基于Sentinel-2數(shù)據(jù)提取江漢平原蝦稻田分布方法

摘要：以江漢平原為研究區(qū)，基于AI Earth阿里云平臺(tái)提供的Sentinel-2 MSI L2數(shù)據(jù)，在實(shí)地采樣樣本和目視解譯樣本的基礎(chǔ)上，通過(guò)分析遙感影像中蝦稻田的時(shí)序變化規(guī)律，總結(jié)出區(qū)分蝦稻田與其他地物類(lèi)型的關(guān)鍵時(shí)間以及指數(shù)閾值，從而構(gòu)建蝦稻田提取的決策樹(shù)模型，最終提取出江漢平原2022—2023年蝦稻田的空間分布。最后，基于樣本數(shù)據(jù)評(píng)估了該方法的精度，總體精度達(dá)93.25%，Kappa系數(shù)為0.842 9，結(jié)果表明該方法具有較好的提取結(jié)果。

關(guān)鍵詞：多時(shí)相遙感影像；Sentinel-2；蝦稻田；決策樹(shù)；江漢平原

中圖分類(lèi)號(hào)：P237" " " " "文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：0439-8114（2024）08-0194-07

DOI：10.14088/j.cnki.issn0439-8114.2024.08.033 開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

The method of extracting rice-crayfish paddy fields distribution in the Jianghan Plain"based on Sentinel-2 data

WANG Jing1，2，3，WAN Jun1，2，3，DENG Huan-huan1，2，3

（1. Wuhan Regional Climate Center， Wuhan" 430074， China； 2. Three Gorges National Climatological Observatory， Yichang" 443002， Hubei，China； 3. China Meteorological Administration Basin Heavy Rainfall Key Laboratory， Wuhan" 430205， China）

Abstract： Taking the Jianghan Plain as the study area， and based on the Sentinel-2 MSI L2 data provided by AI Earth cloud platform， on the basis of field sampling samples and visually interpreted samples， the critical time and index threshold to distinguish rice-crayfish paddy fields from other ground types were summarized by analyzing the temporal change of rice-crayfish paddy fields in remote sensing images， so as to construct a decision tree model for rice-crayfish paddy fields extraction. Finally， the spatial distribution of rice-crayfish paddy fields in the Jianghan Plain from 2022 to 2023 was extracted. Finally， the accuracy of the method was evaluated based on the sample data， and the overall accuracy reached 93.25% with Kappa coefficient of 0.842 9， which showed that the method had better extraction results.

Key words：multi-temporal remote sensing； Sentinel-2； rice-crayfish paddy field； decision tree； Jianghan Plain

傳統(tǒng)的作物分布統(tǒng)計(jì)需要由人工實(shí)地調(diào)查再逐級(jí)上報(bào)獲取，該方法的時(shí)效性和準(zhǔn)確性都難以達(dá)到應(yīng)用需求［1］，遙感技術(shù)因其快速、簡(jiǎn)便、宏觀(guān)、無(wú)損及客觀(guān)等優(yōu)點(diǎn)［2］，已廣泛應(yīng)用于大尺度農(nóng)作物分布信息提取。水稻在關(guān)鍵生長(zhǎng)發(fā)育期（灌溉移栽期）內(nèi)因根部需要浸沒(méi)于水中，是水、水稻及土壤的混合體［3，4］，時(shí)序的多光譜遙感影像能夠充分反映水稻田在不同時(shí)期的表現(xiàn)特征［5］。目前基于衛(wèi)星遙感數(shù)據(jù)進(jìn)行水稻空間分布信息提取的研究已有較大的發(fā)展，大多數(shù)采用時(shí)序指數(shù)與水稻生育期結(jié)合的方法。任鴻瑞等［6］基于FY-3 MERSI衛(wèi)星數(shù)據(jù)利用NDVI、NDWI兩者之間的差值分水稻生育期閾值提取水稻種植分布。但使用低空間分辨率的數(shù)據(jù)進(jìn)行水稻提取往往分類(lèi)精度較低［7］。汪荃等［8］基于Sentinel-2衛(wèi)星數(shù)據(jù)，利用3種植被指數(shù)NDVI、RVI和NDGI的組合分類(lèi)方法提取水稻種植信息。張紅華等［9］以Sentinel-2多時(shí)相影像為數(shù)據(jù)源，通過(guò)建立水稻NDVI、EVI、NDWI和光譜時(shí)序特征數(shù)據(jù)集來(lái)提取水稻信息。

