wèi)星數(shù)據(jù)的讀取補(bǔ)丁后，打開(kāi)ENVI主菜單→File→Open External File→HJ-1A/B Tools，打開(kāi)環(huán)境小衛(wèi)星數(shù)據(jù)讀取補(bǔ)?。辉贖J-1A/B Tools v3.0面板中選擇CCD，點(diǎn)擊Input File輸入單獨(dú)存放的數(shù)據(jù)，點(diǎn)擊Output Path設(shè)置數(shù)據(jù)的輸出路徑，勾選“Calibration”和“Layer Stacking”兩個(gè)選項(xiàng)，單擊Apply按鈕即可。

2）格式轉(zhuǎn)換。由于大氣校正要求數(shù)據(jù)是BIP或者BIL格式，而下載的數(shù)據(jù)本身是BSQ格式的，所以要進(jìn)行格式轉(zhuǎn)換。選擇主菜單Basic Tools→Convert Data（BSQ、BIL、BIP），選擇已經(jīng)過(guò)輻射定標(biāo)的，在Convert File Parameters中Output Interleave選擇BIL，選擇Convert Place：yes，單擊OK。

3）大氣校正。用FLAASH大氣校正模塊進(jìn)行大氣校正。主菜單Spectral→FLAASH，打開(kāi)FLAASH大氣校正模塊。點(diǎn)擊Input Radiance Image，選擇轉(zhuǎn)換成BIL格式的數(shù)據(jù)輸入，在Radiance Scale Factor面板中選擇Use single scale factor for all bands，由于定標(biāo)的輻射數(shù)據(jù)與FLAASH的輻射亮度單位相差，所以Single Scale Factor選擇默認(rèn)：10，單擊OK。設(shè)置輸出文件及路徑。傳感器基本信息設(shè)置：成像中心點(diǎn)經(jīng)緯度、傳感器高度、成像區(qū)域平均高度、成像時(shí)間，這些都可以從數(shù)據(jù)頭文件中讀取。大氣模式選用Mid-Latitude Summer，氣溶膠模式選用Rural，氣溶膠反演方法選擇None，能見(jiàn)度默認(rèn)40 km。單擊Multispectral Setting按鈕，在Filter Function File中導(dǎo)入之前做好的相應(yīng)的光譜響應(yīng)曲線，單擊OK。設(shè)置好后，在大氣校正模塊面板中單擊Apply。大氣校正完成后，檢查大氣校正的結(jié)果，分別加載校正前后的圖像，將兩幅影像進(jìn)行地理鏈接，移動(dòng)到植被區(qū)域（植被區(qū)域光譜曲線比較特殊），在影像上點(diǎn)右鍵，選擇Z Profile（Spectrum）打開(kāi)光譜曲線窗口，顯示兩幅圖像同一位置的光譜曲線圖。

4）幾何校正。本研究以3月29日的影像作為標(biāo)準(zhǔn)，在兩幅影像上分別選取20個(gè)典型的控制點(diǎn)對(duì)2月2日的影像進(jìn)行幾何校正。校正后將影像文件轉(zhuǎn)為TIFF格式，以便導(dǎo)入Arcgis中作進(jìn)一步處理。

5）影像裁剪。利用四湖地區(qū)行政區(qū)劃圖對(duì)影像進(jìn)行裁剪。

1.3 方法

1.3.1 混合像元分解技術(shù) 混合像元分解常用線性光譜混合模型（LSMM），其原理是利用線性關(guān)系進(jìn)行分解，得到像元內(nèi)各地物的類型比例[7]，線性分解模型式1～式3描述如下。

評(píng)價(jià)模型用殘差ε或均方根誤差RMS表示：

式中，ri是混合像元的反射率；pij表示第i個(gè)波段第j個(gè)端元組分的反射率；fj是該像元第j個(gè)端元組分的豐度；εi是第i波段的誤差；n表示波段數(shù)；m表示選定的端元組分?jǐn)?shù)。

滿足限制條件式2才可用最小二乘法求解式3，即一個(gè)像元內(nèi)端元組分豐度值總量為1，豐度值不能小于0或者大于1；端元組分?jǐn)?shù)m（地物類型）應(yīng)該小于或者等于波段數(shù)n，并且所選的地物類型互不相關(guān)[8]。

