高分1號冬小麥解譯面積核算方法研究*

王利軍，賀 佳，郭 燕，王利民，劉 佳，王來剛，武喜紅，程永政，張紅利

(1.河南省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)與信息研究所，鄭州 450002； 2.中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081)

0 引言

冬小麥?zhǔn)俏覈饕Z食作物之一，監(jiān)測其播種面積是保障國家糧食安全的關(guān)鍵環(huán)節(jié)[1， 2]。隨著遙感技術(shù)發(fā)展和我國北斗衛(wèi)星對地觀測航天技術(shù)體系的建設(shè)，高分辨率衛(wèi)星遙感影像在獲取時(shí)間和精度方面都有了很大保障。高分遙感影像包含豐富的地物細(xì)節(jié)信息，為區(qū)域農(nóng)作物精準(zhǔn)識別特別是作物種類、種植面積、長勢及產(chǎn)量評估提供了重要的基礎(chǔ)數(shù)據(jù)源，是區(qū)域內(nèi)農(nóng)作物信息空間格局分布、農(nóng)業(yè)資源調(diào)查、災(zāi)害監(jiān)測和農(nóng)業(yè)保險(xiǎn)的重要保障。

近年來，區(qū)域尺度下多源中高分辨率遙感影像與地面樣方、樣點(diǎn)等實(shí)測數(shù)據(jù)的結(jié)合使用成為農(nóng)作物分類和面積提取的發(fā)展趨勢[3-5]。然而，受衛(wèi)星遙感影像空間分辨率、同物異譜和同譜異物等因素的影響[6]，農(nóng)作物分類提取計(jì)算機(jī)解譯過程會(huì)出現(xiàn)錯(cuò)分、漏分等問題，包括無法識別的零星地物(如林地、墳地、小片荒地、水面等)、不能以圖斑解譯的線性地物(如田間小路、支渠、林帶等)、細(xì)碎圖斑、鋸齒邊界等。雖然目前國內(nèi)外針對提高遙感影像解譯分類精度以及線性地物[7](特別是道路)的提取開展了大量研究，包括高分辨率影像法、圖像融合法、抽樣調(diào)查法、數(shù)理分析法等，但在數(shù)據(jù)統(tǒng)計(jì)和實(shí)際應(yīng)用中都有其局限性[8-11]。土地利用現(xiàn)狀數(shù)據(jù)是在傳統(tǒng)土地利用現(xiàn)狀調(diào)查的基礎(chǔ)上，按照國家或地方土地利用現(xiàn)狀調(diào)查和相關(guān)測繪標(biāo)準(zhǔn)生成[12]。土地利用現(xiàn)狀圖用不同的圖斑和空間方式表達(dá)一定區(qū)域內(nèi)的當(dāng)前土地利用類型分布、面積及土地利用結(jié)構(gòu)的專題地圖，具有集合目標(biāo)類型單一和多邊形地塊在空間分布上全覆蓋、無縫隙、無重疊的特點(diǎn)[13]，為各級政府部門制定區(qū)域規(guī)劃、農(nóng)業(yè)區(qū)劃和國土整治提供基礎(chǔ)數(shù)據(jù)。

文章以永城市冬小麥為目標(biāo)農(nóng)作物，基于高分1號(GF-1)融合2m空間分辨率遙感影像和1： 1萬土地利用現(xiàn)狀數(shù)據(jù)，實(shí)現(xiàn)縣域尺度下冬小麥種植面積提取與精準(zhǔn)核算。通過將土地利用現(xiàn)狀數(shù)據(jù)進(jìn)行圖斑重分類以及提取加密線性地物和零星地物圖層，在GF-1遙感影像冬小麥解譯結(jié)果聚類處理的基礎(chǔ)上，用遙感解譯與GIS空間運(yùn)算相結(jié)合的方法進(jìn)行邊界處理、線性地物面積和零星地物面積扣除，對比分析了基于布設(shè)抽樣樣方和土地利用現(xiàn)狀零星地物圖層兩種不同零星地物面積扣除方法，進(jìn)而實(shí)現(xiàn)研究區(qū)冬小麥解譯面積的精準(zhǔn)核算，并對研究區(qū)不同鄉(xiāng)鎮(zhèn)在耕地與非耕地中冬小麥提取面積進(jìn)行了核算與誤差分析，以期為研究區(qū)冬小麥解譯面積核算提供技術(shù)方法，最后對核算過程中出現(xiàn)的誤差和存在的問題進(jìn)行總結(jié)說明，為具有類似條件的農(nóng)作物種植面積提取提供方法借鑒。

