基于多時(shí)相Sentinel-2 遙感影像的江漢平原夏收作物提取方法

陰海明， 王立輝， 董明霞， 李曉冬， 黃進(jìn)良

(1.中國(guó)科學(xué)院精密測(cè)量科學(xué)與技術(shù)創(chuàng)新研究院，湖北 武漢430077；2.中國(guó)科學(xué)院大學(xué)，北京100049；3.湖北省環(huán)境與災(zāi)害監(jiān)測(cè)評(píng)估重點(diǎn)實(shí)驗(yàn)室，湖北 武漢430077)

我國(guó)是農(nóng)業(yè)大國(guó)，擁有水稻、小麥等多種優(yōu)勢(shì)農(nóng)作物.江漢平原位于湖北省中南部，是長(zhǎng)江中下游平原的重要組成部分，是全國(guó)重要的商品糧生產(chǎn)基地.因此，對(duì)江漢平原農(nóng)作物種植面積進(jìn)行準(zhǔn)確有效的監(jiān)測(cè)，具有十分重要的意義[1].傳統(tǒng)的農(nóng)作物面積統(tǒng)計(jì)方法需要耗費(fèi)巨大的人物、物力、財(cái)力，且統(tǒng)計(jì)結(jié)果缺乏時(shí)效性，而遙感技術(shù)以其覆蓋范圍廣、重訪周期短、時(shí)效性強(qiáng)、數(shù)據(jù)和方法豐富等特點(diǎn)，廣泛應(yīng)用在農(nóng)業(yè)生產(chǎn)中[2].

利用歸一化植被指數(shù)(normalized difference vegetation index， NDVI)時(shí)序數(shù)據(jù)對(duì)農(nóng)作物種植信息進(jìn)行提取，在時(shí)間上呈現(xiàn)植被物候特征以及周期性變化特征，反映季節(jié)和人為活動(dòng)對(duì)地表植被的影響等，在農(nóng)作物動(dòng)態(tài)監(jiān)測(cè)中有著十分重要的地位[3-4].目前，一些學(xué)者采用時(shí)序影像數(shù)據(jù)植被指數(shù)分析方法進(jìn)行農(nóng)作物識(shí)別[5].張煦等[6]基于MODIS NDVI 時(shí)序數(shù)據(jù)提取了江漢平原2002—2014 年油菜種植面積與變化趨勢(shì)，得到油菜種植面積的增長(zhǎng)態(tài)勢(shì)，總體精度達(dá)到92.5%；Brain et al[7]基于MODIS NDVI 時(shí)序數(shù)據(jù)分析了不同作物時(shí)序光譜曲線，通過(guò)增強(qiáng)植被指數(shù)(enhanced vegetation index， EVI)和NDVI 提取了美國(guó)中部平原多種作物的種植結(jié)構(gòu)；劉明月等[8]基于MODIS NDVI 時(shí)序數(shù)據(jù)，并結(jié)合Landsat8 OLI 影像，采用面向?qū)ο蟮姆诸?lèi)方法對(duì)黑龍江北安市農(nóng)作物進(jìn)行分類(lèi)，分類(lèi)精度為90.7%.僅利用光譜特征進(jìn)行提取造成的“同物異譜”或“同譜異物”問(wèn)題以及分類(lèi)結(jié)果中明顯的“椒鹽現(xiàn)象”仍無(wú)法解決[9-10].

