基于多源異構(gòu)數(shù)據(jù)的糧食作物種植面積提取

李國(guó)庭，王德強(qiáng)，趙德良，李濼，劉昊，王元美，何孟橋

(山東省地質(zhì)測(cè)繪院，山東 濟(jì)南 250002)

0 引言

隨著ZY-3、02C、GF-1和GF-2等國(guó)產(chǎn)衛(wèi)星的成功發(fā)射及其影像數(shù)據(jù)的免費(fèi)應(yīng)用，大大降低了大范圍農(nóng)情遙感監(jiān)測(cè)的數(shù)據(jù)成本，并提高了農(nóng)情監(jiān)測(cè)的時(shí)效性[1-11]。

近年來(lái)，隨著高空間分辨率遙感數(shù)據(jù)的方便獲取，已有許多高分遙感影像數(shù)據(jù)監(jiān)測(cè)小麥、玉米、大豆等農(nóng)作物種植面積的成功案例[2-5]。但是單獨(dú)利用高分遙感影像對(duì)農(nóng)作物進(jìn)行識(shí)別和分類存在很大的不足。傳統(tǒng)的遙感信息分類和提取，主要體現(xiàn)在：目前的方法適合于單一作物大面積耕種的平原地區(qū)，不適合山區(qū)破碎地塊；對(duì)農(nóng)作物種類識(shí)別，光譜或影像相近的，識(shí)別的差錯(cuò)率較大；判讀出來(lái)的圖斑邊界與實(shí)地不符，精度較差，不能精確的測(cè)算糧食種植面積和種類。

因此，本文提出一種基于空地一體的多源異構(gòu)數(shù)據(jù)融合的糧食作物識(shí)別技術(shù)，創(chuàng)新性地將國(guó)產(chǎn)高分辨率衛(wèi)星影像數(shù)據(jù)和多源測(cè)繪地理信息數(shù)據(jù)進(jìn)行融合，建立一種快速提取糧食作物的種類和面積的技術(shù)流程。

1 研究現(xiàn)狀

1.1 國(guó)內(nèi)外研究情況

目前國(guó)內(nèi)外對(duì)作物面積遙感提取方法中，常見(jiàn)的方法包括目視解譯及其各種監(jiān)督分類法，還引入了面向?qū)ο筇崛『投鄷r(shí)相分析等新方法。遙感監(jiān)督分類法是在一定數(shù)量樣本的基礎(chǔ)上自動(dòng)提取農(nóng)作物種植面積。此外，隨著高時(shí)間分辨率衛(wèi)星數(shù)據(jù)產(chǎn)品的出現(xiàn)，多時(shí)相分析方法獲得了廣泛的應(yīng)用。該方法的主要原理是利用不同類型作物生長(zhǎng)的物候特征，與同時(shí)期遙感影像信息的時(shí)相變化規(guī)律比對(duì)從而識(shí)別不同農(nóng)作物類型。數(shù)據(jù)融合的技術(shù)關(guān)鍵在于選擇適當(dāng)?shù)娜诤纤惴?，最大限度地利用多源遙感數(shù)據(jù)中的有用信息[7]。在中國(guó)南方地區(qū)，農(nóng)作物類型多樣、種植結(jié)構(gòu)復(fù)雜等問(wèn)題普遍存在，MODIS影像受低空間分辨率的限制會(huì)產(chǎn)生大量混合像元問(wèn)題[11]。無(wú)法滿足農(nóng)田景觀破碎地區(qū)的作物制圖精度需求，因此亟需補(bǔ)充具有中高空間分辨率的長(zhǎng)時(shí)序遙感影像源來(lái)提高作物提取的準(zhǔn)確性[12]。目前基于，高分遙感影像對(duì)農(nóng)作物提取區(qū)域主要是單一作物(如水稻、小麥等)的平原地區(qū)，且對(duì)糧食作物種類識(shí)別差錯(cuò)率較大，圖斑邊界與實(shí)地不符，不能精確的測(cè)算糧食作物種植面積和種類。

