縣級主要農(nóng)作物空間分布遙感制圖
——以同江市為例

解文歡，張有智，張海峰，吳黎，張 宇

（黑龍江省農(nóng)業(yè)科學(xué)院 農(nóng)業(yè)遙感與信息研究所，150086，黑龍江哈爾濱）

農(nóng)作物空間分布圖是對特定行政單元或自然單元內(nèi)一種、幾種或者所有農(nóng)作物類型空間分布狀況的描述[1]，是滿足農(nóng)作物生產(chǎn)管理需求、優(yōu)化農(nóng)作物種植結(jié)構(gòu)和輔助政府宏觀決策的重要基礎(chǔ)。遙感制圖是指通過對遙感影像目視判讀或利用圖像處理系統(tǒng)對各種遙感信息進行增強與幾何糾正，并加以識別、分類和制圖的過程[2]。農(nóng)作物空間分布遙感制圖的關(guān)鍵是從遙感影像中提取農(nóng)作物空間分布信息[3]。

隨著各種陸地資源衛(wèi)星的發(fā)射成功，多波段、多尺度和不同觀測周期的遙感衛(wèi)星影像被廣泛地應(yīng)用于農(nóng)作物空間分布研究。張曉春等采用環(huán)境一號CCD 影像和Landsat-8 影像，根據(jù)農(nóng)作物生長階段NDVI 時間序列曲線中的NDVI 閾值和時間閾值制定分類規(guī)則，來提取監(jiān)利縣的農(nóng)作物時空變化圖。[4]吳峰云利用2014 年的MOD09Q1 和GF-1 WFV 數(shù)據(jù)結(jié)合STARFM 模型構(gòu)建遙感數(shù)據(jù)集，采用決策樹分類方法對鄱陽湖區(qū)的水稻空間分布信息進行提取。[5]杜保佳等利用Sentinel-2A 多光譜數(shù)據(jù)構(gòu)建NDVI 時間序列數(shù)據(jù)集，采用面向?qū)ο蟮姆诸惙椒?，對黑龍江省北安市農(nóng)作物空間信息進行提取，總體精度達到96.2%。[6]中低分辨率的衛(wèi)星受分辨率的影響，同一像元內(nèi)波普混合嚴重，影響農(nóng)作物信息的提取精度；高分辨率的衛(wèi)星數(shù)據(jù)量大，費用高，不適合縣級農(nóng)作物空間分布提取業(yè)務(wù)。

針對以上不足，本文以同江市為研究區(qū)，基于多時相GF-1 WFV 遙感數(shù)據(jù)，采用監(jiān)督分類和目視解譯相結(jié)合的半自動化的方法，逐類提取2017 年同江市農(nóng)作物空間信息，通過GPS 實測地面點進行提取精度評價，為利用GF-1 WFV 影像進行縣級主要農(nóng)作物空間分布遙感制圖提供參考和依據(jù)。

1 研究區(qū)與數(shù)據(jù)來源

1.1 研究區(qū)概況

同江市地處黑龍江省東北部，位于東經(jīng)132°18′22″～134°07′15″，北緯47°23′30″～48°17′20″。地勢由西南向東北遞減，平均海拔45～65 m，地勢較平坦。同江市屬于中溫帶大陸性季風(fēng)氣候，春秋短暫，冬夏分明，年平均氣溫2.5 ℃，年平均無霜期142 d，年平均降水量532.7 mm，年平均日照時長2 600 h，年積溫2 456.8 ℃。土壤屬于黑土、草甸土和白漿土，土地肥沃，適宜種植各種農(nóng)作物。

1.2 遙感影像及預(yù)處理

遙感影像選擇的最佳時相是農(nóng)作物生長茂盛、在影像上反映明顯的時期[7]。在6 月的影像中，相對于剛出苗的大豆和玉米來說，水稻的顏色深，紋理不均勻；在8 月的影像中，水稻與玉米和大豆的區(qū)分度較小：因此水稻需要通過5—6 月的GF1-WFV 影像提取。在8 月的影像中，大豆顏色鮮艷，呈亮紅色，紋理均勻，而玉米是暗紅色，通過這樣的顏色差異，可以清晰地區(qū)分開玉米和大豆，但是玉米與水稻的區(qū)分度較小，因此采用8 月的影像主要區(qū)分大豆和玉米。本文選用的影像是2017 年5 月27 日GF1-WFV3 數(shù)據(jù)一景、2017 年8 月21 日的GF1-WFV4 數(shù)據(jù)三景和GF1-WFV3 數(shù)據(jù)一景。

