基于國(guó)產(chǎn)高分衛(wèi)星影像的水稻種植區(qū)提取
——以江蘇蘇中地區(qū)為例

文 | 段春華 張汛 尹凡

1. 揚(yáng)州市自然資源和規(guī)劃局

2. 江蘇省測(cè)繪工程院

3. 自然資源部國(guó)土衛(wèi)星遙感應(yīng)用重點(diǎn)實(shí)驗(yàn)室

一、引言

水稻是我國(guó)三大糧食作物之一，是我國(guó)60%以上人口的主食。同時(shí)，我國(guó)也是世界上最大的水稻生產(chǎn)國(guó)和消費(fèi)國(guó)，詳細(xì)了解水稻種植信息對(duì)我國(guó)糧食安全具有重要的現(xiàn)實(shí)意義。隨著我國(guó)衛(wèi)星遙感事業(yè)的飛速發(fā)展，遙感技術(shù)以其宏觀、快速的特點(diǎn)可成為耕地遙感監(jiān)測(cè)的重要手段，研究遙感技術(shù)在耕地保護(hù)、利用、監(jiān)督中的應(yīng)用具有較強(qiáng)的緊迫性。國(guó)內(nèi)外學(xué)者利用遙感技術(shù)開(kāi)展了大量而深入的研究，從早期中低分辨率到高分辨率影像，主要的研究方法是利用單期影像的光譜和紋理信息。受制于遙感傳感器的限制，利用多期影像開(kāi)展農(nóng)作物遙感解譯多運(yùn)用中低分辨率影像，難以適應(yīng)江蘇地區(qū)圖斑破碎的情況。隨著我國(guó)國(guó)產(chǎn)高分辨率衛(wèi)星的不斷發(fā)射并投入使用，綜合利用國(guó)產(chǎn)高分辨率影像可建立高時(shí)間分辨率的時(shí)序數(shù)據(jù)，為農(nóng)作物的提取提供了新的可能。

本文以江蘇省蘇中地區(qū)為研究區(qū)，以國(guó)產(chǎn)高分辨率遙感影像為數(shù)據(jù)源，研究水稻種植區(qū)域快速提取方法。選取2018 年時(shí)序國(guó)產(chǎn)高分辨率遙感影像為數(shù)據(jù)源，利用易康軟件建立自適應(yīng)系數(shù)遙感影像規(guī)則集，通過(guò)利用水稻的關(guān)鍵物候特征提取水稻種植區(qū)信息，并利用隨機(jī)點(diǎn)和KAPPA 驗(yàn)證遙感提取精度。

二、研究區(qū)與研究數(shù)據(jù)

1. 研究區(qū)概況

江蘇省，位于中國(guó)東部沿海地區(qū)，介于東經(jīng)116°18′～121°57′，北緯30°45′～35°20′之間，屬于溫帶向亞熱帶的過(guò)度性氣候。因氣候與海陸位置的關(guān)系，江蘇跨江濱海，河湖眾多，水網(wǎng)密布，農(nóng)業(yè)發(fā)達(dá)，素有“魚(yú)米之鄉(xiāng)”之稱(chēng)。江蘇主要的農(nóng)作物包括水稻、小米、玉米、油菜、大豆等，其中夏季主要種植水稻和玉米。

2. 江蘇夏季農(nóng)作物種植情況

江蘇省農(nóng)業(yè)生產(chǎn)主要是一年兩熟，夏季主要大田農(nóng)作物包括水稻和玉米，江蘇省種植的水稻和玉米分別是一季稻和春玉米。其中水稻 5 月中上旬播種，10 月中上旬收獲；玉米5 月中上旬播種, 9 月中上旬收獲，其生長(zhǎng)情況如圖1 所示。從圖中可以看出，江蘇蘇中地區(qū)的水稻和玉米的種植時(shí)間均在5-10 月之間，其中水稻生長(zhǎng)期較長(zhǎng)，兩者主要生長(zhǎng)期存在一定的時(shí)間差異。其他相似地物主要是零散種植的大豆、農(nóng)家菜地、荒地雜草等背景植被。

圖1 江蘇典型區(qū)夏季農(nóng)作物物候

3. 數(shù)據(jù)源

（1）遙感影像

數(shù)據(jù)源方面，水稻遙感解譯需要利用水稻種植不同階段的物候信息所帶來(lái)的光譜差異，又因江蘇地區(qū)農(nóng)田地塊相對(duì)比較瑣碎，因此在數(shù)據(jù)源的選擇方面需要同時(shí)考慮影像數(shù)據(jù)的空間、時(shí)間和光譜分辨率。隨著近年來(lái)我國(guó)遙感衛(wèi)星事業(yè)的發(fā)展，國(guó)產(chǎn)遙感影像數(shù)據(jù)的獲取能力得到不斷提升，1 ～2m級(jí)別的遙感數(shù)據(jù)可在一年內(nèi)多次覆蓋同一片區(qū)域，給農(nóng)作物的物候信息提取提供了可能。本研究綜合選用包括資源三號(hào)、高分一號(hào)和高分二號(hào)衛(wèi)星作為數(shù)據(jù)源的多期遙感數(shù)據(jù)，形成涵蓋水稻生長(zhǎng)期的時(shí)間序列影像。

