沂蒙山區(qū)金銀花種植的遙感動(dòng)態(tài)監(jiān)測(cè)

劉懿瑩,孫 莉,厲彥玲

(山東農(nóng)業(yè)大學(xué)信息科學(xué)與工程學(xué)院,山東 泰安 271018)

0 引 言

金銀花是沂蒙山區(qū)傳統(tǒng)的正宗藥材,種植歷史悠久。山東省平邑縣是農(nóng)業(yè)農(nóng)村部命名的 “中國(guó)金銀花之鄉(xiāng)”,是公認(rèn)的金銀花原產(chǎn)地和主產(chǎn)區(qū),也是中國(guó)最大的金銀花集散地。2019年3月,該縣啟動(dòng)了《平邑金銀花志》的編修工作。利用衛(wèi)星遙感數(shù)據(jù)對(duì)中草藥材的種植面積進(jìn)行監(jiān)測(cè)是遙感領(lǐng)域一個(gè)新的應(yīng)用方向[1]。遙感技術(shù)具有覆蓋面積大、監(jiān)測(cè)方法經(jīng)濟(jì)有效、數(shù)據(jù)更新周期短等一系列優(yōu)點(diǎn),將其應(yīng)用于快速監(jiān)測(cè)金銀花種植的分布和動(dòng)態(tài)變化,可以為相關(guān)部門(mén)指導(dǎo)金銀花的合理種植提供決策依據(jù)。

國(guó)內(nèi)外先后利用多種遙感數(shù)據(jù)在不同尺度下對(duì)作物種植面積的監(jiān)測(cè)進(jìn)行了大量研究。Pervez等利用中分辨率成像光譜儀獲取的NDVI數(shù)據(jù)提取出2000-2013年阿富汗地區(qū)作物種植面積[2]。Ning等利用基于時(shí)間序列的NDVI遙感影像,提取出山西省半干旱丘陵區(qū)的小麥種植面積[3]。Belgiu等采用Sentinel-2多光譜傳感器數(shù)據(jù),研究通過(guò)時(shí)間加權(quán)動(dòng)態(tài)時(shí)間規(guī)整算法,研究其在農(nóng)作物分類(lèi)的應(yīng)用效果[4]。Zhang等提出利用 Landsat-8 OLI遙感影像的時(shí)間序列以及物候參數(shù)的融合數(shù)據(jù),提取多云雨地區(qū)的水稻種植面積[5]。Turner等利用3個(gè)時(shí)相的 SPOT影像,通過(guò)采用非監(jiān)督分類(lèi)與監(jiān)督分類(lèi)相結(jié)合的方法,從而獲取較高精度的位于非洲半干旱地區(qū)的水稻作物分布圖[6]。Luiz等通過(guò)遙感分層抽樣對(duì) 2005-2006 年度巴西的南里奧格蘭德市地區(qū)的大豆進(jìn)行分類(lèi),獲取研究區(qū)大豆種植面積和數(shù)量,與實(shí)際統(tǒng)計(jì)結(jié)果進(jìn)行對(duì)比,達(dá)到了比較高的精度[7]。

國(guó)內(nèi)在作物遙感監(jiān)測(cè)方面已做過(guò)大量的研究工作,并有業(yè)務(wù)化運(yùn)行的農(nóng)作物監(jiān)測(cè)系統(tǒng)。楊邦杰等分析遙感技術(shù)是經(jīng)濟(jì)作物種植監(jiān)測(cè)中最基本常用的輔助技術(shù),衛(wèi)星遙感技術(shù)監(jiān)測(cè)作物種植以及生產(chǎn)情況能快速方便地獲取相關(guān)處理數(shù)據(jù),節(jié)省人力物力[8]。陳仲新等認(rèn)為作物種植面積監(jiān)測(cè)是通過(guò)研究空間分布情況以及監(jiān)測(cè)種植信息,利用多傳感器的遙感影像所記錄的地球表面信息統(tǒng)計(jì)種植面積[9]。戴晨曦等提出了一種新的方法即基于空間分辨率的多光譜遙感影像的三七種植區(qū)的提取方法,利用DEM中的高程值進(jìn)而來(lái)增強(qiáng)大棚與山區(qū)的陰影及平地部分的人工地物的區(qū)分度,并利用NDVI來(lái)增強(qiáng)大棚與水體的差異性[1]。鄧榮鑫等利用一種監(jiān)測(cè)技術(shù)即基于時(shí)間序列的植被指數(shù)多時(shí)相數(shù)據(jù)分類(lèi)技術(shù)來(lái)監(jiān)測(cè)作物的生長(zhǎng)過(guò)程,分析其生長(zhǎng)規(guī)律以及遙感響應(yīng)特征,制定遙感提取規(guī)則[10]。唐文瀾等提出了基于NDVI的雙時(shí)差值的油菜面積信息提取的方法提取油菜面積[11]。湯斌通過(guò)修改水稻提取算法參數(shù),使得MODIS數(shù)據(jù)水稻種植面積提取與其統(tǒng)計(jì)數(shù)據(jù)持平[12]。張微微通過(guò)原始遙感影像校正并結(jié)合目視解譯的監(jiān)督分類(lèi)等,針對(duì)CBRES CCD數(shù)據(jù)探討了水稻種植面積監(jiān)測(cè)方面的應(yīng)用潛力[13]。田海峰等構(gòu)建一種新的冬小麥決策樹(shù)分類(lèi)模型,分別基于決策樹(shù)分類(lèi)模型以及IsoData非監(jiān)督分類(lèi)模型,對(duì)比分析GF-1 PMS影像及同時(shí)期的Landsat-8 OLI影像在冬小麥種植面積提取上的精度[14]。