隨著遙感技術(shù)的發(fā)展，遙感影像的“時(shí)空矛盾”逐漸被克服.遙感影像空間分辨率不斷提升的同時(shí)，衛(wèi)星的重訪周期也在不斷縮短，同一地區(qū)能夠獲得更高分辨率的時(shí)序影像.歐洲航天局的多光譜衛(wèi)星Sentinel-2 擁有10 m 的空間分辨率，通過(guò)相位相差180°的2A/2B 兩顆衛(wèi)星聯(lián)合工作，將時(shí)間分辨率縮短為5 d，陸地監(jiān)測(cè)水平大大提高[11].Sentinel-2 時(shí)序影像應(yīng)用于農(nóng)作物識(shí)別，克服了以往時(shí)序數(shù)據(jù)難以獲取、影像空間分辨率低等難題，為農(nóng)作物精細(xì)尺度識(shí)別提供了更好的解決辦法[12].郭文婷等[13]根據(jù)植被生長(zhǎng)旺盛期Sentinel-2 影像計(jì)算NDVI，并結(jié)合光譜特征對(duì)內(nèi)蒙古赤峰市耕地和林地進(jìn)行了提取，總體精度達(dá)87.64%；何云等[14]應(yīng)用Sentinel-2A 遙感數(shù)據(jù)豐富的光譜和紋理信息對(duì)中南半島典型地區(qū)進(jìn)行了土地利用分類(lèi)，總體分類(lèi)精度達(dá)87.53%；Griffiths et al[15]利用Sentinel-2 MSI 和Landsat-8 OLI 合成的以10 d 為間隔的時(shí)序影像對(duì)德國(guó)草地進(jìn)行監(jiān)測(cè).但有關(guān)Sentinel-2 進(jìn)行多種農(nóng)作物的精細(xì)尺度識(shí)別研究較少.

本文利用高時(shí)空分辨率的Sentinel-2 影像，將時(shí)序NDVI 和面向?qū)ο蠓诸?lèi)相結(jié)合，并以多云雨、難以獲取植被生長(zhǎng)期影像的全國(guó)重要產(chǎn)糧基地江漢平原為研究區(qū)，進(jìn)行精細(xì)尺度農(nóng)作物提取研究；利用研究區(qū)作物生長(zhǎng)期多時(shí)相Sentinel-2 影像與構(gòu)建的NDVI 時(shí)序數(shù)據(jù)，結(jié)合研究區(qū)不同作物物候特征，探討提取江漢平原農(nóng)作物種植信息的最佳方法，為江漢平原作物種植面積監(jiān)測(cè)及農(nóng)業(yè)現(xiàn)代化信息提取提供依據(jù).

1 研究區(qū)概況

潛江市地處江漢平原腹地，東經(jīng)112°29′39″—133°01′27″，北緯30°04′53″—30°38′53″，北隔漢水，與天門(mén)市接壤；南與江陵、監(jiān)利縣為鄰；東接仙桃；西聯(lián)沙洋縣和荊州市沙市區(qū)，土地總面積約2 000 km2.境內(nèi)地勢(shì)平坦，河渠縱橫交錯(cuò)，湖泊星羅棋布，屬亞熱帶季風(fēng)性濕潤(rùn)氣候，年平均氣溫16 ℃，熱量、雨量較為充足，是江漢平原種植模式的典型代表[17-18].

圖1 潛江市在江漢平原的位置及潛江市Sentinel-2 影像Fig.1 Location of Qianjiang City in Jianghan Plain and Sentinel-2 image

研究區(qū)的主要夏收作物為油菜、冬小麥和早稻，主要秋收作物為中稻、棉花、晚稻.種植模式為油菜—中稻、油菜—棉花、冬小麥—棉花、早稻—雙季晚稻和一季晚稻[18].江漢平原主要夏收農(nóng)作物生長(zhǎng)周期如表1 所示.

表1 江漢平原主要夏收農(nóng)作物的生長(zhǎng)周期Table 1 Growth cycle of main summer crops in Jianghan Plain

2 研究方法

2.1 遙感數(shù)據(jù)及其預(yù)處理

影像數(shù)據(jù)來(lái)自歐洲航天局(https:/ /sentinel.esa.int/web/sentinel/home)，選取2017 年9 月至2018 年6月研究區(qū)夏收作物一個(gè)完整生長(zhǎng)周期的12 幅云量覆蓋低于10%的Sentinel-2 影像，影像獲取時(shí)間和云量相關(guān)數(shù)據(jù)見(jiàn)表2.