數(shù)據(jù)處理方面，主要包括遙感影像的輻射定標(biāo)、幾何糾正和大氣校正。其中，輻射定標(biāo)參數(shù)在中國(guó)資源衛(wèi)星應(yīng)用中心下載獲得，利用輻射亮度轉(zhuǎn)換公式進(jìn)行轉(zhuǎn)換。幾何校正是指消除或改正遙感影像幾何誤差的過(guò)程，主要是利用專(zhuān)業(yè)遙感影像處理軟件（如ENVI 軟件等）進(jìn)行處理，影像參考為2017 年度江蘇省1：5 萬(wàn)DOM，影像幾何分辨率為2m，高程參考為“十三五”基礎(chǔ)測(cè)繪1:1 萬(wàn)DEM 數(shù)據(jù)。大氣校正利用ENVI 軟件中利用工具箱Radiometric Correction 中Atmospheric Correction 的FLAASH Atmospheric Correction 工具對(duì)遙感影像數(shù)據(jù)進(jìn)行大氣校正。

時(shí)序特征構(gòu)建方面，根據(jù)時(shí)間序列遙感影像提取農(nóng)作物光譜特征，水稻和其他農(nóng)作物在其生長(zhǎng)的不同階段有著不同的光譜和紋理特征，利用水稻與其他農(nóng)作物在時(shí)序特征上的差異，可對(duì)水稻進(jìn)行有效提取。根據(jù)植被指數(shù)較好地放大水稻的光譜特征，從而方便識(shí)別。植物在遙感影像上的主要光譜特征體現(xiàn)在其光譜“根號(hào)”型的特征，即在綠波段及近紅外波段反射，紅波段吸收，在對(duì)植被進(jìn)行解譯時(shí)可選用歸一化植被指數(shù)（NDVI），其主要特點(diǎn)是對(duì)綠色植被反應(yīng)能力強(qiáng)，對(duì)土壤及水背景變化敏感。

（2）地面調(diào)查數(shù)據(jù)

地面調(diào)查數(shù)據(jù)采用實(shí)地走訪的方式確定地面驗(yàn)證信息，同時(shí)收集了江蘇省典型地物光譜知識(shí)庫(kù)中農(nóng)作物相關(guān)地物光譜實(shí)測(cè)數(shù)據(jù)。實(shí)地走訪數(shù)據(jù)來(lái)源于2018 年5-10 月作物生長(zhǎng)季的實(shí)地調(diào)查工作，主要包括記錄農(nóng)作物的類(lèi)型、位置信息、物候情況；典型地物光譜包括農(nóng)作物不同生產(chǎn)期的冠層光譜反射率數(shù)據(jù)。

（3）規(guī)則集實(shí)現(xiàn)

選擇5 月和6 月影像，其中，5 月影像用于判斷農(nóng)作物，利用6 月水稻田漫灌期特征提取水稻。規(guī)則集主要包括幾個(gè)步驟：①影像分割，采用面向?qū)ο蟮姆椒▽?duì)影像進(jìn)行多尺度分割，其中尺度設(shè)置為100，形狀因子0.3，緊致度0.5，分塊進(jìn)行遙感解譯；②統(tǒng)計(jì)計(jì)算，分別統(tǒng)計(jì)前時(shí)相和特征時(shí)相影像的NDVI 均值和標(biāo)準(zhǔn)差，利用生態(tài)分布中均值與標(biāo)準(zhǔn)差原理，自動(dòng)確定識(shí)別閾值，以前時(shí)相NDVI數(shù)據(jù)為基礎(chǔ)確定農(nóng)作物范圍；③以前時(shí)相提取的農(nóng)作物范圍為基礎(chǔ)，通過(guò)計(jì)算6 月影像的NDVI 情況，計(jì)算農(nóng)作物5 月與6 月的NDVI 差值，放大水稻6月漫灌期的光譜特征信息，同時(shí)綜合農(nóng)田紋理特征，提取水稻種植范圍；④整理提取的圖斑并導(dǎo)出水稻遙感解譯成果。

三、水稻遙感提取

1. 農(nóng)作物光譜特征

江蘇省測(cè)繪工程院在2016-2020 年利用ASD Fieldspec 4 地物光譜儀采集水稻、玉米地物光譜，建立了江蘇省典型地物光譜知識(shí)庫(kù)。采集的水稻和玉米的光譜信息如圖2 所示，水稻和玉米整體光譜特征較為相似，表現(xiàn)在可見(jiàn)光部分（被葉綠素吸收）有明顯的吸收谷，在近紅外波段（受葉片內(nèi)部結(jié)構(gòu)影響）有較高的反射率，可以形成突峰。根據(jù)江蘇地區(qū)水稻的種植特點(diǎn)，水稻與其他農(nóng)作物相比，最主要的特征是在6 月下旬有漫灌期特征，在真彩色影像上呈現(xiàn)暗綠色，亮度較低，近紅外反射率低。