蝦稻共作模式是利用稻田的淺水環(huán)境和冬閑期將水稻種植與克氏原螯蝦養(yǎng)殖結(jié)合在一起［10］，輔以人為措施，實(shí)現(xiàn)既種稻又養(yǎng)蝦，來(lái)提高稻田單位面積內(nèi)經(jīng)濟(jì)效益的一種生態(tài)種養(yǎng)模式［11］。近年來(lái)在政府推動(dòng)、媒體宣傳、技術(shù)推廣下，湖北省蝦稻共作模式迅速擴(kuò)張。江漢平原水資源豐富，具有發(fā)展蝦稻共作模式得天獨(dú)厚的優(yōu)勢(shì)。該模式同樣擁有水稻的水淹移栽物候特征，但是僅依靠物候特征只能將水稻和其他作物進(jìn)行區(qū)分，無(wú)法區(qū)分蝦稻田和普通水稻田。蝦稻田在一年中的1—6月以及11—12月的休耕期需要進(jìn)行灌田泡水以確保小龍蝦幼苗的生長(zhǎng)，于是蝦稻田在一年內(nèi)會(huì)表現(xiàn)出“水淹—水稻生長(zhǎng)—水淹”的周期性物候特征［12，13］，這是區(qū)分蝦稻田與普通水稻田的重要依據(jù)。因此，如何從遙感影像反演出這種獨(dú)特物候變化，掌握識(shí)別關(guān)鍵時(shí)期以及關(guān)鍵指數(shù)閾值是高精度提取蝦稻田空間分布的重點(diǎn)。

現(xiàn)有研究中較少提及基于遙感影像提取蝦稻田的方法。本研究以蝦稻共作模式主要集中區(qū)——江漢平原為研究區(qū)，以多時(shí)相的Sentinel-2影像為研究基礎(chǔ)，分析蝦稻田與其他地物類(lèi)型在光譜值、植被指數(shù)、水體指數(shù)以及水體指數(shù)與植被指數(shù)之間差值的時(shí)間變化規(guī)律，從而得到提取蝦稻田的關(guān)鍵期及關(guān)鍵指數(shù)閾值，以精準(zhǔn)提取研究區(qū)蝦稻田的空間分布。具體的研究目標(biāo)：①分別建立蝦稻田與其他地物類(lèi)型的光譜曲線(xiàn)、植被指數(shù)曲線(xiàn)以及水體指數(shù)曲線(xiàn)，分析蝦稻田的物候變化特征；②識(shí)別出蝦稻田的關(guān)鍵提取時(shí)期及分類(lèi)特征；③提出基于遙感影像的蝦稻共作區(qū)提取的方法，并對(duì)該方法進(jìn)行精度評(píng)價(jià)。

1 研究區(qū)概況與數(shù)據(jù)源

1.1 研究區(qū)概況

本研究區(qū)為湖北省的江漢平原（包括荊門(mén)市、荊州市、天門(mén)市、潛江市、仙桃市），位于湖北省中南部，總面積為4.6萬(wàn)km2，地處29°26′—31°39′N(xiāo)，111°13′—114°05′E（圖1）。江漢平原屬于亞熱帶季風(fēng)性濕潤(rùn)氣候，雨熱同期，氣候適宜；區(qū)域內(nèi)地勢(shì)低平，除西部和東北部有小部分丘陵地區(qū)外，基本為平原區(qū)域；漢江和東荊河流通境內(nèi)，擁有眾多湖泊和稠密的排灌水渠［14］。氣候條件、地形條件、水文條件共同決定了該區(qū)域是中國(guó)南方重要的產(chǎn)糧區(qū)，耕地面積廣闊約有160余萬(wàn)公頃［15］、種植類(lèi)型多樣［16］，其主要農(nóng)作物類(lèi)型有水稻、小麥、油菜以及蝦稻。水稻、小麥、油菜具有輪作的特點(diǎn)，如稻油輪作、稻麥輪作。