由上述分析可知,目前關(guān)于金銀花種植監(jiān)測(cè)的研究還很少。本文利用最佳時(shí)相的Landsat-8 OLI遙感影像提取沂蒙山區(qū)平邑縣金銀花種植區(qū),對(duì)2013-2018年種植情況進(jìn)行動(dòng)態(tài)監(jiān)測(cè),并對(duì)監(jiān)測(cè)結(jié)果進(jìn)行分析。

整體思路為:首先通過(guò)統(tǒng)計(jì)資料和野外調(diào)查,分析平邑縣金銀花的主要種植區(qū)基地,深入了解該區(qū)域金銀花的空間分布規(guī)律,為金銀花的遙感監(jiān)測(cè)做好數(shù)據(jù)準(zhǔn)備工作;其次,選擇時(shí)相適宜、影像清晰、反差適中、有利于解譯各類(lèi)地物的遙感影像數(shù)據(jù);再對(duì)數(shù)據(jù)進(jìn)行輻射定標(biāo)、大氣校正、幾何校正、拼接、裁剪等預(yù)處理,以便正確利用遙感影像的時(shí)、空、譜信息;然后選擇金銀花種植樣區(qū)分析其光譜特征,建立模型自動(dòng)提取種植區(qū),計(jì)算其面積,并進(jìn)行精度評(píng)價(jià);最后,實(shí)現(xiàn)金銀花種植的動(dòng)態(tài)監(jiān)測(cè)。

1 材料與方法

1.1 研究區(qū)概況

山東省平邑縣位于蒙山西南部,介于東經(jīng)117°25′～117°56′,北緯35°07′～35°43′之間,總面積1 825 km2,如圖1所示?？h境內(nèi)地勢(shì)南北高,中間低,略向東南傾斜,可劃分為北部中山林牧區(qū)、中部平原糧菜區(qū)和南部低山油林區(qū)3個(gè)區(qū)域[15]。該縣地處北溫帶的偏東南部,屬季風(fēng)區(qū)域大陸性氣候,具有冬季寒冷、夏季炎熱、光照充足、無(wú)霜期長(zhǎng)的特點(diǎn),適宜金銀花的生長(zhǎng)。

圖1 研究區(qū)域位置

金銀花是平邑縣的特色產(chǎn)業(yè)。全縣90% 以上的村莊種植金銀花,并且建立了眾多的金銀花標(biāo)準(zhǔn)化種植基地:北部有位于洪河村的北花一號(hào)金銀花基地、仲村鎮(zhèn)云頭山的魯蒙生態(tài)種植基地,中部有小井村的騰飛四季金銀花苗木基地、蒙山大道的金銀花苗木基地、流峪鎮(zhèn)鑫城村的澳東生態(tài)種植實(shí)驗(yàn)基地、小井村的農(nóng)豐樹(shù)形專(zhuān)業(yè)合作社、潘家井村的東旭專(zhuān)業(yè)合作社,南部有位于三合一村的魯峪一號(hào)基地、卞橋鎮(zhèn)東卞橋村東嶺的匯豐金銀花基地、鄭城中橋的金地專(zhuān)業(yè)合作社、卞橋鎮(zhèn)的路源生態(tài)種植基地、卞橋鎮(zhèn)的東康金銀花種植基地、鄭城鎮(zhèn)張莊村的中科種植專(zhuān)業(yè)合作社、鄭城鎮(zhèn)鄭城村的盛涵金銀花種植專(zhuān)業(yè)合作社。其中,尤其以鄭城鎮(zhèn)、流峪鎮(zhèn)生產(chǎn)的金銀花最負(fù)盛名。