1.2 我國(guó)遙感發(fā)展情況

遙感是一種遠(yuǎn)距離探測(cè)和識(shí)別技術(shù)，它可以準(zhǔn)確及時(shí)地獲取農(nóng)業(yè)資源和農(nóng)業(yè)生產(chǎn)信息，是傳統(tǒng)農(nóng)業(yè)向信息農(nóng)業(yè)過(guò)渡的主要技術(shù)方法[1]。糧食作為最基本的生活物資，供求關(guān)系的變化直接關(guān)系人類生命安全，維系著國(guó)計(jì)民生。中國(guó)作為世界人口大國(guó)，必須始終把握維護(hù)國(guó)家糧食安全的主動(dòng)權(quán)。

我國(guó)的衛(wèi)星遙感事業(yè)在2012年后突飛猛進(jìn)，陸續(xù)發(fā)射了多種衛(wèi)星，包含了光學(xué)衛(wèi)星、雷達(dá)衛(wèi)星、高光譜衛(wèi)星，衛(wèi)星遙感技術(shù)已經(jīng)處于世界先進(jìn)行列。GF-6衛(wèi)星的成功發(fā)射，標(biāo)志著我國(guó)高分專項(xiàng)打造的高空間分辨率、高時(shí)間分辨率、高光譜分辨率的對(duì)地觀測(cè)能力顯著增強(qiáng)，最有應(yīng)用特色的高光譜能力已形成。GF-6是中國(guó)首顆多光譜攜帶紅邊波段的農(nóng)業(yè)遙感衛(wèi)星[13]。吉林一號(hào)利用遙感數(shù)據(jù)的可見(jiàn)光、近紅外和短波紅外波段，輔以土地利用現(xiàn)狀數(shù)據(jù)、地面調(diào)查數(shù)據(jù)、農(nóng)業(yè)歷史統(tǒng)計(jì)數(shù)據(jù)，通過(guò)分析各類農(nóng)作物在不同物候期的光譜特征、紋理特征，快速進(jìn)行農(nóng)作物種植結(jié)構(gòu)識(shí)別[8]。

2 技術(shù)方法

2.1 研究區(qū)概況

莒縣地處魯東南地區(qū)，位于日照市西部，面積1821km2，管轄20個(gè)鄉(xiāng)鎮(zhèn)(街道)和1處省級(jí)經(jīng)濟(jì)開發(fā)區(qū)，人口110萬(wàn)?？h域南北長(zhǎng)75.6km，東西寬37.4km，總面積1821km2。莒縣總體地勢(shì)北高南低，地形復(fù)雜多樣，四周環(huán)山，中間丘陵、平原、洼地相接。

2.2 分類方法

2.2.1 數(shù)據(jù)分析

遙感圖像處理采用美國(guó)ENVI5.1遙感圖像處理與分析平臺(tái),包括波段組合、圖像融合、幾何校正、多功能增強(qiáng)等環(huán)境地質(zhì)信息提取[14]。GF-1衛(wèi)星的WFV傳感器16m分辨率的影像已在農(nóng)業(yè)領(lǐng)域廣泛應(yīng)用[15]。將遙感影像加載到影像處理軟件中，根據(jù)遙感影像上的紋理、色調(diào)，參照遙感解譯標(biāo)志判讀圖斑種植類型，大體勾繪出種植邊界。作業(yè)完成后檢查人員對(duì)糧食作物分類和種植面積提取情況進(jìn)行檢核。研究人員對(duì)勾繪圖斑進(jìn)行外業(yè)檢查，依據(jù)GNSS設(shè)備現(xiàn)場(chǎng)測(cè)量，成圖后進(jìn)行對(duì)比，發(fā)現(xiàn)邊界精度較差，中誤差高達(dá)5m，導(dǎo)致面積測(cè)算不準(zhǔn)確，通過(guò)統(tǒng)計(jì)分析得出，平均準(zhǔn)確率僅為78.30%(圖1，表1)。

圖1 常規(guī)方法影像解譯情況

表1 糧食作物面積提取準(zhǔn)確率統(tǒng)計(jì)情況

利用矢量的多尺度分割未能把草地與耕地較好地分離開，影響信息提取的準(zhǔn)確性，圖斑采集范圍也不準(zhǔn)確。以遙感影像為基礎(chǔ)，結(jié)合第三次國(guó)土調(diào)查、基礎(chǔ)性地理省情監(jiān)測(cè)、數(shù)字城市、農(nóng)村土地承包經(jīng)營(yíng)權(quán)確權(quán)登記頒證等項(xiàng)目成果數(shù)據(jù)，通過(guò)多源異構(gòu)地理信息數(shù)據(jù)融合的方式，提高了特征提取的準(zhǔn)確度。用最新測(cè)算三調(diào)坡度數(shù)據(jù)，精確計(jì)算糧食作物地塊面積。第三次國(guó)土調(diào)查坡度數(shù)據(jù)是以高精度數(shù)字高程模型(DEM)數(shù)據(jù)制作坡度圖，進(jìn)而計(jì)算田坎系數(shù)，用數(shù)據(jù)處理軟件對(duì)形成的地塊數(shù)據(jù)進(jìn)行坡度賦值，精確計(jì)算每個(gè)地塊的測(cè)量面積和扣除面積，分割效果見(jiàn)圖2，坡度見(jiàn)圖3。