研究所用到的樣本點(diǎn)包括實(shí)地采樣所獲取的樣本以及基于吉林一號(hào)2022年高清影像目視解譯獲取的樣本。樣本點(diǎn)共計(jì)392個(gè)，其中蝦稻田樣本點(diǎn)179個(gè)，潛江市是全國(guó)有名的蝦稻種養(yǎng)中心，因此蝦稻田樣本點(diǎn)主要集中在潛江市西部和南部；非蝦稻田樣本點(diǎn)213個(gè)，均勻分布在江漢平原。研究區(qū)地理位置與樣本點(diǎn)分布如圖1所示。

1.2 數(shù)據(jù)及預(yù)處理

多時(shí)相的數(shù)據(jù)需要能覆蓋作物關(guān)鍵生育期和完整生育期，以此來(lái)反映作物的時(shí)間變化規(guī)律［17］，因此基于遙感影像提取蝦稻田需要有數(shù)量充足且優(yōu)質(zhì)的遙感影像，AI EARTH（https：//engine-aiearth.aliyun.com）是一個(gè)集數(shù)據(jù)獲取、影像在線(xiàn)處理以及可視化于一體的云計(jì)算平臺(tái)，其擁有多源遙感影像數(shù)據(jù)集，是土地利用分類(lèi)提供便捷的數(shù)據(jù)處理平臺(tái)。因此研究采用AI EARTH云平臺(tái)提供的遙感影像以及數(shù)據(jù)在線(xiàn)處理功能來(lái)完成影像預(yù)處理工作。

本研究采用AI EARTH提供的2022—2023年Sentinel-2 MSI L2影像來(lái)提取江漢平原蝦稻田分布。Sentinel-2 MSI（包含Sentinel-2A和Sentinel-2B）共有13個(gè)通道，從可見(jiàn)光到近紅外以及短波紅外，空間分辨率為10 m，重訪(fǎng)周期為5 d。Sentinel-2 時(shí)序影像應(yīng)用于稻田提取，可以克服以往時(shí)序影像數(shù)據(jù)獲取難、空間分辨率低的難題［18］。具體步驟為：在AI EARTH上傳江漢平原矢量邊界進(jìn)行研究區(qū)Sentinel-2 L2級(jí)別數(shù)據(jù)的檢索，獲取每期影像的藍(lán)波段、綠波段、紅波段、近紅外波段、短波紅外1波段、短波紅外2波段和MSK_CLDPRB波段。并在該平臺(tái)完成江漢平原區(qū)域無(wú)云、少云影像的拼接之后，根據(jù) “MSK_CLDPRB”波段的30%閾值進(jìn)行影像去云處理，得到該區(qū)域2022年3月至2023年8月的多期影像（表1），對(duì)應(yīng)蝦稻田“灌田泡水期—水稻種植期—灌田泡水期”的物候特征。其中因2022年6月無(wú)云影像數(shù)據(jù)的缺乏，經(jīng)過(guò)實(shí)地調(diào)查和農(nóng)戶(hù)走訪(fǎng)得知，蝦稻田種養(yǎng)習(xí)慣相對(duì)穩(wěn)定，一般情況下不會(huì)出現(xiàn)大規(guī)模的面積增加或減少，故而采用2021年6月影像替代。