表2 潛江市Sentinel-2 數(shù)據(jù)Table 2 List of Sentinel-2 data of Qianjiang City

獲取的Sentinel-2 Level-1C 數(shù)據(jù)為經(jīng)正射校正和亞像元級(jí)幾何精校正后的大氣表觀反射率產(chǎn)品[19]，通過(guò)Sen2cor 對(duì)影像進(jìn)行大氣校正，得到L2A 產(chǎn)品；然后在ESA snap 中對(duì)影像數(shù)據(jù)進(jìn)行重采樣、波段提取以及柵格輸出.提取空間分辨率為10 m 的R、G、B 和NIR 波段，計(jì)算各時(shí)相影像的NDVI，最后合成多波段NDVI 時(shí)序影像.

2.2 野外實(shí)地?cái)?shù)據(jù)采集

野外實(shí)地調(diào)查數(shù)據(jù)為2018 年3 月下旬在研究區(qū)采集的地物樣本點(diǎn)數(shù)據(jù)，包括作物類(lèi)型、物候期以及經(jīng)緯度信息.共采集有效樣本點(diǎn)數(shù)據(jù)5 993 個(gè)，其中油菜1 719 個(gè)，冬小麥1 303 個(gè)，林草地1 102 個(gè)，非植被1 869 個(gè)，按照1 ∶1 的比例隨機(jī)分成訓(xùn)練樣本和驗(yàn)證樣本.

2.3 研究技術(shù)路線

基于多時(shí)相遙感影像進(jìn)行農(nóng)作物面積提取，根據(jù)作物生長(zhǎng)周期不同時(shí)期農(nóng)作物光譜特征的差異來(lái)提取作物種植信息.以潛江市作物生長(zhǎng)周期的12 幅Sentinel-2 影像構(gòu)建時(shí)序NDVI，結(jié)合最佳時(shí)相多光譜影像進(jìn)行基于對(duì)象的多尺度分割，基于農(nóng)田實(shí)測(cè)數(shù)據(jù)和NDVI 時(shí)序數(shù)據(jù)進(jìn)行訓(xùn)練并構(gòu)建決策樹(shù)分類(lèi)模型，對(duì)作物進(jìn)行提取.研究技術(shù)路線如圖2 所示.

圖2 技術(shù)路線圖Fig.2 Technology roadmap of the paper

2.4 研究區(qū)主要地類(lèi)NDVI 曲線分析方法

NDVI 計(jì)算公式為:

研究區(qū)主要地表類(lèi)型的時(shí)序NDVI 曲線分析方法如圖3 所示.

根據(jù)研究區(qū)作物物候，將預(yù)處理的最佳時(shí)相Sentinel-2 多光譜影像及合成的NDVI 時(shí)序影像以野外實(shí)測(cè)的樣本點(diǎn)進(jìn)行訓(xùn)練，建立決策樹(shù)分類(lèi)模型；并對(duì)影像進(jìn)行面向?qū)ο蠓诸?lèi)，分類(lèi)決策樹(shù)模型如圖4 所示，對(duì)研究區(qū)農(nóng)作物進(jìn)行提取.

3 結(jié)果與分析

3.1 影像分類(lèi)

基于Sentinel-2 時(shí)序NDVI 的面向?qū)ο鬀Q策樹(shù)分類(lèi)方法對(duì)江漢平原潛江市2018 年主要夏收作物(油菜、冬小麥)進(jìn)行提取，分類(lèi)結(jié)果如圖5 所示.

對(duì)照原始影像和圖5 可以看出，研究區(qū)冬小麥空間分布較為集中，主要分布在潛江市北部鄉(xiāng)鎮(zhèn)以及東荊河兩岸；油菜種植面積相對(duì)較小且較為分散，主要分布在潛江南部以及西南部.冬小麥和油菜在北部穿插種植，少部分零星分布在東荊河兩岸.竹根灘鎮(zhèn)位于潛江市東北部，夏收農(nóng)作物種植面積較大，不同算法分類(lèi)結(jié)果差異較為明顯(圖6).

圖5 潛江市不同分類(lèi)算法的分類(lèi)結(jié)果Fig.5 Classification results of different classification algorithms in Qianjiang City

3.2 精度驗(yàn)證

為探討江漢平原農(nóng)作物種植信息提取的最佳方法，驗(yàn)證本文中多種分類(lèi)方法的準(zhǔn)確程度，基于統(tǒng)計(jì)數(shù)據(jù)和實(shí)地調(diào)查數(shù)據(jù)進(jìn)行精度驗(yàn)證.