1 研究區(qū)與數(shù)據(jù)處理

1.1 研究區(qū)概況與樣方分布

永城市位于黃淮平原腹地，河南省最東部，地處豫、魯、蘇、皖4省接合部，115°58′E～116°39′E，33°42′N～34°18′N，全境形狀近似矩形，地勢由西北向東南微傾，高差9m，平均海拔31.9m，大部分為平原地區(qū)，全市總面積為20.21萬hm2，全境屬濕潤的暖溫帶季風(fēng)氣候，冬季寒冷干燥，夏季炎熱多雨，四季分明，光照充足。研究區(qū)內(nèi)冬季作物種類以冬小麥種植為主，田塊比較規(guī)整。該市下轄29個(gè)鄉(xiāng)鎮(zhèn)，針對其地理概況，在研究區(qū)設(shè)立15個(gè)約0.5km×0.5km的樣方，采用亞米級差分GPS進(jìn)行樣方內(nèi)冬小麥實(shí)地種植面積測量，并對無法提取的田間線性地物和零星地物進(jìn)行差分GPS定位測量其寬度和面積。為彌補(bǔ)地面樣方數(shù)量不足的問題，部分鄉(xiāng)鎮(zhèn)采用2016年高分2號1m分辨率遙感影像和Google Earth影像[15]，通過人工目視解譯的方法選取了12個(gè)面積不等的樣方，并對其面積進(jìn)行計(jì)算處理，與地面樣方一起用于冬小麥樣分類面積核算。其行政區(qū)劃與27個(gè)樣方空間位置分布如圖1所示。

圖2 永城市衛(wèi)星影像覆蓋范圍(R/G/B： 4/3/2)

1.2 數(shù)據(jù)源與研究思路

該文選取了2016年2月24日至5月4日間GF-1衛(wèi)星PSM的7景影像，如表1所示，其覆蓋范圍如圖2所示。首先，對獲取數(shù)據(jù)分別進(jìn)行多光譜、全色正射校正、圖像融合和幾何校正，其中圖像融合為2m分辨率遙感影像，采用非監(jiān)督分類方法進(jìn)行冬小麥面積提取，并對提取結(jié)果進(jìn)行聚類處理和人工輔助編輯。其次，方法a，利用融合的2m影像和其他高分辨遙感影像，對2015年土地利用現(xiàn)狀數(shù)據(jù)中線性數(shù)據(jù)進(jìn)行人工矢量化加密處理，生成新的線性地物緩沖區(qū)圖層數(shù)據(jù)，利用該數(shù)據(jù)和提取的零星地物數(shù)據(jù)對修改后冬小麥提取結(jié)果分別進(jìn)行空間處理，對比面積變化獲取線性地物和零星地物面積扣除比例。方法b，對比分析地面樣方調(diào)查數(shù)據(jù)和修改后的樣方內(nèi)冬小麥面積提取數(shù)據(jù)，獲得零星地物面積平均扣除系數(shù)。最后，對比分析兩種方法中線性地物和零星地物面積扣除比例方法，實(shí)現(xiàn)永城市區(qū)域冬小麥面積提取核算。其研究思路如圖3所示。

表1 永城市GF-1衛(wèi)星PMS影像

序號影像傳感器與軌道號獲取時(shí)間1GF1_PMS2_E116.2_N34.4_20160504_L1A00015619362016-05-042GF1_PMS2_E116.2_N34.1_20160504_L1A00015619432016-05-043GF1_PMS2_E116.1_N33.8_20160504_L1A00015619412016-05-044GF1_PMS1_E116.7_N34.4_20160413_L1A00015218852016-04-135GF1_PMS1_E116.5_N33.9_20160413_L1A00015218862016-04-136GF1_PMS1_E116.6_N34.1_20160413_L1A00015218792016-04-137GF1_PMS2_E116.5_N34.1_20160224_L1A00014307662016-02-24