2 研究方法

研究區(qū)蝦稻田一年種植一季水稻，主要為中稻，養(yǎng)殖兩季小龍蝦，由水稻田及四周的蝦養(yǎng)殖溝組成。在蝦稻共作過(guò)程中可以分為灌田泡水期和水稻期種植兩個(gè)階段。江漢平原的水稻種植期從每年的5月底6月初插秧開(kāi)始，到10月水稻收獲結(jié)束。而蝦稻田與普通水稻田的主要差異在于稻田休耕期需要灌水泡田，即11月至次年6月時(shí)稻田中有一定的水量以確保小龍蝦可以正常生長(zhǎng)發(fā)育；同時(shí)蝦稻田的水稻與普通水稻相比生育期稍晚，成熟收獲期相應(yīng)延后。蝦稻田的物候狀態(tài)變化總結(jié)為：水體覆蓋（1—6月）—植被覆蓋（7—10月）—水體覆蓋（11—12月）。基于該物候狀態(tài)年變化特征，選取覆蓋蝦稻田灌田泡水期和水稻種植期的多時(shí)相遙感影像作為研究基礎(chǔ)提取蝦稻田空間分布。該方法具體包含以下步驟：①依據(jù)樣本點(diǎn)構(gòu)建蝦稻田的光譜動(dòng)態(tài)變化曲線(xiàn)，并計(jì)算對(duì)應(yīng)時(shí)期影像的NDVI、LSWI、NDWI、MNDWI指數(shù)，獲取蝦稻田遙感識(shí)別的關(guān)鍵時(shí)期及關(guān)鍵閾值；②基于關(guān)鍵期影像及相關(guān)指數(shù)構(gòu)建決策樹(shù)模型提取江漢平原蝦稻田分布；③最后采用用戶(hù)精度、制圖精度、Kappa系數(shù)、總體精度等評(píng)價(jià)指標(biāo)進(jìn)行精度評(píng)價(jià)。

2.1 蝦稻田物候特征

2.1.1 蝦稻田光譜特征分析 光譜特征是區(qū)分地物類(lèi)型的物理基礎(chǔ)，蝦稻田的影像光譜具有獨(dú)特的時(shí)相變化。為研究蝦稻田與不同地物類(lèi)型的光譜特征，分析其光譜季相差異特征，在研究區(qū)選取蝦稻田、普通田、水體、林地、亮建筑物、暗建筑物6種地表覆蓋的樣本點(diǎn)。樣本點(diǎn)包括實(shí)地樣本點(diǎn)和通過(guò)吉林一號(hào)高清衛(wèi)星影像獲取的目視解譯樣本點(diǎn)。其中普通田包括普通水稻田、稻油輪作田、稻麥輪作田等；水體包括河流、湖泊這類(lèi)永久水體；林地則集中在江漢平原東部和西部；亮建筑物為高反射率的居民區(qū)、工廠(chǎng)等；暗建筑物為道路等低反射率建筑物。從而繪制得到各種地物類(lèi)型2022—2023年的光譜曲線(xiàn)。研究時(shí)間段內(nèi)共有10幅影像，每幅影像分別有藍(lán)（B）、綠（G）、紅（R）、近紅（NIR）、短波紅外1（SWIR1）、短波紅外2（SWIR2）共6個(gè)波段，共計(jì)60個(gè)波段，分析不同地物類(lèi)型的光譜曲線(xiàn)特征（圖2）。

從圖2可以看出，水體、亮建筑物、暗建筑物這3種地物類(lèi)型的光譜曲線(xiàn)沒(méi)有明顯的時(shí)間變化差異；其中亮建筑物的各波段光譜值均處在較高區(qū)間，水體的各波段光譜值則均處在較低區(qū)間。水體、亮建筑物、暗建筑物分別在綠波段、短波紅外波段、短波紅外波段反射率最高，而這三者分別在短波紅外波段、藍(lán)波段、藍(lán)波段反射率最低。林地在近紅外波段反射率最高，林地會(huì)隨季節(jié)在光譜反射率上反映為近紅外波段峰值呈現(xiàn)“低—高—低—高”的特點(diǎn)。普通田和蝦稻田的近紅外波段反射率在植被種植期最高，且有接近的光譜曲線(xiàn)，比如2022年8月和2023年8月；而當(dāng)蝦稻田處于淹水狀態(tài)時(shí)，兩者波段反射率出現(xiàn)差異。蝦稻田灌田泡水期時(shí)，普通田可能處于植被種植狀態(tài)也可能處于閑置狀態(tài)，此時(shí)蝦稻田的各波段反射率會(huì)低于普通田，比如在2022年3月和2023年3月時(shí)普通田有植被種植，其在近紅外波段的反射率最高，而蝦稻田各波段反射率均處于低值沒(méi)有明顯的峰值出現(xiàn)。從光譜值的時(shí)序變化曲線(xiàn)可以看出，這6種地物類(lèi)型的光譜值有著值域范圍以及時(shí)間變化差異。