圖6 竹根灘鎮(zhèn)不同分類(lèi)算法分類(lèi)結(jié)果Fig.6 Classification results of different classification algorithms in Zhugentan Town

基于統(tǒng)計(jì)數(shù)據(jù)的精度驗(yàn)證，計(jì)算研究區(qū)各種農(nóng)作物提取的相對(duì)精度:

潛江市油菜的播種面積為209.93 km2，冬小麥的種植面積為366.47 km2[18]，分類(lèi)結(jié)果的相對(duì)精度如表3 所示.

由表3 可知，基于Sentinel-2 NDVI 時(shí)序提取的潛江市主要夏收作物種植面積與實(shí)際統(tǒng)計(jì)結(jié)果相符，油菜和小麥的相對(duì)精度分別是98.54%和98.62%.此外，利用隨機(jī)選擇的實(shí)地驗(yàn)證點(diǎn)，通過(guò)對(duì)研究區(qū)不同分類(lèi)方法的分類(lèi)結(jié)果計(jì)算混淆矩陣，對(duì)分類(lèi)結(jié)果進(jìn)行精度驗(yàn)證，驗(yàn)證結(jié)果如表4 所示.基于Sentinel-2 NDVI 時(shí)序提取潛江市主要夏收作物種植面積在各個(gè)地類(lèi)的識(shí)別精度，結(jié)果表明，油菜的用戶(hù)精度為92.20%，冬小麥的用戶(hù)精度為97.57%，林草地的用戶(hù)精度為97.65%，分類(lèi)的總體精度為96.47%，Kappa 系數(shù)為0.9518.總體上，各種作物類(lèi)型的分類(lèi)結(jié)果均較為準(zhǔn)確，分類(lèi)精度較高.

表3 遙感分類(lèi)結(jié)果精度的比較Table 3 Comparison of the accuracies of classification results and statistical data

表4 不同分類(lèi)方法混淆矩陣精度的驗(yàn)證結(jié)果Table 4 Accuracy verification results of confounding matrices under different classification methods

為進(jìn)一步探討基于Sentinel-2 時(shí)序NDVI 的面向?qū)ο鬀Q策樹(shù)分類(lèi)方法提取農(nóng)作物的有效性，利用研究區(qū)夏收作物最佳時(shí)相的多光譜影像，采用面向?qū)ο笈c基于像元的隨機(jī)森林算法分類(lèi)結(jié)果進(jìn)行比較分析.

從表4 和圖5 可以看出，基于NDVI 時(shí)間序列數(shù)據(jù)對(duì)研究區(qū)進(jìn)行面向?qū)ο筇崛〉霓r(nóng)作物提取結(jié)果精度最高，總體精度達(dá)到了96.47%，Kappa 系數(shù)為0.951 8.河流兩岸的防護(hù)林帶、居住地旁邊的樹(shù)木以及冬小麥種植區(qū)域中零散種植的油菜均比較符合研究區(qū)實(shí)際情況，并且能夠?qū)⒂筒撕投←渽^(qū)分開(kāi)來(lái).采用面向?qū)ο蠓诸?lèi)算法，從基于最佳時(shí)相多光譜數(shù)據(jù)得到的分類(lèi)結(jié)果中也能夠得到較為完整的地塊，總體的分類(lèi)精度為88.67%，Kappa 系數(shù)為0.818 5.但是基于最佳時(shí)相多光譜數(shù)據(jù)的面向?qū)ο蠓诸?lèi)結(jié)果在林草地的識(shí)別上精度較低，河道水渠兩側(cè)的林草地被錯(cuò)分為農(nóng)作物，穿插種植的冬小麥無(wú)法完整地提取出來(lái)，局部地塊被錯(cuò)分成油菜.在大多數(shù)多光譜影像中，由于油菜和冬小麥的生長(zhǎng)期較為類(lèi)似，以致兩者在某些影像中存在差別不大的光譜特征，僅使用單景的多光譜數(shù)據(jù)的特征閾值無(wú)法對(duì)其進(jìn)行有效的區(qū)分，局部地區(qū)地塊錯(cuò)分漏分.從分類(lèi)結(jié)果對(duì)比可以看出，基于Sentinel-2 NDVI 時(shí)序數(shù)據(jù)的面向?qū)ο鬀Q策樹(shù)分類(lèi)方法將總體分類(lèi)精度提升了7.80%，Kappa 系數(shù)提升了0.133 3.