圖3 永城市冬小麥提取面積核算研究思路

1.3 數(shù)據(jù)處理

1.3.1 高分1號遙感影像處理

該文以融合2m遙感影像為數(shù)據(jù)源，在ENVI軟件中進(jìn)行預(yù)處理，校正誤差控制在0.5個(gè)像元內(nèi)，選擇Albers等面積割圓錐為投影坐標(biāo)系，得到覆蓋整個(gè)研究區(qū)域的影像數(shù)據(jù)，建立試驗(yàn)區(qū)分類系統(tǒng)，并結(jié)合外業(yè)實(shí)地調(diào)查建立影像解譯標(biāo)志數(shù)據(jù)庫，用于指導(dǎo)影像自動(dòng)分類和人工解譯精度，對比分析最大似然和支撐向量機(jī)兩種分類結(jié)果和精度的基礎(chǔ)上，并采用聚類處理對分類結(jié)果中的細(xì)碎圖斑進(jìn)行后處理。

1.3.2 土地利用現(xiàn)狀數(shù)據(jù)處理

國家土地利用現(xiàn)狀分類標(biāo)準(zhǔn)包括12個(gè)一級類和57個(gè)二級類，該文根據(jù)我國耕地定義(耕地二級分類為水田、水澆地和旱地)和數(shù)據(jù)處理需求[14]，將2015年10月永城市土地利用現(xiàn)狀數(shù)據(jù)分為耕地(包括旱地和水澆地)和非耕地(包括果園、裸地等其他用地類型)兩種類型，其數(shù)據(jù)重分類、線性地物和零星地物分布效果如圖4所示，經(jīng)統(tǒng)計(jì)，耕地面積占全市面積71.11%，非耕地面積占全市面積28.89%。

圖4 永城市土地利用現(xiàn)狀數(shù)據(jù)分類

由于1： 1萬土地利用現(xiàn)狀數(shù)據(jù)中的線性地物圖層(共8.681 4萬條記錄，最小實(shí)測寬度為2m，精確到0.1m)缺少2m以下寬度的線性地物數(shù)據(jù)。為最大限度地扣除線性地物在冬小麥統(tǒng)計(jì)面積中存在的誤差，結(jié)合2016年高分2號1m、資源3號2.1m和Google Earth影像，參考國家基礎(chǔ)地理信息1： 25萬交通圖和水系圖，對影像中可識別的道路、水系、支渠等線性地物采用人機(jī)交互的方式進(jìn)行判讀，在ArcMap 10.2中量測其寬度并進(jìn)行屬性標(biāo)注，最終共提取線性地物12.781 9萬條，然后依照均勻、隨機(jī)抽樣的原則，對研究區(qū)內(nèi)4 725條線性地物進(jìn)行了實(shí)地寬度測量。零星地物則直接提取土地利用現(xiàn)狀數(shù)據(jù)中的零星地物圖層。

圖5 聚類處理結(jié)果圖

圖6 冬小麥解譯結(jié)果與耕地/非耕地空間相交處理

2 研究方法

2.1 細(xì)碎圖斑處理

隨著遙感影像空間分辨率的提高，同種地物光譜變異較大，同一地物類別內(nèi)部出現(xiàn)較多的純像元，內(nèi)部異質(zhì)性增大，分類結(jié)果中會(huì)出現(xiàn)細(xì)碎圖斑，即“椒鹽現(xiàn)象”[16]。聚類處理(clump)是運(yùn)用數(shù)學(xué)形態(tài)學(xué)算子(腐蝕和膨脹)，將臨近的類似分類區(qū)域聚類并進(jìn)行合并，避免了低通濾波平滑處理時(shí)類別信息會(huì)被臨近類別編碼干擾的問題[17， 18]，其在ENVI軟件中處理前后結(jié)果如圖5所示。