2.1.2 蝦稻田指數(shù)特征分析 根據(jù)上述光譜曲線(xiàn)分析的結(jié)果，當(dāng)農(nóng)田中存在植被時(shí)其光譜曲線(xiàn)在近紅外波段有一個(gè)反射峰，在紅波段有一個(gè)吸收谷?；谶@個(gè)特點(diǎn)，歸一化差值植被指數(shù)NDVI是近紅外波段和紅波段光譜值之差與之和的比值，能夠反映植被與土壤的差異，可以很好地進(jìn)行植被提取，其計(jì)算公式如式（1）所示。水體在短波紅外波段有吸收帶，因此短波紅外波段可以反映植被和土壤的含水量敏感程度［19］，使用陸表水分指數(shù)LSWI來(lái)反映蝦稻田淹水狀態(tài)，其計(jì)算公式如式（2）所示。與此同時(shí)還使用歸一化水體指數(shù)NDWI、改進(jìn)型歸一化水體指數(shù)MNDWI來(lái)輔助反映研究區(qū)水體的狀態(tài)，其計(jì)算公式分別如式（3）、式（4）所示。

[NDVI=ρNIR-ρREDρNIR+ρRED]" （1）

[LSWI=ρNIR-ρSWIRρNIR+ρSWIR] （2）

[NDWI=ρGREEN-ρNIRρGREEN+ρNIR]" （3）

[MNDWI=ρGREEN-ρSWIRρGREEN+ρSWIR] （4）

式中，[ρRED、ρGREEN、ρNIR、ρSWIR]分別代表Sentinel-2數(shù)據(jù)的紅、綠、近紅外以及短波紅外波段的光譜反射率。

分別計(jì)算2022—2023年研究區(qū)影像的NDVI、LSWI、NDWI、MNDWI這4個(gè)指數(shù)。根據(jù)選取的樣本建立研究區(qū)各地物類(lèi)型不同指數(shù)的時(shí)序變化曲線(xiàn)，如圖3所示。

從圖3可以看出，水體、亮建筑物、暗建筑物這3種地物類(lèi)型的不同指數(shù)隨時(shí)間變化不明顯，林地的指數(shù)會(huì)隨時(shí)間變化呈現(xiàn)小幅度的波動(dòng)。圖3a中，蝦稻田和普通田的NDVI值與其他5種地物類(lèi)型有較大差異，蝦稻田與普通田也有季節(jié)變化的差異，特別在2022年3月和2023年3月，普通田的NDVI值處于0.6以上，而蝦稻田的NDVI值處于0.2以下；在2022年8月和2023年8月時(shí)蝦稻田和普通田的NDVI均處于高值，可據(jù)此將植被地類(lèi)與非植被地類(lèi)分離。圖3b中，各地物類(lèi)型的LSWI與NDVI有類(lèi)似的規(guī)律，同樣地，蝦稻田與普通田在2022年3月與2023年3月有較大差異；亮建筑物和暗建筑物在8月時(shí)會(huì)處于LSWI最低值，也均小于0，因此剔除建筑物像素可利用LSWI。圖3c中，水體的NDWI始終大于0，亮建筑物的LSWI在0附近，蝦稻田和普通稻田的NDWI仍然有較大的時(shí)間變化差異，蝦稻田2022年3月、2021年6月、2023年3月、2023年6月的NDWI大于-0.2，其余時(shí)間小于-0.2；普通田則均小于-0.2。圖3d中，各地物類(lèi)型MNDVI與NDWI有相似的變化規(guī)律，因此可利用NDWI和MNDVI將蝦稻田與水體進(jìn)行區(qū)分?？梢钥闯鼍C合利用這4種指數(shù)的時(shí)間變化規(guī)律能夠?qū)ξr稻田與非蝦稻田進(jìn)行區(qū)分，同時(shí)蝦稻田的識(shí)別關(guān)鍵期是3月和8月。

