遙感技術(shù)在農(nóng)業(yè)塑料大棚識別中的應用

關(guān)鍵詞：農(nóng)業(yè)塑料大棚；遙感技術(shù)；設施農(nóng)業(yè)

中圖分類號：S126 文獻標識碼：A 文章編號：2095-1795（2023）05-0052-04

DOI：10.19998/j.cnki.2095-1795.2023.05.010

0引言

根據(jù)我國第2次全國農(nóng)業(yè)普查及相關(guān)研究數(shù)據(jù)，2006年全國共有農(nóng)業(yè)塑料大棚78萬hm²，2019年增長至103萬rm²。塑料大棚數(shù)量的顯著增加改變了傳統(tǒng)季節(jié)性糧食生產(chǎn)的方式，大大提高了農(nóng)業(yè)生產(chǎn)力。塑料大棚的擴建也帶來了一系列環(huán)境問題，大棚生產(chǎn)過程中會產(chǎn)生大量鄰苯二甲酸鹽，導致土壤次生鹽堿化；過度施肥會導致土壤酸化和養(yǎng)分失衡，最終導致作物減產(chǎn)。為了合理規(guī)劃農(nóng)業(yè)用地，減少塑料大棚生產(chǎn)帶來的不利影響，保持糧食供給和環(huán)境安全之間的平衡，區(qū)域規(guī)劃者應對農(nóng)業(yè)大棚的空間分布與擴張程度做出及時、準確的判斷。目前，遙感技術(shù)已廣泛應用于農(nóng)業(yè)塑料大棚的空間分布及動態(tài)監(jiān)測，使農(nóng)業(yè)塑料大棚高精度、大尺度、長時序監(jiān)測成為可能。因此，遙感技術(shù)的應用對于農(nóng)業(yè)塑料大棚的科學監(jiān)測與管理及現(xiàn)代農(nóng)業(yè)的可持續(xù)發(fā)展具有重要意義。

近年來，利用遙感技術(shù)識別農(nóng)業(yè)塑料大棚越來越受到重視。國內(nèi)外學者在農(nóng)業(yè)塑料大棚識別中運用了多種遙感技術(shù)方法，從最小分類單元的角度主要有基于像元分類及面向?qū)ο蠓诸?，從?shù)據(jù)源的角度主要有中高分辨率及多源遙感融合影像，從分類器的角度主要有決策樹與支持向量機等常用分類器。

1最小分類單元

1.1基于像元分類法

早期從遙感圖像中提取空間信息一直使用手動方法，但使用傳統(tǒng)攝影測量技術(shù)手動獲取空間信息的速度很慢，并且需要訓練有素的操作人員，因此，該方法經(jīng)濟適用性低。計算機自動分類方法的應用促進了遙感圖像上空間信息的提取。AGUEERA F等采用QuickBird高分影像，以單個像元為最小單元，通過像元的光譜特征識別農(nóng)業(yè)塑料大棚。AGUERA F等在像元光譜的基礎上結(jié)合紋理特征分析改進了基于像元的農(nóng)業(yè)塑料大棚分類方法。AGUERA F等以基于像元的方法，在IKONOS和QuickBird等多種高分影像上提取塑料大棚，提取精度高達90%。ARCIDIACONOC等同樣基于像元對高分影像上的農(nóng)作物進行分類。ARCIDIACONO C等又增加了紋理分析以提高作物分類精度。