圖2 矢量參與分割效果圖

1—一級(jí)；2—二級(jí)；3—三級(jí)；4—四級(jí)；5—五級(jí)圖3 坡度圖

2.2.2 分類方法

以遙感影像紋理、低空無(wú)人機(jī)拍照、部分區(qū)域三維建模相結(jié)合的方式建立大量解譯樣本，有助于內(nèi)業(yè)更好識(shí)別地物，更直觀、便捷的作業(yè)。使用遙感影像解譯軟件，依靠大量解譯樣本對(duì)影像進(jìn)行自動(dòng)化處理，最后再人工干預(yù)處理，節(jié)省大量人力、物力，極大提高工作效率。步驟主要為：①建立遙感影像解譯樣本，根據(jù)影像紋理和色澤判斷糧食作物范圍。②針對(duì)地塊破碎程度大、作物種類多的復(fù)雜區(qū)域，使用無(wú)人機(jī)航飛，生成實(shí)景三維模型，一是可增加復(fù)雜區(qū)域樣本，二是方便作業(yè)人員了解現(xiàn)場(chǎng)情況，三是可為客戶提供可視化成果。③根據(jù)在縣農(nóng)業(yè)局收集的歷年糧食作物種植類型和面積分布資料，并實(shí)地調(diào)研，設(shè)計(jì)全縣不同作物類型樣本采樣點(diǎn)位置和數(shù)量，用無(wú)人機(jī)超低空攝影，拍攝高清晰航空照片，建立大量不同類型高清解譯樣本。④將樣本數(shù)據(jù)匯總，利用遙感影像解譯軟件，使用人工干預(yù)和軟件自動(dòng)化解析相結(jié)合的方式，基于大量解譯樣本對(duì)該區(qū)域影像進(jìn)行深度學(xué)習(xí)，節(jié)省大量人力、物力，極大提高工作效率。

3 結(jié)果與分析

3.1 研究結(jié)果

通過(guò)多源影像和多種地理信息數(shù)據(jù)融合的方式，分析糧食作物種植類別，準(zhǔn)確確定糧食作物種植邊界，解決了高分遙感影像在確定糧食作物類別不準(zhǔn)確，邊界精度低的問(wèn)題，現(xiàn)階段創(chuàng)新了糧食作物識(shí)別及面積量算關(guān)鍵技術(shù)和方法。

3.2 精度評(píng)價(jià)

糧食作物的面積提取精度評(píng)價(jià)是指根據(jù)實(shí)測(cè)的數(shù)據(jù)與分類提取結(jié)果，以便確定分類過(guò)程的準(zhǔn)確程度的方法。組織研究人員進(jìn)行檢查，對(duì)基于多源地理信息融合方法處理后的糧食作物地塊(水稻、蔬菜、西瓜、玉米、休耕地)進(jìn)行驗(yàn)證，采用GNSS設(shè)備，經(jīng)過(guò)批量抽樣檢查，結(jié)合AutoCAD、ArcMap10．2等軟件，進(jìn)行了面積統(tǒng)計(jì)誤差計(jì)算。本研究采用總體精度評(píng)價(jià)，根據(jù)外業(yè)平面測(cè)量的面積數(shù)據(jù)進(jìn)而使用坡度數(shù)據(jù)(圖3)，精確計(jì)算每個(gè)地塊的測(cè)量面積和扣除面積，最終結(jié)果顯示各地類面積誤差都較小，全部都小于1%，統(tǒng)計(jì)情況見(jiàn)表2。