評(píng)價(jià)模型用式3均方根誤差RMS，當(dāng)RMS較大時(shí)，說(shuō)明線性光譜混合模型適用錯(cuò)誤，或者選取了錯(cuò)誤的端元組分，或者漏選了某些重要的端元組分，因此要保證誤差均方根較小。線性混合分解模型構(gòu)模簡(jiǎn)單，物理含義明確，理論上也有較好的科學(xué)性。

1.3.2 混合像元分解過(guò)程 由于線性光譜混合模型應(yīng)用的其中一個(gè)前提條件是端元組分?jǐn)?shù)小于或等于波段數(shù)，才能用最小二乘法求解。但基于對(duì)研究區(qū)的實(shí)地了解以及影像的光譜特征進(jìn)行目視解譯，研究區(qū)的端元組分可以確定為油菜、小麥、裸地、樹(shù)木和水體5類。而HJ-1A/B-CCD衛(wèi)星數(shù)據(jù)只有4個(gè)波段，波段數(shù)大于端元組分?jǐn)?shù)，無(wú)法用線性光譜混合模型求解。為了解決這個(gè)問(wèn)題，本研究采取的方法是在數(shù)據(jù)預(yù)處理的基礎(chǔ)上把2月2號(hào)和3月29號(hào)的數(shù)據(jù)合成一個(gè)圖層，這樣合成后的數(shù)據(jù)就有8個(gè)波段，可以用該模型求解了。

HJ-1A/B-CCD衛(wèi)星數(shù)據(jù)的分辨率較高，很容易在影像上直接找到道路、城市和水體的純像元。本研究選取的3月29日的影像正成像于油菜的開(kāi)花期，小麥在假彩色合成圖像上顯示為亮綠色，油菜顯示為淡黃色，二者能很容易區(qū)分出來(lái)[9]。因此可以在圖像上直接選取油菜、小麥、道路、城市、水體的純像元，同時(shí)分別顯示其反射率圖，保存為ASCII格式的文件。

為了更精確地提取油菜面積，先要確定一個(gè)NDVI閾值提取出植被。對(duì)2月2日的影像提取NDVI，然后將2月2日的NDVI圖與3月29日的影像進(jìn)行地理鏈接。在3月29日的影像上找裸地與植被的分界處，在NDVI圖上顯示對(duì)應(yīng)點(diǎn)的NDVI值。經(jīng)過(guò)多次選取，最終將閾值確定為0.3，利用這個(gè)閾值做掩膜文件，然后進(jìn)行混合像元分解。

2 結(jié)果與分析

2.1 混合像元分解法結(jié)果驗(yàn)證

2.1.1 線性分解誤差分析 圖2是應(yīng)用線性模型分解求解過(guò)程產(chǎn)生的各像元均方根誤差圖像，RMS用以反映模型的精度、端元組分的選擇、反射率值的確定以及線性模型本身的求解所帶來(lái)的誤差，均方根值越小分類計(jì)算的準(zhǔn)確性就越高。通過(guò)對(duì)RMS誤差圖像中誤差均方根的分析可發(fā)現(xiàn)，大部分像元的RMS值在0.012左右，最大值為0.078，總體誤差較小。

2.1.2 統(tǒng)計(jì)結(jié)果分析 江漢平原油菜面積統(tǒng)計(jì)結(jié)果見(jiàn)表1，統(tǒng)計(jì)面積與計(jì)算面積的擬合曲線見(jiàn)圖3。由圖3可得出，R2=0.406 5，其顯著性不明顯，說(shuō)明統(tǒng)計(jì)結(jié)果與計(jì)算結(jié)果差距比較大。主要原因是確定研究區(qū)的端元為油菜、小麥、裸地、樹(shù)木和水體5類，而山區(qū)由于地物復(fù)雜，農(nóng)田分散，遠(yuǎn)不止這5類端元，而且計(jì)算山區(qū)面積時(shí)，未考慮坡度的影響，因此誤差比較大，如果剔除山區(qū)丘林地區(qū)（鐘祥、荊門、京山、應(yīng)城）和區(qū)域不準(zhǔn)確的地方（漢川、江陵、潛江、監(jiān)利），重新作擬合曲線，結(jié)果見(jiàn)圖4。如圖4所示，剔除誤差較大的點(diǎn)后擬合曲線R2=0.974 6，表明計(jì)算結(jié)果與統(tǒng)計(jì)結(jié)果偏差較小，充分表明本研究提取油菜面積的方法是可行的，能在平原地區(qū)取得很好的效果，而在山區(qū)則要考慮更多的端元。