1.2面向?qū)ο蠓诸惙?/p>

使用基于像元的分類方法進行高分辨率影像的分類會產(chǎn)生“椒鹽現(xiàn)象”，即影像中存在很多空白點和“噪聲”，由此面向?qū)ο蟮姆诸惙椒ㄖ饾u發(fā)展成型。MANUEL A等在使用GeoEye-1（0.5m）和WorldView-2（0.5m）等高分影像時，采用面向?qū)ο蟮乃芰洗笈锓诸惙椒ㄒ蕴崛∥靼嘌滥喜康貐^(qū)的塑料大棚。AGUILAR M等又采用面向?qū)ο蠓椒?，結(jié)合決策樹技術(shù)識別了西班牙阿爾梅里亞地區(qū)的塑料大棚。WU CF等在Landsat-8圖像中使用面向?qū)ο蠓椒ㄌ崛×耸捝絽^(qū)的塑料大棚，取得了較高的分類精度。TARANTINO E采用面向?qū)ο蠓诸惙椒ǎ褂酶呖臻g分辨率（VHSR）真彩色航空數(shù)據(jù)識別塑料覆蓋的葡萄園。AGUILARMA等為了提高精度，在面向?qū)ο蠓椒ǖ目蚣軆?nèi)提出了一種基于WorldView3（0.31m）影像的優(yōu)化多分辨率分割方法，以識別西班牙阿爾梅里亞地區(qū)的塑料大棚。

1.3基于像元和面向?qū)ο蠓诸惙ū容^

目前，基于像元的分類方法在農(nóng)業(yè)塑料大棚識別領(lǐng)域應用較普遍，然而，仍存在一些制圖問題。首先，基于像元法不適用于提取高分辨率影像信息?；谙裨ǚ诸愄幚頃r的最小單元是像元，主要考慮單個對象的光譜信息，無法快速提取高分辨率遙感影像中的同一地物類別，并且存在同物異譜、異物同譜現(xiàn)象，“椒鹽現(xiàn)象”也十分嚴重。其次，基于像元法無法充分利用幾何、紋理等特征信息。最后，基于像元方法大多側(cè)重于確定農(nóng)業(yè)塑料大棚的現(xiàn)狀，而忽略了對潛在驅(qū)動因素的分析。這種分析有助于加深對農(nóng)業(yè)塑料大棚擴張的理解，并為未來土地利用決策提供科學依據(jù)。

相對于基于像元的分類，面向?qū)ο蠓诸惢谟扇舾蓚€相似像元組合表示的對象，而不是基于單個像元，有效地避免了“椒鹽現(xiàn)象”；可以使用多尺度來優(yōu)化分類過程，避免同物異譜、異物同譜現(xiàn)象，提高影像分類精度；可以充分利用遙感影像的光譜、紋理、幾何信息，提高空間信息利用率。因此，面向?qū)ο蠓ǔ蔀樘幚磙r(nóng)業(yè)塑料大棚影像分類以及信息提取的一個重要趨勢。

2主要遙感數(shù)據(jù)源

遙感影像已廣泛用于不同空間分辨率和時間頻率的農(nóng)業(yè)塑料大棚識別。國內(nèi)外學者常用中分辨率影像、高分辨率影像以多源遙感融合影像進行農(nóng)業(yè)塑料大棚的識別。

2.1中分辨率衛(wèi)星影像

目前農(nóng)業(yè)塑料大棚識別中比較常用的中等分辨率衛(wèi)星影像主要有Landsat系列，哨兵2（Sentinel-2）等，并且都可以免費獲取，分辨率主要為10～30m。YANG Dedi等使用Landsat系列衛(wèi)星影像對山東省濰坊市西北部農(nóng)村地區(qū)進行大規(guī)模農(nóng)業(yè)塑料大棚制圖，總體準確率為91.8%，Kappa系數(shù)為0.83。LUL等提出了一種有效的決策樹分類器，以Landsat TM影像作為源數(shù)據(jù)，提取新疆維吾爾自治區(qū)北部區(qū)域的透明地膜覆蓋物（PML），研究年份的總準確度均gt;85%，而Kappa系數(shù)gt;0.8。ZHANG Peng等以Sentinel-2衛(wèi)星影像為數(shù)據(jù)源，繪制了中國、西班牙、土耳其的塑料大棚地圖，總準確率均gt;90%。

