基于RapidEye影像的石漠化區(qū)休耕地塊監(jiān)測*

李宗南，王 昕，蔣 怡，李章成，董秀春，任國業(yè)

(四川省農(nóng)業(yè)科學(xué)院遙感應(yīng)用研究所，成都 610066)

0 引言

2017年農(nóng)業(yè)農(nóng)村部在華北地下水漏斗區(qū)、西南石漠化區(qū)開展休耕試點，以引導(dǎo)地方轉(zhuǎn)變生產(chǎn)理念、農(nóng)民改變種植習(xí)慣，實現(xiàn)增產(chǎn)增效相統(tǒng)一、生產(chǎn)生態(tài)相協(xié)調(diào)，減輕資源環(huán)境壓力[1-4]。休耕監(jiān)測，是休耕監(jiān)管評價體系的一部分[5]，即監(jiān)測地塊內(nèi)是否休耕或種植保護地力的綠肥作物，其關(guān)鍵是地塊內(nèi)農(nóng)作物識別及面積測量，是給農(nóng)戶發(fā)放休耕補貼的依據(jù)。監(jiān)測地塊休耕的方法包括人工實地調(diào)查法和遙感法。人工調(diào)查法存在費時費力的局限，不能大范圍使用； 遙感法是在農(nóng)作物遙感分類的基礎(chǔ)上，根據(jù)地塊位置矢量文件，對地塊是否休耕進行判別。首先使用高分辨率遙感影像，根據(jù)不同作物的影像特征[6， 7]、時序特征[8-10]識別并提取作物類型分布信息，然后以作物類型空間信息判定是否按要求休耕，具有快速、準(zhǔn)確等優(yōu)點，是當(dāng)前試點工作采用的主要方法。

綜合成本、精度和時效等方面，東北、華北地區(qū)大面積的休耕輪作監(jiān)測主要采用1～5m分辨率的多光譜影像開展監(jiān)測業(yè)務(wù)。為更準(zhǔn)確區(qū)分同時期的各類作物，主要選擇具有紅邊波段或短波紅外波段的遙感影像[11， 12]，如Worldview-2、Worldview-3、RapidEye、Sentienl-2A等多光譜影像。對比北方地區(qū)，南方地區(qū)夏季多云雨、地塊邊界不規(guī)則、地塊面積小、種植作物多樣等因素[10， 13-16]，不利于遙感數(shù)據(jù)獲取及精準(zhǔn)分類，在西南石漠化地區(qū)開展精準(zhǔn)的休耕監(jiān)測有巨大挑戰(zhàn)。目前，鮮有利用衛(wèi)星遙感監(jiān)測石漠化地區(qū)休耕的研究，因此文章結(jié)合石漠化地區(qū)休耕試點開展，選取2個休耕區(qū)作為研究區(qū)，研究使用具有紅邊波段的RapidEye影像監(jiān)測地塊休耕狀況的方法，并分析精度及影響因素，為西南地區(qū)休耕精準(zhǔn)監(jiān)測提供參考。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)域

研究區(qū)地處云南東部，以L1村和L2村表示，具體見圖1。該地區(qū)平均海拔約1 800m，巖溶地貌明顯； 屬低緯高原山地季風(fēng)氣候，年平均氣溫16.3℃，年平均降雨量940mm，年平均日照2 097h。夏季種植作物主要包括水稻、玉米、蕎麥、煙草等。研究區(qū)內(nèi)計劃休耕的地塊共計817塊； 最大地塊面積為8 739m2，最小地塊面積為93m2，地塊平均面積約1 425m2，地塊分布見圖1。

圖1 研究區(qū)位置及地塊分布

休耕地塊種植綠肥作物為光葉紫花苕。光葉紫花苕適應(yīng)西南高海拔生長環(huán)境，是高海拔農(nóng)區(qū)常見的綠肥作物[17， 18]。休耕區(qū)內(nèi)大部分地塊集中連片，少部分地塊分散； 集中連片休耕區(qū)內(nèi)，包含有不參與休耕的地塊、大棚、坑塘、道路、巖石等其他地物。

1.2 衛(wèi)星遙感影像

訂購得到2017年8月2日RapidEye多光譜影像1幅。RapidEye為德國的5顆對地觀測衛(wèi)星星座，所獲得的影像為5波段多光譜影像，空間分辨率為5m。該多光譜影像含紅邊波段影像，有助于同時準(zhǔn)確識別多種作物類型。研究區(qū)假彩色合成影像見圖1。

1.3 休耕地塊信息

休耕地塊信息包括地塊邊界矢量數(shù)據(jù)、地塊空間位置數(shù)據(jù)，由地方農(nóng)業(yè)部門提供。

1.4 地面調(diào)查

于2017年7月17日至7月24日開展休耕地面調(diào)查，結(jié)合地面調(diào)查建立包括綠肥、水稻、玉米、煙草、設(shè)施農(nóng)業(yè)大棚、林地、水體等典型地物感興趣區(qū)。對L1村、L2村2處休耕區(qū)817塊地內(nèi)覆蓋地物進行調(diào)查，獲取地塊土地利用類型、種植作物類型等信息。結(jié)合休耕標(biāo)準(zhǔn)判斷，得到休耕地塊調(diào)查結(jié)果，詳見圖2。