基于像元的隨機(jī)森林算法適用于小樣本、高維度、非線性遙感影像信息的提取，但是在地物光譜信息較為相似的情況下難以準(zhǔn)確識(shí)別地物，“同物異譜”或“異物同譜”問(wèn)題無(wú)法解決.從分類(lèi)結(jié)果可以看出，分類(lèi)結(jié)果存在錯(cuò)分和明顯的“椒鹽現(xiàn)象”，整體分類(lèi)精度相對(duì)較低，總體精度為88.58%，Kappa 系數(shù)為0.728 8.

4 小結(jié)與討論

本文利用2017 年9 月至2018 年6 月的多時(shí)相Sentinel-2 衛(wèi)星遙感影像，結(jié)合研究區(qū)農(nóng)作物生長(zhǎng)物候信息，基于面向?qū)ο蟮臎Q策樹(shù)分類(lèi)方法提取潛江市2018 年主要夏收農(nóng)作物種植面積以及空間分布，與最佳時(shí)相基于面向?qū)ο蠛突谙裨亩喙庾V分類(lèi)方法進(jìn)行比較，并以統(tǒng)計(jì)數(shù)據(jù)和野外實(shí)測(cè)數(shù)據(jù)進(jìn)行精度驗(yàn)證，得到以下結(jié)論:(1)利用研究區(qū)主要夏收作物的生長(zhǎng)期時(shí)序Sentinel-2 遙感影像，基于面向?qū)ο蠓诸?lèi)方法進(jìn)行農(nóng)作物提取，能夠準(zhǔn)確地識(shí)別作物的發(fā)育特征，配合決策樹(shù)分類(lèi)方法能夠監(jiān)測(cè)研究區(qū)農(nóng)作物種植面積及空間分布.分類(lèi)結(jié)果表明:油菜和冬小麥分類(lèi)精度分別達(dá)到了92.20%和97.57%，分類(lèi)總體精度為96.47%，Kappa 系數(shù)為0.951 8.表明該分類(lèi)方法對(duì)農(nóng)作物的識(shí)別能力較強(qiáng)，分類(lèi)精度較高，能夠滿足精準(zhǔn)農(nóng)業(yè)遙感監(jiān)測(cè)的需要.(2)研究區(qū)作物種植破碎化程度較高，插花種植現(xiàn)象比較普遍，這影響了作物的提取精度.本文結(jié)合高時(shí)空分辨率遙感影像構(gòu)建的NDVI 時(shí)序和面向?qū)ο蟮臎Q策樹(shù)分類(lèi)方法，在提高分類(lèi)精度的同時(shí)，避免了“同物異譜”、“異物同譜”和“椒鹽現(xiàn)象”.10 m 的空間分辨率既保證了精細(xì)尺度上的提取精度，也保證了作物整體空間分布上的準(zhǔn)確性，分類(lèi)結(jié)果的準(zhǔn)確度和實(shí)用性有較大的提升.(3)Sentinel-2 衛(wèi)星具有10 m 的高空間分辨率、5 d 的短重訪周期以及免費(fèi)獲取的優(yōu)勢(shì)，致使其廣泛應(yīng)用在作物識(shí)別上.魏夢(mèng)凡[20]在Sentinel-2 結(jié)合植被物候信息進(jìn)行作物提取的領(lǐng)域進(jìn)行了較為系統(tǒng)的研究，但單一作物的提取研究無(wú)法滿足實(shí)際應(yīng)用的需求.本文研究根據(jù)研究區(qū)的作物種植規(guī)律與物候信息，對(duì)研究區(qū)主要的夏收作物進(jìn)行了提取分析，得到作物種植面積與空間分布，滿足了作物監(jiān)測(cè)的需求.