2.2 解譯結(jié)果邊界處理

由于影像中存在混合像元，從而引起分類結(jié)果圖斑邊界出現(xiàn)鋸齒狀，其范圍往往與土地利用現(xiàn)狀中耕地邊界不相符。土地利用現(xiàn)狀數(shù)據(jù)邊界為實(shí)地測量數(shù)據(jù)，符合相關(guān)測量標(biāo)準(zhǔn)和邊界平滑的特點(diǎn)，以土地利用現(xiàn)狀數(shù)據(jù)中耕地、非耕地圖層邊界為主，將冬小麥解譯結(jié)果邊界與土地利用重分類邊界進(jìn)行GIS空間疊加處理，其中解譯結(jié)果與耕地、非耕地邊界處理如圖6所示，其中淺灰色為冬小麥解譯結(jié)果，深色部分為土地利用現(xiàn)狀圖斑及其邊界。

2.3 線性地物面積處理

將圖3中線性地物要素在ArcGIS進(jìn)行檢查，并根據(jù)其寬度屬性生成緩沖區(qū)面狀矢量圖層數(shù)據(jù)，與冬小麥解譯結(jié)果進(jìn)行空間掩膜處理，其處理流程及結(jié)果如圖7所示。由于線性地物進(jìn)行緩沖區(qū)生成后邊界為直線段，也能有效地消除分類結(jié)果中存在的鋸齒狀邊界問題。

圖7 冬小麥遙感影像分類結(jié)果、疊加線性地物緩沖區(qū)數(shù)據(jù)、空間掩膜處理結(jié)果

2.4 零星地物面積處理

在扣除線性地物面積后，零星地物面積扣除是主要包括兩種方法：一是基于土地利用現(xiàn)狀數(shù)據(jù)中提取的零星地物點(diǎn)圖層，將其與冬小麥分類結(jié)果進(jìn)行屬性空間關(guān)聯(lián)，獲取各個(gè)圖斑內(nèi)部所包含的零星地物個(gè)數(shù)及其面積之和，即可進(jìn)行面積扣除。一是利用地面樣方數(shù)據(jù)中零星地物面積平均扣除系數(shù)進(jìn)行零星地物面積扣除，其計(jì)算公式為

(1)

式(1)中ζ為零星地物面積在樣方中平均扣除系數(shù)，Sji為扣除線性地物后樣方內(nèi)冬小麥解譯面積，Sri為實(shí)地測量和人工解譯樣方的冬小麥實(shí)際種植面積，n為研究區(qū)內(nèi)樣方總數(shù)量。

3 結(jié)果分析

3.1 冬小麥提取面積初步處理

圖8 永城市冬小麥提取結(jié)果初步處理及空間種植分布

經(jīng)實(shí)地調(diào)查將實(shí)驗(yàn)區(qū)的分類系統(tǒng)確定為冬小麥、其他作物、溫室大棚、林地、休閑耕地、建筑(房屋與道路)、水體7類，經(jīng)人工目視解譯生成訓(xùn)練樣本點(diǎn)，以光譜、紋理、形狀等分類特征，采用支持向量機(jī)和最大似然分類方法進(jìn)行信息分類提取，運(yùn)用混淆矩陣法得到不同分類方法的用戶精度和Kappa系數(shù)，其中支持向量機(jī)冬小麥分類用戶精度達(dá)到了98.63%，Kappa系數(shù)達(dá)到了0.80。經(jīng)方法2.1與2.2處理后，初步得到研究區(qū)耕地與非耕地中冬小麥種植空間分布如圖8所示，其面積總計(jì)為12.33萬hm2。

3.2 線性地物面積扣除分析

采用2.3中線性地物處理方法將3.1中初步修正結(jié)果和線性地物緩沖區(qū)圖層進(jìn)行掩膜處理后，經(jīng)統(tǒng)計(jì)，永城市共有66.13km2的線性地物被解譯為冬小麥種植面積，占整個(gè)研究區(qū)冬小麥解譯面積(在扣除零星地物面積之前)的5.36%，其中耕地中占95.62%，非耕地占5.38%。由此可見，受影像空間分辨率和混合像元等因素影響，大量的線性地物被解譯為冬小麥種植面積，增大了冬小麥實(shí)際種植面積。