1.2 數(shù)據(jù)源與預(yù)處理

選擇最佳時(shí)相的遙感影像是作物面積遙感監(jiān)測(cè)的關(guān)鍵環(huán)節(jié)之一。通常要求遙感影像具有適宜的空間分辨率,同時(shí)研究對(duì)象與其他地物的光譜特征差異最大[5]。此外,還要求影像無(wú)云、少云。

本文選取2013年至2018年的Landsat-8遙感影像,OLI陸地成像儀包括9個(gè)波段多光譜影像,空間分辨率為30 m。表1是各遙感影像數(shù)據(jù)信息。

表1 平邑縣Landsat影像數(shù)據(jù)信息

平邑縣Landsat影像數(shù)據(jù)的條帶號(hào)是121,行編號(hào)是35、36。本文采用先裁剪后校正的方法,36行在平邑縣區(qū)域部分占比很小,且本文所選數(shù)據(jù)在裁剪完成后云量幾乎沒(méi)有,因此表1中36行的數(shù)據(jù)看起來(lái)云量較多但對(duì)金銀花種植區(qū)提取無(wú)影響。

金銀花一年中多次開(kāi)花,開(kāi)花期可達(dá)5個(gè)月,一般第一茬花花量大,花期集中。由于各個(gè)地區(qū)的氣候以及氣溫的不同,金銀花的花期從南到北逐漸推遲,平邑縣金銀花第一茬花花期一般是在5月上旬到6月中旬。為了全面客觀地了解遙感影像特征,筆者比較了不同時(shí)相的影像,發(fā)現(xiàn)4月份平邑縣內(nèi)金銀花信息極為罕見(jiàn),表明此時(shí)的金銀花大多尚未開(kāi)放,影像反映的主要是其生境(如土壤)等地物信息;7月份金銀花信息也比較弱,難以將金銀花與其他植被區(qū)分開(kāi)來(lái)。通過(guò)分析5、6月份影像發(fā)現(xiàn),金銀花與建筑物、水體等非植被區(qū)在影像色調(diào)、光譜特征以及 NDVI 指數(shù)等方面都具有明顯差異,金銀花的第四波段大于第三波段,而非植被區(qū)的第四波段小于第三波段。綜合考慮,筆者認(rèn)為平邑縣內(nèi)金銀花遙感監(jiān)測(cè)的最佳時(shí)相在5月底左右。除遙感影像外,本文還用到國(guó)家基礎(chǔ)地理信息中心公布的1∶400萬(wàn)平邑縣行政區(qū)劃矢量數(shù)據(jù)、DEM數(shù)據(jù)等。

數(shù)據(jù)預(yù)處理主要包括遙感影像輻射定標(biāo)、幾何校正、拼接、裁剪、Modtran大氣校正等。將2013年至2018年的遙感影像數(shù)據(jù)分別進(jìn)行上述預(yù)處理,得到各時(shí)相的地表反射率影像。

1.3 基于決策樹(shù)監(jiān)測(cè)金銀花種植情況

通過(guò)對(duì)NDVI值的時(shí)序性分析,了解時(shí)序特性,找出有效的區(qū)分不同類(lèi)別的方法,選擇合適的閾值進(jìn)行決策樹(shù)分類(lèi)[16]。利用決策樹(shù)分類(lèi)法取得的結(jié)論更加準(zhǔn)確、直觀、利于理解、計(jì)算相對(duì)比較簡(jiǎn)單等,相比其他方法有很大的優(yōu)勢(shì),可以提高遙感影像分類(lèi)的精確度[17]。本文建立的決策樹(shù)如圖2所示。

圖2 金銀花種植區(qū)提取決策樹(shù)

研究區(qū)內(nèi)主要地物類(lèi)型有金銀花、道路、居民地、水體、裸地、其他植被等,通過(guò)大量樣區(qū)分析,發(fā)現(xiàn)影像中金銀花、部分道路以及其他植被的NDVI值大于0.3,其他地物的NDVI值均在這一閾值之下。通過(guò)NDVI閾值構(gòu)造模型的第一層,實(shí)現(xiàn)金銀花的粗分類(lèi)。其中部分道路會(huì)錯(cuò)分為金銀花,主要是因?yàn)榈缆返膶挾扔绊懥怂谟跋裆系奶卣?道路如果過(guò)窄,其光譜特征很容易受到周?chē)疸y花光譜特征的影像,表現(xiàn)為混合像元特征,因此其N(xiāo)DVI值大于0.3;其他植被會(huì)錯(cuò)分為金銀花,是因?yàn)榇藭r(shí)一般綠色植被區(qū)的NDVI范圍是0.2～0.8,影像上的其他植被呈現(xiàn)綠色,其N(xiāo)DVI值可能大于0.3。