圖2 休耕地塊調(diào)查結(jié)果

圖3 研究區(qū)典型地物光譜特征

2 研究方法

2.1 光譜特征分析

RapidEye影像產(chǎn)品經(jīng)幾何糾正處理，像元地理位置準(zhǔn)確。該研究使用ENVI軟件的FLAASH模塊對RapidEye影像進行大氣校正，得到反射率影像。根據(jù)地面調(diào)查，在休耕試點地塊及周邊地區(qū)的影像中選取各地物的感興趣區(qū)，每種地物的感興趣區(qū)有5處，約80個像元。通過感興趣區(qū)文件提取影像中不同地物的反射率數(shù)據(jù)，分析典型地物光譜特征，各地物光譜特征曲線見圖3。如圖3，影像內(nèi)各類典型地物光譜曲線均有較明顯差異。其中，綠肥作物的光譜特征曲線在550nm綠光波段、710nm紅邊波段與其他地物有明顯差異。使用Jeffries-Matusita距離和Transform散度算法計算各類典型地物基于光譜特征的可分離性，以評價影像、所選分類類別是否適合進行監(jiān)督分類。結(jié)果顯示各類別間的分離性數(shù)值均大于1.9，即該研究所選的各地物的光譜可分離性良好，Rapideye影像可同時區(qū)分該地區(qū)水稻、玉米、煙草、綠肥作物等多種常見作物。

2.2 休耕監(jiān)測方法

根據(jù)休耕區(qū)邊界，裁剪得到休耕區(qū)影像后，對地塊是否休耕的具體監(jiān)測過程如下：(1)影像像元分類。使用休耕區(qū)影像，結(jié)合地面調(diào)查，使用最大似然法進行監(jiān)督分類，得到休耕區(qū)內(nèi)典型地物分類結(jié)果。(2)像元分類結(jié)果二值化。將分類結(jié)果二值化為休耕與其他，其中綠肥作物為休耕，非綠肥作物、大棚、道路等地物為其他。(3)相交統(tǒng)計分析。使用地塊矢量數(shù)據(jù)與二值化結(jié)果進行相交統(tǒng)計處理，得到地塊休耕面積及比例。(4)地塊休耕判別分析。使用判別分類，設(shè)定休耕比例作為地塊是否符合休耕的判別依據(jù)[19]。

由于鄰近地物混合像元影響，靠近其他地物的休耕地塊的部分像元被錯分，與其他地物相鄰的休耕地塊的休耕比例低于100%，因此休耕比例的判別閾值需小于100%。結(jié)合地面調(diào)查，并考慮地塊不規(guī)則、面積小等因素，設(shè)定休耕比例大于80%的地塊符合休耕。最后使用地面調(diào)查結(jié)果檢驗休耕地塊判決結(jié)果，評價監(jiān)測精度。

3 休耕監(jiān)測結(jié)果與分析

基于RapidEye影像的地塊休耕監(jiān)測結(jié)果見圖4。判決分類的混淆矩陣及評價精度結(jié)果見表1。石漠化地區(qū)基于RapidEye影像的休耕監(jiān)測方法總精度為98.89%，Kappa系數(shù)為0.9292； 休耕地塊錯分誤差為0，漏分誤差為1.19%。在地塊邊界矢量數(shù)據(jù)輔助下，RapidEye影像可準(zhǔn)確判別研究區(qū)中絕大部分小地塊是否休耕，其中判別準(zhǔn)確的最小地塊面積為93m2。

圖4 基于遙感的休耕地塊監(jiān)測結(jié)果

表1 研究區(qū)地塊休耕監(jiān)測的混淆矩陣及精度

遙感監(jiān)測地面調(diào)查(塊)合計錯分誤差(%)漏分誤差(%)生產(chǎn)者精度(%)用戶精度(%)總精度(%)Kappa系數(shù)休耕其他休耕743074301.1998.8010098.890.929 2其他9657412.16010087.84合計75265817

休耕比例作為判決分類的依據(jù)，決定休耕地塊錯分或漏分。該判別閾值過小將導(dǎo)致部分其他地物錯判為休耕地塊，閾值過大將導(dǎo)致部分休耕地塊錯判為其他。因此該閾值設(shè)定需要參考地面調(diào)查、高分辨率影像核查結(jié)果等先驗知識。通過驗證，休耕地塊錯分誤差得到控制，本研究認(rèn)為該閾值設(shè)定合理。對研究區(qū)9塊漏分的休耕地塊進行逐一分析：有7塊地因邊界不規(guī)則、地塊狹長小，與其他地物臨近的混合像元錯分導(dǎo)致休耕比例小于60%； 有2塊地因地勢低洼造成不定期積水，導(dǎo)致休耕地塊部分呈水體特征。由于客觀因素影響，遙感監(jiān)測在部分地塊不可避免出現(xiàn)誤差。本研究認(rèn)為對判別為不符合休耕的地塊需進行地面調(diào)查核實，在遙感快速高效監(jiān)測的前提下，實現(xiàn)準(zhǔn)確監(jiān)測。