2.2 江漢平原油菜分布特點(diǎn)

圖5是2011年江漢平原油菜種植豐度的空間分布。由圖5可以看出，油菜主要集中于江漢中西部地區(qū)，一般油菜田在地勢(shì)比較高的地方。

3 小結(jié)與討論

本研究探討了油菜和小麥種植“插花”比較嚴(yán)重的情況下，運(yùn)用多時(shí)相的環(huán)境衛(wèi)星CCD的4個(gè)波段遙感數(shù)據(jù)疊加為8個(gè)波段的數(shù)據(jù)，通過(guò)作物NDVI指數(shù)變化規(guī)律，采用閾值方法提取農(nóng)作物的分布空間，運(yùn)用線性光譜混合模型反演了江漢平原油菜種植面積。雖然反演精度不是很高，但由于該方法可操作性強(qiáng)、處理簡(jiǎn)單、針對(duì)性強(qiáng)、改進(jìn)空間很大，運(yùn)用環(huán)境衛(wèi)星CCD數(shù)據(jù)提取油菜面積有很廣闊的發(fā)展前景。

1）混合像元分解法受到端元選擇的影響，因此進(jìn)一步研究端元組分的自動(dòng)選擇方法可以進(jìn)一步提高分解模型的穩(wěn)定性和客觀性。此外，考慮陰影產(chǎn)生的影響，研究不同光照條件下的陰影與光譜特征變化的關(guān)系，可進(jìn)一步促進(jìn)混合像元機(jī)理性探索研究。

2）遙感數(shù)據(jù)幾何校正是保證疊加的多波段數(shù)據(jù)準(zhǔn)確的關(guān)鍵，如果幾何校正的誤差大，會(huì)導(dǎo)致純像元大量減少，影響分析的樣本數(shù)，嚴(yán)重影響分析精度，因此要進(jìn)一步提高幾何校正的精度。

3）本研究采取直接在圖像上選取純像元提取其光譜曲線用于混合像元分解，存在嚴(yán)重的局限性。由于同物異譜，異物同譜的現(xiàn)象比較嚴(yán)重，可能導(dǎo)致選取的純像元不具有代表性。因此最好選取純像元的平均光譜曲線，能大大提高分析的精度。

4）在山區(qū)地物復(fù)雜，農(nóng)田分散，要考慮端元的復(fù)雜性。

參考文獻(xiàn)：

[1] 劉慶生，劉高煥，劉素紅.黃河口遙感圖像光譜混合分解[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版），2001，26（3）：266-269.

[2] 許文波.大范圍作物種植面積遙感監(jiān)測(cè)方法研究[D].北京：中國(guó)科學(xué)院，2004.

[3] 陳水森.基于波譜庫(kù)的作物純像元識(shí)別與種植面積遙感估算[D].北京：中國(guó)科學(xué)院，2005.

[4] BANNARI A，PACHECO A，STAENZ K，et al. Estimating and mapping crop residues cover on agricultural lands using hyper spectral and IKONOS data[J].Remote Sensing of Environment，2006，104（4）：447-459.

[5] 李 霞，王 飛，徐德斌，等.基于混合像元分解提取大豆種植面積的應(yīng)用探討[J].農(nóng)業(yè)工程學(xué)報(bào)，2008，24（1）：213-217.

[6] 蔡述明，王學(xué)雷，黃進(jìn)良，等.江漢平原四湖地區(qū)區(qū)域開(kāi)發(fā)與持續(xù)農(nóng)業(yè)發(fā)展[M].北京：科學(xué)出版社，1996.

[7] CHARLES I，AMON K. A review of mixture modeling techniques for sub-pixell and cover estimation[J].Remote Sensing Reviews，1996，13：161-186.

[8] 趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社，2003.

[9] 梁益同，萬(wàn) 君.基于HJ-1A/B-CCD影像的湖北省冬小麥和油菜分布信息的提取方法[J].中國(guó)農(nóng)業(yè)氣象，2012，33（4）：573-578.