本文采用目視解譯法識(shí)別典型的金銀花種植樣區(qū),即平邑縣眾多的金銀花標(biāo)準(zhǔn)化種植基地。通過(guò)查看金銀花等各種地物在各個(gè)波段上的光譜值,進(jìn)行光譜特征分析,在確定各個(gè)波段閾值時(shí),多次利用二分法,逐步建立一種新的決策樹(shù)模型。筆者在進(jìn)行光譜特征分析時(shí)發(fā)現(xiàn)金銀花在影像中第1波段地表反射率<0.123、第2波段地表反射率<0.109、第3波段地表反射率<0.156、第4波段地表反射率<0.185,那些錯(cuò)分為金銀花的部分道路、其他植被則不同。實(shí)地調(diào)查發(fā)現(xiàn)平邑縣道路兩旁以及田野附近種植楊樹(shù)比較多,需要將楊樹(shù)與金銀花區(qū)分,觀察圖像處理軟件自帶的波譜庫(kù)發(fā)現(xiàn)楊樹(shù)第1波段反射率>0.123,由此將楊樹(shù)與金銀花區(qū)分出來(lái)。第一層方案中已將大部分道路分出來(lái),剩下的部分道路主要鋪面材料是水泥沙地和褐色地,它們的反射波譜特征曲線形狀大體相似,褐色地的反射率低于水泥沙地,而褐色地的第2波段地表反射率>0.109,由此能將道路和金銀花區(qū)分出來(lái)。由于葉綠素對(duì)綠色反射作用強(qiáng),植被的反射光譜曲線在第3波段有一個(gè)0.1～0.2的波峰,金銀花的波峰值為0.156,而玉米等植被波峰值>0.156,由此可以將金銀花與其他植被區(qū)分出來(lái)。由此,構(gòu)造決策樹(shù)模型的第二層方案,實(shí)現(xiàn)金銀花與部分道路、其他植被的分離。

在利用決策樹(shù)模型進(jìn)行分類(lèi)完成后,得到的結(jié)果中不可避免會(huì)產(chǎn)生一些面積很小的圖斑,即孤立像元或者線狀地物出現(xiàn)斷點(diǎn)。目前常用的分類(lèi)后處理方法有聚類(lèi)統(tǒng)計(jì)、過(guò)濾分析及形態(tài)學(xué)濾波等[18]。本文采用形態(tài)學(xué)濾波進(jìn)行分類(lèi)后處理。

1.4 基于支持向量機(jī)監(jiān)督分類(lèi)監(jiān)測(cè)金銀花種植情況

支持向量機(jī)方法是根據(jù)樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳折中,是一種常用的分類(lèi)方法。本文在選取一定數(shù)量的金銀花、道路、居民地、水體、裸地、其他植被等6類(lèi)訓(xùn)練樣本之后,選擇支持向量機(jī)監(jiān)督分類(lèi)方法,對(duì)圖像進(jìn)行分類(lèi)。在設(shè)置SVM參數(shù)時(shí),采用多項(xiàng)式作為核函數(shù),次數(shù)設(shè)為6,其他參數(shù)選擇默認(rèn)值。

2 結(jié)果與討論

2.1 與支持向量機(jī)監(jiān)督分類(lèi)結(jié)果的對(duì)比

精度評(píng)價(jià)是遙感動(dòng)態(tài)監(jiān)測(cè)的重要一環(huán),用于確定解譯數(shù)據(jù)與實(shí)際數(shù)據(jù)差異是否顯著。本文利用整體精度、Kappa系數(shù)及獨(dú)立數(shù)據(jù)驗(yàn)證評(píng)價(jià)分類(lèi)精度。分別基于支持向量機(jī)監(jiān)督分類(lèi)和決策樹(shù)分類(lèi)兩種方法,對(duì)比分析遙感影像在2018年的金銀花提取精度差異,結(jié)果如表2所示。

表2 2018年平邑縣金銀花種植區(qū)提取精度比較

由表2可知,在本文中,決策樹(shù)分類(lèi)精度優(yōu)于支持向量機(jī)監(jiān)督分類(lèi)精度,說(shuō)明在平邑縣金銀花種植區(qū)提取中采用決策樹(shù)分類(lèi)方法有效。