圖9 樣方中零星地物扣除系數(shù)

圖10 零星地物與圖斑空間關(guān)系

3.3 零星地物面積扣除分析

3.3.1 利用地面樣方數(shù)據(jù)扣除零星地物

在3.2中扣除線性地物面積后，將27個(gè)地面樣方在ArcMap中生成與融合2m遙感影像相同投影的矢量數(shù)據(jù)，然后進(jìn)行零星地物面積扣除，其扣除系數(shù)如圖9所示。可以看出，編號為YF05的零星地物扣除系數(shù)最大為7.50%，其次為YF16和YF08，分別為6.50%和6.10%，最小的為YF06，扣除系數(shù)為0.90%，扣除系數(shù)范圍分布在0.90%～7.50%之間?？傮w來看，研究區(qū)零星地物扣除系數(shù)整體較小，平均扣除系數(shù)為3.32%，基于該平均扣除系數(shù)可得全市應(yīng)扣除零星地物面積為3 875.22hm2。

3.3.2 利用土地利用現(xiàn)狀數(shù)據(jù)扣除零星地物

在3.2中扣除線性地物面積后，將分類結(jié)果與零星地物圖層(土地利用現(xiàn)狀數(shù)據(jù)提取)在ArcGIS中進(jìn)行屬性Join關(guān)聯(lián)，得到各個(gè)圖斑內(nèi)部零星地物個(gè)數(shù)和零星地物面積之和，經(jīng)統(tǒng)計(jì)得到全市零星地物扣除面積為2 103.44hm2，小于基于樣方零星地物平均扣除系數(shù)得到的零星地物總面積，其中各樣方中零星地物扣除面積也低于實(shí)際應(yīng)扣除的零星地物面積。

3.3.3 零星地物面積比例扣除誤差分析

其誤差原因可能包括： (1)是土地利用現(xiàn)狀數(shù)據(jù)未進(jìn)行現(xiàn)勢性更新； (2)是地圖數(shù)據(jù)縮編時(shí)受最小上圖圖斑面積影響造成的； (3)是由于零星地物與分類圖斑空間位置關(guān)系所造成的，如圖10所示，會(huì)出現(xiàn)扣除零星地物面積或多或少的情況。由此可見，采用樣方零星地物平均扣除系數(shù)能較好地減少冬小麥種植面積統(tǒng)計(jì)數(shù)據(jù)誤差。

3.4 冬小麥面積核算分析

針對27個(gè)樣方而言，在進(jìn)行用地分類邊界處理、扣除線性地物后，所有樣方在扣除零星地物之前遙感影像冬小麥解譯面積誤差在0.08%～4.13%之間，平均誤差絕對值為1.87%； 所有樣方零星地物按照平均扣除系數(shù)3.32%扣除后，其誤差絕對值在0.05%～3.24%之間，平均誤差絕對值為1.59%，其數(shù)據(jù)處理結(jié)果如表2所示?？梢姡跇臃匠叨壬?，全部樣方扣除零星地物面積平均誤差絕對值差異為0.26%，差異結(jié)果并不明顯，但若以平均扣除系數(shù)對扣除系數(shù)較小的樣方進(jìn)行面積扣除時(shí)，其冬小麥解譯解譯面積還存在一定差異。