表2 分類面積與實(shí)際面積統(tǒng)計(jì)情況

4 討論

目前國(guó)內(nèi)外對(duì)糧食作物面積遙感提取方法除了常規(guī)的目視解譯及其監(jiān)督分類法外，還引入了面向?qū)ο筇崛『投鄷r(shí)相分析等新方法[7]。傳統(tǒng)提取方法主要依靠人工，采用目視解譯的方法。不僅能效低，而且精度取決于作業(yè)員的經(jīng)驗(yàn)值和傾向性[16]。遙感監(jiān)督分類法，是計(jì)算機(jī)自動(dòng)提取農(nóng)作物種植面積經(jīng)常使用的一種手段。高時(shí)間分辨率衛(wèi)星影像數(shù)據(jù)產(chǎn)品的出現(xiàn)，對(duì)于多時(shí)相的分析方法，在業(yè)界獲得了廣泛的應(yīng)用。遙感監(jiān)督分類方法的主要原理是根據(jù)不同類型作物生長(zhǎng)的物候特征，與同時(shí)期高分遙感影像信息的時(shí)相變化規(guī)律，進(jìn)行不同農(nóng)作物類型的識(shí)別?；诟叻诌b感影像對(duì)農(nóng)作物提取區(qū)域大都為單一作物(如水稻、小麥等)的平原地區(qū)，且對(duì)糧食作物種類識(shí)別差錯(cuò)率較大，圖斑邊界與實(shí)地不符，不能精確地測(cè)算糧食作物種植面積和種類[2]。

遙感技術(shù)具有快速、實(shí)時(shí)、信息量大等優(yōu)點(diǎn)[17]。利用遙感技術(shù)可以快速的、大范圍、全面的獲取地表信息[18]。本研究充分發(fā)揮多源異構(gòu)數(shù)據(jù)的優(yōu)勢(shì)，提出了利用多時(shí)段、多源地理信息數(shù)據(jù)融合的方式，進(jìn)行糧食作物種類識(shí)別，有效地彌補(bǔ)了遙感影像在糧食作物識(shí)別方面的缺點(diǎn)，極大地提高了糧食作物種類識(shí)別和調(diào)查面積的準(zhǔn)確率。對(duì)于指導(dǎo)國(guó)家宏觀方面的農(nóng)業(yè)生產(chǎn)、制定農(nóng)業(yè)政策、規(guī)范農(nóng)業(yè)管理等各方面具有重要的現(xiàn)實(shí)意義。傳統(tǒng)的糧食作物種植結(jié)構(gòu)統(tǒng)計(jì)方法大多是實(shí)地調(diào)查，存在主觀性強(qiáng)，持續(xù)時(shí)間長(zhǎng)，耗費(fèi)人力、物力、財(cái)力等問(wèn)題，此次研究實(shí)現(xiàn)了糧食作物面積快速精準(zhǔn)監(jiān)測(cè)，為政府決策提供扎實(shí)的數(shù)據(jù)支撐。

5 結(jié)論

本研究以日照市莒縣為研究區(qū)域，融合該區(qū)域多源數(shù)據(jù)信息，利用深度學(xué)習(xí)等方法，基于多時(shí)相、多源異構(gòu)數(shù)據(jù)進(jìn)行分析研究，進(jìn)行了該區(qū)域不同農(nóng)作物種植面積提取。

(1)以國(guó)產(chǎn)“高分六號(hào)”和“吉林一號(hào)”遙感影像為基礎(chǔ)，疊加國(guó)土調(diào)查、省情監(jiān)測(cè)等航空正射影像，結(jié)合第三次國(guó)土調(diào)查、省情監(jiān)測(cè)、農(nóng)村土地承包經(jīng)營(yíng)權(quán)數(shù)據(jù)庫(kù)矢量成果，準(zhǔn)確確定糧食作物種植邊界，對(duì)精度進(jìn)行了評(píng)價(jià)，結(jié)果表明該種方法可以顯著提高農(nóng)作物分類精度，多源數(shù)據(jù)融合后的研究區(qū)農(nóng)作物分類精度誤差僅為0.37%。

(2)利用遙感影像紋理、低空無(wú)人機(jī)拍照、部分區(qū)域三維建模相結(jié)合方式，創(chuàng)新樣本解譯方法，使用遙感解譯軟件，對(duì)多時(shí)相、多類別的影像進(jìn)行深度學(xué)習(xí)，優(yōu)化了糧食作物種類識(shí)別和種植面積量算技術(shù)，提高了作為種類識(shí)別準(zhǔn)確性的種植面積量算精確性。