2.2高分辨率衛(wèi)星影像

近年來，使用高空間分辨率影像（0.5～2.0 m）的農(nóng)業(yè)塑料大棚制圖引起了越來越多的關(guān)注。目前農(nóng)業(yè)塑料大棚識別中比較常用的高分辨率衛(wèi)星影像主要有國產(chǎn)高分系列、WorldView系列等。SHIL等利用高分2號衛(wèi)星數(shù)據(jù)繪制山東省德州市禹城市周邊的塑料大棚地圖，精度達到97.34%。ZHANG X等以高分2號衛(wèi)星影像為數(shù)據(jù)源，繪制了山東省壽光市的農(nóng)業(yè)塑料大棚地圖，精度達到97.22%。TASDEMIRK等基于WorldView-2衛(wèi)星影像對土耳其安塔利亞地區(qū)的塑料大棚進行無監(jiān)督提取，Kappa系數(shù)為0.75，總體準確率為87.68%。

2.3多源遙感影像

目前，為實現(xiàn)多種遙感影像的優(yōu)勢互補，多源遙感影像在塑料大棚識別中得到廣泛應用。NOVELLIA等使用Sentinel-2 MSI和Landsat 8 OLI衛(wèi)星數(shù)據(jù)繪制了西班牙阿爾梅里亞地區(qū)的塑料大棚地圖，總體準確率分別為87.9%和93.4%。AGUILAR M A等通過結(jié)合WorldView-2和Landsat 8 OLI衛(wèi)星影像繪制了西班牙阿爾梅里亞地區(qū)的農(nóng)業(yè)塑料大棚地圖，2014年和2015年數(shù)據(jù)集的總體準確率分別為93.0%和93.3%。GONZALEZ-YEBRA OSCAR等結(jié)合存檔的航空正射影像和陸地衛(wèi)星數(shù)據(jù)評估了西班牙阿爾梅里亞地區(qū)的塑料大棚變化情況，總體準確率達到94.2%。

2.4數(shù)據(jù)來源比較

各種分辨率的遙感影像用于農(nóng)業(yè)塑料大棚識別各有優(yōu)缺點。對中分辨率遙感影像而言，可以免費獲取，成本低，可用于長時序監(jiān)測。我國大部分農(nóng)田面積較小，分布較為分散、破碎，使用中分辨率影像提取農(nóng)業(yè)塑料大棚，容易出現(xiàn)混合像元問題，錯分率較高，提取精度不高。而對大面積農(nóng)業(yè)塑料大棚進行識別時，在能達到精度要求的前提下使用中分辨率遙感影像能夠提高計算效率，及時反應大棚的變化情況。因此，中分辨率遙感影像主要適用于識別農(nóng)田面積大、分布集中的地區(qū)。

對高分辨率遙感影像而言，混合像元數(shù)量較少，也可以提供更詳細的空間結(jié)構(gòu)特征和紋理信息，有效提高分類精度。因此，高分辨率影像有利于刻畫小面積地物的空間結(jié)構(gòu)及紋理特征，適用于小區(qū)域、高精度農(nóng)業(yè)塑料大棚提取。若使用高分辨率影像識別大尺度塑料大棚，會存在成本高、數(shù)據(jù)量及工作量過大等問題，并且由于高分辨率影像的光譜分辨率較低，易出現(xiàn)“同譜異物”現(xiàn)象。對多源遙感影像而言，可以有效解決以上所述的單一遙感數(shù)據(jù)在大棚識別中產(chǎn)生的問題，實現(xiàn)多種遙感影像的優(yōu)勢互補，提高大棚提取精度。哈斯圖亞分別使用單一遙感影像與多源遙感影像提取河北省冀州市的地膜，發(fā)現(xiàn)多源遙感影像在總體識別精度、制圖精度、用戶精度方面均高于單一遙感影像。此外，多源遙感數(shù)據(jù)可以有效填補光學遙感數(shù)據(jù)因受天氣影響導致數(shù)據(jù)缺失的空白，為監(jiān)測農(nóng)業(yè)塑料大棚的動態(tài)變化提供了數(shù)據(jù)支撐。