表2 樣方中冬小麥面積核算對比

樣方編號解譯面積(m2)修正面積(m2)實(shí)地面積(m2)解譯誤差絕對值(%)扣除前扣除后YF01645250.75623828.43634007.501.77-1.61YF021179330.501140176.731153062.202.28-1.12YF031047950.651013158.691006350.104.130.68YF04570221.40551290.05562970.201.29-2.07YF05670650.20648384.61665732.500.74-2.61YF061592240.301539377.921552237.582.58-0.83YF071240525.601199340.151223560.901.39-1.98YF081038560.351004080.151026650.701.16-2.20YF09982358.20949743.91950605.403.34-0.09YF10615622.70595184.03604115.801.90-1.48YF11590305.85570707.70585650.580.79-2.55YF121382053.801336169.611335550.603.480.05YF13655261.40633506.72644855.601.61-1.76YF14570725.40551777.32557625.302.35-1.05YF15600861.20580912.61595652.800.87-2.47YF161385514.801339515.711363320.401.63-1.75YF171325862.401281843.771302553.101.79-1.59YF181075586.501039877.031066580.400.84-2.50YF19608087.90587899.38607599.300.08-3.24YF20625758.60604983.41613558.551.99-1.40YF211525589.701474940.121475520.253.39-0.04YF22610583.20590311.84598655.481.99-1.39YF23692549.60669556.95677522.652.22-1.18YF24651705.10630068.49645557.800.95-2.40YF25623520.40602819.52612258.701.84-1.54YF261298860.701255738.521252230.603.720.28YF27590350.80570751.15588725.300.28-3.05平均值903551.41 873553.50 885285.57 1.87-1.51

針對全市分類結(jié)果經(jīng)上述處理后進(jìn)行統(tǒng)計(jì)，永城市冬小麥分類結(jié)果種植面積共11.29萬hm2，耕地和非耕地分別分布11.10萬hm2和1 954hm2，共有6 613.08hm2和3 875.22hm2的線性地物和零星地物被解譯為冬小麥面積。根據(jù)永城市統(tǒng)計(jì)資料顯示，永城市2016年冬小麥種植面積為10.81萬hm2[19]。若以該統(tǒng)計(jì)值為真值情況下，冬小麥解譯初步分類結(jié)果與統(tǒng)計(jì)面積差1.53萬hm2，該文進(jìn)行所有處理后，冬小麥解譯分類面積與真實(shí)面積差4 820.33hm2。由此可見，在縣市級區(qū)域尺度下，根據(jù)土地利用類型和相關(guān)誤差處理，冬小麥解譯面積誤差絕對值由14.12%降低至4.46%，冬小麥解譯面積精度有較大提高，總體相對誤差和各鄉(xiāng)鎮(zhèn)冬小麥提取面積比例如表3所示，其中不同用地類型冬小麥提取比例是指該鄉(xiāng)鎮(zhèn)耕地和非耕地提取小麥面積分別占該鄉(xiāng)鎮(zhèn)耕地和非耕地面積的比例。

表3 各鄉(xiāng)鎮(zhèn)冬小麥提取面積比例和相對誤差

鄉(xiāng)鎮(zhèn)名稱占全縣冬小麥提取面積比例(%)不同用地類型冬小麥提取比例(%)鄉(xiāng)鎮(zhèn)名稱占全縣冬小麥提取面積比例(%)不同用地類型冬小麥提取比例(%)耕地非耕地耕地非耕地陳官莊鄉(xiāng)1.4570.202.46苗橋鄉(xiāng)2.1876.260.35陳集鎮(zhèn)3.1870.1212.26裴橋鎮(zhèn)7.4685.810.63城關(guān)鎮(zhèn)0.1020.950.36十八里鎮(zhèn)2.5985.881.27城廂鄉(xiāng)2.2864.534.25雙橋鄉(xiāng)4.6481.840.38高莊鎮(zhèn)2.9068.891.49順和鄉(xiāng)2.5574.302.17侯嶺鄉(xiāng)3.6453.833.42太邱鄉(xiāng)2.3278.190.73黃口鄉(xiāng)4.1780.464.54條河鄉(xiāng)3.0073.071.16茴村鄉(xiāng)2.0869.361.83王集鄉(xiāng)3.1479.336.83蔣口鎮(zhèn)4.4085.747.01臥龍鄉(xiāng)2.9073.023.38李寨鄉(xiāng)4.4885.772.45新橋鄉(xiāng)4.6787.824.36劉河鄉(xiāng)3.2375.532.33薛湖鎮(zhèn)6.1576.447.35龍崗鄉(xiāng)4.0377.123.66演集鎮(zhèn)1.1842.433.12馬牧鄉(xiāng)3.3684.641.05酂城鎮(zhèn)4.5188.143.05馬橋鎮(zhèn)6.4286.711.27酂陽鄉(xiāng)4.0885.713.99芒山鎮(zhèn)2.8972.612.90統(tǒng)計(jì)上報(bào)面積為10.81萬hm2;該文解譯面積為11.29萬hm2;相對誤差為4.46%