2.2 決策樹(shù)模型提取結(jié)果

基于2.3節(jié)構(gòu)建的決策樹(shù)分類(lèi)模型,提取金銀花種植區(qū),各年度結(jié)果如圖3所示,精度如表3所示。

表3 平邑縣金銀花種植區(qū)提取精度評(píng)價(jià)

圖3 平邑縣金銀花種植區(qū)提取結(jié)果

精度評(píng)價(jià)結(jié)果表明:基于本文的決策樹(shù)分類(lèi)模型提取金銀花種植區(qū),總體精度均優(yōu)于91%,Kappa系數(shù)均大于0.8,分類(lèi)結(jié)果精度均較高。由于統(tǒng)計(jì)數(shù)據(jù)匱乏,筆者僅能將部分年份提取結(jié)果與平邑縣人民政府官方統(tǒng)計(jì)數(shù)據(jù)進(jìn)行比較:2017年約400 km2、2018年約433.33 km2,差異較小。這說(shuō)明,利用遙感影像監(jiān)測(cè)金銀花種植面積是有效的。

進(jìn)一步分析可知金銀花種植空間格局:種植區(qū)總體較為集中,主要分布在中部的小井村、流峪鎮(zhèn),南部的卞橋鎮(zhèn)、鄭城鎮(zhèn)等地區(qū)。近幾年政府也加大了對(duì)流峪鎮(zhèn)和鄭城鎮(zhèn)的金銀花種植基地的建設(shè)與投資,種植面積增幅較大,這些地區(qū)地形開(kāi)闊,陽(yáng)光充足,適宜金銀花的生長(zhǎng)。

2.3 遙感動(dòng)態(tài)監(jiān)測(cè)結(jié)果

遙感動(dòng)態(tài)監(jiān)測(cè)是利用不同時(shí)相的遙感數(shù)據(jù)定量地分析與確定地表變化的特征與過(guò)程,具有廣泛的應(yīng)用[19-20]。本文采用分類(lèi)后比較法進(jìn)行金銀花種植的動(dòng)態(tài)監(jiān)測(cè)。

利用2013-2018年遙感監(jiān)測(cè)得到的金銀花種植柵格數(shù)據(jù),制作了年際變化圖,從而進(jìn)行動(dòng)態(tài)監(jiān)測(cè),如圖4所示。限于篇幅,本文未列出具體的變化矩陣。分析可見(jiàn):平邑縣2013年到2014年金銀花種植面積明顯增加;2014年到2015年中部流峪鎮(zhèn)部分地區(qū)金銀花種植面積增加,其他地區(qū)變化不明顯;2015年到2016年金銀花種植面積有小幅增長(zhǎng);2016年到2017年北部洪河村以及仲村鎮(zhèn)地區(qū)金銀花種植面積顯著增加,其他地區(qū)變化不明顯;2017年到2018年金銀花種植面積增幅較大,中部地區(qū)金銀花種植面積增加,其他地區(qū)也有不同幅度增加。

圖4 平邑縣金銀花種植年際變化

3 結(jié) 語(yǔ)

本文嘗試?yán)?個(gè)時(shí)相的Landsat-8 OLI影像提取金銀花種植區(qū),并實(shí)現(xiàn)了動(dòng)態(tài)監(jiān)測(cè),對(duì)于當(dāng)?shù)卣莆战疸y花種植情況有一定幫助,對(duì)相關(guān)研究具有一定參考價(jià)值。

本文還存在一些問(wèn)題和不足。在研究尺度上,縣域尺度的經(jīng)濟(jì)作物識(shí)別最好應(yīng)用高分辨率遙感影像,本文所用30 m分辨率數(shù)據(jù)在圖像解譯時(shí)稍顯不足,混合像元比較多,在分類(lèi)后處理時(shí)圖斑較多。另外,建立決策樹(shù)模型時(shí),仍需進(jìn)行大量目視解譯,從而掌握金銀花的光譜特征,效率不高,希望以后可以有相應(yīng)光譜庫(kù),或開(kāi)發(fā)更簡(jiǎn)單高效的方法。

目前利用遙感影像進(jìn)行經(jīng)濟(jì)作物種植面積動(dòng)態(tài)監(jiān)測(cè)的研究較多,但是對(duì)于金銀花的遙感監(jiān)測(cè)研究很少。本文建立了提取金銀花種植區(qū)的決策樹(shù)模型,還有很多新的方法尚未展開(kāi)試驗(yàn),比如機(jī)器學(xué)習(xí)方法等,今后可以進(jìn)行更深入的研究。