3主要分類器

在農(nóng)業(yè)塑料大棚識別中常用的非參數(shù)監(jiān)督分類器包括支持向量機和決策樹。

3.1支持向量機

KOCSAN D等以WorldView-2衛(wèi)星影像為數(shù)據(jù)源，使用支持向量機分類器探測土耳其庫姆盧卡地區(qū)的塑料大棚，總準確率90.28%。MANUEL A等以GeoEye-1和WorldView-2衛(wèi)星影像為數(shù)據(jù)源，使用支持向量機分類器探測西班牙阿爾梅里亞地區(qū)的農(nóng)業(yè)塑料大棚，總準確率接近90%。

3.2決策樹

LU L等以Landsat-5 TM影像為數(shù)據(jù)源，提出了一種用于提取新疆維吾爾自治區(qū)塑料地膜的決策樹分類器，研究年份的總精度均gt;85%。AGUILARMA等以WorldView-2和Landsat 8衛(wèi)星影像為數(shù)據(jù)源，結(jié)合面向?qū)ο蠓诸惻c決策樹分類，繪制西班牙阿爾梅里亞地區(qū)的農(nóng)業(yè)塑料大棚地圖，總準確率達到93%以上。

3.3分類器比較

決策樹分類法是一種多元統(tǒng)計分類方法，具有能高效分割遙感影像特征空間的優(yōu)勢，對缺失數(shù)據(jù)不敏感，適用于數(shù)據(jù)量大的情況，并且分類精度較高，能有效提高農(nóng)業(yè)塑料大棚分類精度。在規(guī)則適當提取的前提下，決策樹分類法比傳統(tǒng)分類方法的準確率要高。缺點是容易過度擬合數(shù)據(jù)，需要從大量樣本中選出最能具代表性的樣本集。

支持向量機是一種新型計算機算法，與決策樹分類法相比，支持向量機在小樣本學習、學習效率等方面效果較好。支持向量機適用于數(shù)據(jù)量小的情況，但分類精度較低。決策樹分類器比支持向量機分類器的分類精度高、具有更強的泛化能力與抗噪聲能力，因此，決策樹分類器在農(nóng)業(yè)塑料大棚識別領(lǐng)域中應用的更加廣泛。

4結(jié)束語

遙感技術(shù)在農(nóng)業(yè)塑料大棚識別領(lǐng)域的全面應用，推進了我國的農(nóng)業(yè)現(xiàn)代化進程。相較于傳統(tǒng)費時費力的實地考察方式，遙感技術(shù)具有成本低、時效性強、覆蓋范圍廣和精確度高等優(yōu)點，為大棚信息自動化提取提供了極大的便利，在農(nóng)業(yè)塑料大棚監(jiān)測與管理方面發(fā)揮著重要作用。雖然遙感技術(shù)應用于農(nóng)業(yè)塑料大棚識別領(lǐng)域已取得了巨大的成果，但仍存在一些缺陷，如物候變化及周圍地表的復雜性等因素會對制圖精度造成負面影響，并且單源單時相遙感影像難以清晰反映農(nóng)業(yè)塑料大棚的長期動態(tài)變化情況。對此，要加強對大棚遙感識別技術(shù)的要求，將大棚光譜特征與紋理結(jié)構(gòu)特征有機結(jié)合，融合多個分類器，使不同的分類器優(yōu)勢互補，從而提高分類精度，最重要的是要加強多源多時相遙感影像的應用，發(fā)展新的數(shù)據(jù)融合算法，充分發(fā)掘多源多時相遙感數(shù)據(jù)在農(nóng)業(yè)塑料大棚識別中的時空譜優(yōu)勢，使其在農(nóng)業(yè)塑料大棚識別領(lǐng)域朝著更高效、更精確、更實用的方向發(fā)展，從而為農(nóng)業(yè)管理及環(huán)境保護提供必要的科學信息，促進農(nóng)業(yè)可持續(xù)發(fā)展。