4 討論

從遙感影像本身來看，受空間分辨率、地形地貌、陰影等因素影響，大量零星地物遙感光譜信息難以解譯，導(dǎo)致冬小麥解譯面積出現(xiàn)偏差，圖像在識別線性地物邊界時(shí)也因混合像元等因素導(dǎo)致其邊界模糊，與冬小麥實(shí)際種植邊界難以區(qū)分和匹配，對農(nóng)作物面積解譯精度會(huì)產(chǎn)生不同程度的影響[20-22]。因此，準(zhǔn)確處理解譯結(jié)果邊界、線性地物和零星地物可以校正農(nóng)作物面積解譯結(jié)果，有效去除分類結(jié)果在居民地、道路、工礦用地等地類中的分布。

在該研究中，線性地物與零星地物是冬小麥面積核算過程中兩種重要的特征地物，但在土地利用現(xiàn)狀數(shù)據(jù)中受成圖比例尺的影響，部分地物難以表示。采用人機(jī)交互的方式對多源數(shù)據(jù)中幾乎全部的線性地物進(jìn)行了提取、實(shí)地抽樣測量與糾正，雖然能較好地剔除線性地物面積對解譯結(jié)果的影響，但其工作量較大，如何實(shí)現(xiàn)計(jì)算機(jī)輔助線性地物信息的高精度自動(dòng)提取還有待進(jìn)一步研究。此外，樣方的空間分布、代表性和數(shù)量等均會(huì)對解譯結(jié)果產(chǎn)生一定的影響，這說明零星地物面積扣除系數(shù)可能存在一定的區(qū)域差異或尺度效應(yīng)，其具體影響有待進(jìn)一步分析。

5 結(jié)語

該文以河南省永城市為研究對象，在分析不同遙感影像分類方法和聚類處理的基礎(chǔ)上，結(jié)合土地利用現(xiàn)狀數(shù)據(jù)中耕地與非耕地?cái)?shù)據(jù)對冬小麥分類結(jié)果進(jìn)行GIS處理，基于線性地物緩沖區(qū)圖層和樣方零星地物面積扣除系數(shù)分別對耕地和非耕地中線性地物和零星地物進(jìn)行面積扣除，進(jìn)而對遙感影像分類冬小麥面積核算進(jìn)行了研究，得到如下結(jié)論。

(1)永城市冬小麥遙感影像解譯面積為11.29萬hm2，耕地與非耕地區(qū)域內(nèi)冬小麥解譯面積分別占耕地與非耕地面積比例為77.21%和3.35%，冬小麥種植面積除市區(qū)外其余鄉(xiāng)鎮(zhèn)分布較為均勻，其中裴橋鎮(zhèn)耕地面積和冬小麥解譯面積數(shù)值最大分別為9 803.95hm2和8 412.77hm2，占耕地面積比例的85.81%，城關(guān)鎮(zhèn)冬小麥種植面積最小。

(2)受影像空間分辨率、線性地物提取精度等因素影響，永城市共有6 613.08hm2線性地物被解譯為冬小麥，占整個(gè)研究區(qū)冬小麥最終解譯面積的5.86%。

(3)永城市27個(gè)樣方中零星地物面積扣除系數(shù)在0.9%～7.5%之間，平均扣除系數(shù)為3.32%，按此比例進(jìn)行扣除后，永城市冬小麥解譯面積中有3 875.22hm2的零星地物被解譯為冬小麥。

(4)扣除線性地物和零星地物面積后，永城市冬小麥遙感影像最終解譯面積與上報(bào)數(shù)據(jù)差值為4 820.33hm2，解譯誤差絕對值由14.12%降低至4.41%。剩余部分誤差原因可能包括遙感影像分類如陰影區(qū)域誤差、套種面積比例誤差、線性地物人工提取不完全、線性地物寬度量測誤差、零星地物面積平均扣除系數(shù)以及上報(bào)數(shù)據(jù)本身誤差等，其面積精準(zhǔn)核算方法還需進(jìn)一步研究和完善。