4 討論

與傳統(tǒng)遙感分類比較，地塊休耕監(jiān)測是在遙感分類結(jié)果上，通過地塊位置矢量文件輔助，對地塊是否休耕進行判別，是一種對遙感分類結(jié)果的后處理。通過后處理，可解決部分地表覆蓋復(fù)雜性、影像空間分辨率引起的像元錯分問題，實現(xiàn)面向地塊的休耕判斷。除使用高分辨率衛(wèi)星遙感手段外，對于小范圍的休耕區(qū)，還可采用低空無人機遙感方法[20]，以解決因云霧影響衛(wèi)星遙感無法及時有效覆蓋的問題。

面向地塊的快速休耕監(jiān)測需要入戶登記和遙感分類、判別相結(jié)合。地方農(nóng)業(yè)部門為完成休耕任務(wù)，積極組織安排，開展宣傳動員，登記匯總計劃休耕地塊信息、農(nóng)戶信息，為完成休耕任務(wù)以及休耕精準(zhǔn)監(jiān)測奠定良好基礎(chǔ)。為補貼提供依據(jù)的休耕監(jiān)測是農(nóng)業(yè)部門通過遙感監(jiān)測手段調(diào)控農(nóng)業(yè)生產(chǎn)的重要嘗試。由于我國農(nóng)業(yè)地塊破碎、種植作物多樣，對準(zhǔn)確監(jiān)測提出極大的挑戰(zhàn)。為滿足農(nóng)業(yè)種植調(diào)控，開展精準(zhǔn)作物監(jiān)測，需國家遙感監(jiān)測部門與地方有關(guān)單位加強交流，同時應(yīng)加強遙感、農(nóng)業(yè)空間信息平臺建設(shè)。

(1)發(fā)展適合農(nóng)作物監(jiān)測的國產(chǎn)遙感衛(wèi)星，增加多光譜遙感器中關(guān)鍵波段設(shè)置，解決多作物同時識別遇到的同譜異物難題。RapidEye影像中紅邊波段對于同時準(zhǔn)確識別多種作物有重要作用。具有紅邊波段設(shè)置的遙感影像能顯著提高農(nóng)作物分類精度[12， 21]。目前除高分六號遙感衛(wèi)星外，國產(chǎn)高分辨率遙感數(shù)據(jù)普遍缺少紅邊波段的設(shè)置。為實現(xiàn)作物種植精準(zhǔn)監(jiān)測，需增加多光譜傳感器的紅邊波段設(shè)置。此外，提高遙感重訪周期，減少遙感瞬時觀測對精準(zhǔn)監(jiān)測的影響。遙感影像獲取的是地面某一時刻的信息，部分區(qū)域受云霧遮擋、地表覆蓋變化等影響，導(dǎo)致部分區(qū)域的衛(wèi)星遙感影像不能準(zhǔn)確反映地表狀況，影響監(jiān)測結(jié)果。因此提高影像重訪周期，實現(xiàn)對有問題的區(qū)域進兩次以上的監(jiān)測，消除單次遙感監(jiān)測的誤判，以保證休耕監(jiān)測結(jié)果真實有效。

(2)加強地方部門對農(nóng)業(yè)空間信息維護及更新的能力。休耕監(jiān)測是面向農(nóng)戶、面向地塊的精準(zhǔn)作物識別，因此地塊邊界的空間信息必須是經(jīng)政府部門、村集體及農(nóng)戶認(rèn)可的空間信息，必須具備法理依據(jù)。目前試點區(qū)監(jiān)測所使用的地塊邊界是農(nóng)村承包地確權(quán)頒證確定的地塊邊界，滿足邊界準(zhǔn)確、法理依據(jù)充分等要求。農(nóng)業(yè)土地地塊的權(quán)屬及邊界隨分戶、流轉(zhuǎn)、戶主消亡等變動。因此在確權(quán)完成后，還必須進一步做好農(nóng)業(yè)土地空間信息維護、信息更新及信息發(fā)布等工作，才能保證地塊邊界信息準(zhǔn)確有效。

5 結(jié)論

通過RapidEye多光譜影像分析石漠化休耕區(qū)綠肥作物及周邊典型地物的遙感光譜差異及可分離性，結(jié)果表明綠肥作物的光譜特征曲線在綠光波段、紅邊波段與其他地物有明顯差異，可分離性良好?；赗apidEye多光譜影像提取綠肥作物的空間信息，使用地塊休耕比例作為判別依據(jù)，判別各地塊是否休耕。驗證結(jié)果表明，該監(jiān)測方法的總精度為98.89%，Kappa系數(shù)為0.9292，錯分誤差為0，漏分誤差為1.19%?；谛莞壤呐袥Q依據(jù)對休耕地塊錯分或漏分有影響； 地塊邊界不規(guī)則、地塊狹長、地塊低洼積水會增加石漠化地區(qū)休耕地塊漏分誤差。