在ENVI 軟件中，對GF-1 WFV 數(shù)據(jù)進行預(yù)處理工作（輻射定標、大氣校正和幾何精校正）[8]。輻射定標時采用2017 年中國資源衛(wèi)星應(yīng)用中心發(fā)布的GF1-WFV3 和GF1-WFV4 衛(wèi)星載荷的絕對輻射定標系數(shù)進行定標[9]。大氣校正采用ENVI 軟件中的大氣校正模塊，使用輻射定標的結(jié)果進行校正。幾何精校正是基于基準影像自動尋找GCP 執(zhí)行有理多項式系數(shù)的正射校正，以Landsat-8 OLI 全色影像衛(wèi)星數(shù)據(jù)為校正源進行幾何精校正。

1.3 解譯標志點

野外實地調(diào)查時間為2017 年7 月10 日至7 月30日，采用手持GPS 獲取解譯標志點150 個和驗證點150個，包括水稻、大豆和玉米，以及蕓豆、高粱、向日葵和紅小豆等同期地面作物，拍攝記錄照相地點、方位等信息，拍照時照片分辨率不小于300 dpi。

2 制圖方法

2.1 技術(shù)路線

選擇2017 年5—8 月的GF1-WFV 遙感影像數(shù)據(jù)作為數(shù)據(jù)源，對GF1-WFV 影像進行輻射校正、幾何精校正、裁剪和鑲嵌等預(yù)處理，使遙感數(shù)據(jù)達到分類提取的要求。結(jié)合同江市物候數(shù)據(jù)，利用主要農(nóng)作物的光譜特點和空間分布規(guī)律，采用監(jiān)督分類和目視解譯相結(jié)合的方法對主要農(nóng)作物空間信息進行提取[10]，然后對提取結(jié)果采用地面實測GPS 點驗證方法進行精度驗證，統(tǒng)計不同農(nóng)作物的種植面積，制作同江市農(nóng)作物空間分布圖。

2.2 分類方法

本文采用監(jiān)督分類和目視解譯相結(jié)合的半自動化的方法[11]。利用ENVI 軟件，根據(jù)解譯標志在研究區(qū)內(nèi)選取訓(xùn)練區(qū)，玉米選取100 個訓(xùn)練區(qū)，水稻選取30 個訓(xùn)練區(qū)，大豆選取30 個訓(xùn)練區(qū)，采用監(jiān)督分類法對鑲嵌的6 月和8 月的同江市影像進行監(jiān)督分類，提取主要農(nóng)作物空間信息，用6 月的水稻分類結(jié)果替換8 月的水稻分類結(jié)果，形成農(nóng)作物空間信息監(jiān)督分類結(jié)果。在Arcgis 軟件中，對提取結(jié)果進人工判讀再次分類，對分類不合理的圖斑再次進行合并、拆分修改和編輯，最后形成農(nóng)作物空間信息提取結(jié)果。

3 結(jié)果與分析

2017年種植水稻27.884萬hm2，玉米2.047萬hm2，大豆9.889萬hm2（結(jié)果如圖1 所示）。通過提取結(jié)果與實測驗證點對比分析，驗證結(jié)果顯示面積提取的總體精度達到90%。同江市以種植水稻為主，主要分布在勤得利農(nóng)場、鴨綠江農(nóng)場、青龍山農(nóng)場、濃江農(nóng)場、前進農(nóng)場和洪河農(nóng)場，玉米與大豆間作主要分布在勤得利農(nóng)場靠近河套地區(qū)、金川鄉(xiāng)、銀川鄉(xiāng)、八岔赫哲族鄉(xiāng)、街津口赫哲族鄉(xiāng)、臨江鎮(zhèn)、三村鎮(zhèn)、青河鄉(xiāng)、同江鎮(zhèn)、向陽鎮(zhèn)和樂業(yè)鎮(zhèn)。

圖1 2017 年同江市主要農(nóng)作物空間分布圖

4 結(jié)語

本文通過多時相疊加GF1-WFV 衛(wèi)星數(shù)據(jù)，采用監(jiān)督分類和目視解譯相結(jié)合的半自動化的方法，提取2017 年同江市主要農(nóng)作物空間分布信息，其中種植水稻27.884 萬hm2，玉米2.047 萬hm2，大豆9.889 萬hm2，制圖精度達到90%，因此GF1-WFV 衛(wèi)星數(shù)據(jù)能夠滿足縣級農(nóng)作物空間分布遙感制圖的要求。本文使用的是疊加多時相利用監(jiān)督分類和目視解譯的半自動的制圖方法，影像疊加需要選擇整個生育期內(nèi)的可用影像，導(dǎo)致制圖結(jié)果滯后，半自動輔助人工的方法雖然保證了精度，但制圖時間相對較長，無法滿足實時監(jiān)測的需求。如何利用深度學(xué)習(xí)，實現(xiàn)自動快速制作農(nóng)作物空間分布圖是下一步要解決的問題。