圖2 水稻（左）、玉米（右）實(shí)測(cè)光譜曲線

選擇2018 年4 月29 日、2018 年5 月20 日、2018 年6 月23 日、2018 年7 月24 日、2018 年9 月14 日以及2018 年10 月24 日影像，根據(jù)現(xiàn)場(chǎng)確認(rèn)的玉米、水稻點(diǎn)位，獲取其影像平均光譜信息見(jiàn)表1，同時(shí)提取玉米、水稻的NDVI 如圖3所示。

表1 玉米、水稻不同時(shí)間光譜信息

圖3 玉米、水稻生長(zhǎng)期NDVI

玉米、水稻5 月上旬播種，4 月呈現(xiàn)出土壤光譜特征，6 月水稻漫灌期，NDVI 明顯下降，9 月玉米收購(gòu)，10 月僅水稻呈現(xiàn)植被特征。本研究最終選擇5 月和6 月影像用于遙感提取，其中6 月為水稻的特征時(shí)相。

2. 紋理特征

水稻紋理特征的描述是基于共生灰度矩陣（GLDM）的方法實(shí)現(xiàn)，該方法是20 世紀(jì)70 年代初由R.Haralick 等人提出，它是在假定圖像中各像素間的空間分布關(guān)系包含了圖像紋理信息的前提下，提出的具有廣泛性的紋理分析方法。共生灰度矩陣主要包括能量、熵、對(duì)比度、均勻性、相關(guān)性等參數(shù)，已經(jīng)集成在易康軟件中。

3. 水稻遙感提取

利用2018 年5 月20 日、2018 年6 月23 日遙感影像，開(kāi)展基于物候期光譜特征的米級(jí)遙感影像解疑實(shí)驗(yàn)，提取水稻信息。

通過(guò)對(duì)比5 月和6 月的近紅外影像，可以看出，由于水體近紅外波段反射率低，種植水稻的區(qū)域在近紅外影像上明顯發(fā)黑。利用易康軟件建立提取規(guī)則集開(kāi)展遙感解譯提取的水稻種植信息結(jié)果如圖4所示。

圖4 遙感解譯提取的水稻種植信息

4. 精度評(píng)價(jià)

精度評(píng)價(jià)采用隨機(jī)點(diǎn)驗(yàn)證的方式進(jìn)行，在研究區(qū)共計(jì)均勻獲得了90 個(gè)隨機(jī)點(diǎn)，并實(shí)地調(diào)查種植情況，其對(duì)遙感解譯成果進(jìn)行精度評(píng)價(jià)，結(jié)果如表2 所示。本方法的提取精度為0.89，KAPPA 系數(shù)為0.83。

表2 遙感解譯精度評(píng)價(jià)

四、結(jié)論

在水稻種植區(qū)遙感提取中，國(guó)產(chǎn)遙感影像相比于其他方法具有以下優(yōu)勢(shì)：

一是遙感技術(shù)能在較短的時(shí)間內(nèi)，對(duì)大范圍地區(qū)進(jìn)行對(duì)地觀測(cè)，獲取信息的速度快，周期短，具有成本低效率高的特點(diǎn)，大大提高了工作效率。并且可在長(zhǎng)期工作中形成同尺度可比對(duì)的工作成果，不僅可以得到當(dāng)年信息，并且方便開(kāi)展大尺度長(zhǎng)期趨勢(shì)性的研究工作。

二是水稻遙感提取主要利用水稻特殊生長(zhǎng)時(shí)段的遙感特征，對(duì)遙感數(shù)據(jù)的時(shí)間分辨率有著較高的要求。自2011 年資源一號(hào)02C 衛(wèi)星成功發(fā)射以來(lái)，國(guó)產(chǎn)陸地遙感衛(wèi)星近年來(lái)不斷發(fā)射，2m 分辨率級(jí)別的遙感影像在資源三號(hào)、高分等系列衛(wèi)星的協(xié)同利用下，已經(jīng)完全滿足水稻遙感提取的需要，并且隨著未來(lái)更多遙感衛(wèi)星的發(fā)射使用，更高時(shí)間、空間、光譜分辨率的遙感數(shù)據(jù)將給水稻及其他農(nóng)作物的遙感提取提供更大機(jī)會(huì)。

采用國(guó)產(chǎn)時(shí)序遙感影像數(shù)據(jù)，對(duì)江蘇省水稻種植情況進(jìn)行遙感解譯有以下結(jié)論：在江蘇地區(qū)水稻的生長(zhǎng)期主要為5 月到10 月，其中6 月水稻的漫灌期特征是水稻遙感提取的重要物候特征；利用時(shí)序影像及重要物候特征的方法開(kāi)展江蘇典型區(qū)水稻遙感提取實(shí)驗(yàn)，結(jié)果的提取精度為0.89，KAPPA系數(shù)為0.83。本方法需要獲取到6 月中下旬水稻物候特征的影像，另外由于農(nóng)業(yè)生產(chǎn)中可能存在水稻田間灌水先后的時(shí)間差，可能會(huì)影響提取精度。實(shí)驗(yàn)證明該方案是一種較為有效的水稻種植區(qū)域提取方法。