為了進(jìn)一步研究4種指數(shù)對(duì)蝦稻田的區(qū)分，分別計(jì)算各地物類(lèi)型的LSWI與NDVI、NDWI與NDVI、MNDWI與NDVI的差值，如圖4所示。

圖4中不同地物類(lèi)型的各指數(shù)與NDVI的差值也反映了一定的規(guī)律，蝦稻田的LSWI-NDVI、NDWI-NDVI、MNDWI-NDVI值與其他地物類(lèi)型有較大差異。圖4a中，蝦稻田在2021年6月、2023年3月與普通田等地物類(lèi)型有獨(dú)特的差異，這幾個(gè)時(shí)期LSWI-NDVI大于-0.2，而2022年8月和2023年3月LSWI-NDVI小于-0.3。圖4b和圖4c中蝦稻田呈現(xiàn)類(lèi)似規(guī)律。總體來(lái)看3月和8月仍然是區(qū)分蝦稻田與非蝦稻田的關(guān)鍵時(shí)期。

2.2 基于決策樹(shù)模型的蝦稻田提取

決策樹(shù)是一種常用的數(shù)學(xué)分類(lèi)方法，由于其具有較高的分類(lèi)精度和計(jì)算效率，被廣泛應(yīng)用于地物識(shí)別提取，主要流程包括特征指數(shù)的選取、樣本選取、決策樹(shù)模型建立［20］。當(dāng)確定區(qū)分蝦稻田與普通田等地物類(lèi)型的指數(shù)閾值后，可建立一定規(guī)則模型提取蝦稻田的分布。具體流程如圖5所示。

蝦稻田因其獨(dú)特的耕作方式，與其他地物類(lèi)型在灌田泡水期有土壤和水體并存狀態(tài)的區(qū)別，而普通田有輪作的習(xí)慣具有明顯的季節(jié)變化規(guī)律。根據(jù)上述光譜曲線(xiàn)、指數(shù)曲線(xiàn)、指數(shù)差值曲線(xiàn)的分析結(jié)果可以選取蝦稻田與其他地類(lèi)有較大差異的時(shí)期和數(shù)值區(qū)間對(duì)蝦稻田進(jìn)行粗略提取，即LSWI-NDVI2021-06gt;-0.2，LSWI-NDVI2023-03gt;-0.2，LSWI-NDVI2022-08lt;-0.3，LSWI-NDVI2023-03lt;-0.3。

鑒于蝦稻田與其他地物類(lèi)型在某些時(shí)期的" NDVI、NDWI、MNDWI的變化規(guī)律以及數(shù)值范圍相近，需要進(jìn)一步掩膜其他地類(lèi)。蝦稻田和普通田均為農(nóng)田，研究期內(nèi)大多數(shù)時(shí)間有著相似的指數(shù)曲線(xiàn)，在提取的蝦稻田粗略分布基礎(chǔ)上根據(jù)兩者NDVI值在2022年3月和2023年3月的差異進(jìn)一步區(qū)分，即利用NDVI2022-03lt;0.6或NDVI2023-03lt;0.6的閾值剔除普通田像素。林地常年處于植被覆蓋，其N(xiāo)DVI相對(duì)較高，蝦稻田和普通稻田則會(huì)在農(nóng)作物成熟后收割，收割期之后NDVI處于相對(duì)低值，即可利用NDVI2022-10lt;0.5，NDVI2022-11lt;0.5，NDVI2021-06lt;0.7，NDVI2023-06lt;0.7條件判斷某柵格為林地并從蝦稻田粗略分布中剔除。研究時(shí)間段內(nèi)，水體的NDWI和MNDWI值與其他地類(lèi)有明顯差異，理論上講水體指數(shù)分離水體與其他地物的分割閾值為0，但是有研究表明實(shí)際中仍需要根據(jù)具體的場(chǎng)景對(duì)閾值進(jìn)行調(diào)整［21］，通過(guò)指數(shù)曲線(xiàn)可以看出，NDWI和MNDWI為0.2時(shí)可分離水體與其他地物。亮建筑物和暗建筑物的LSWI均處于低值區(qū)，則可利用LSWI2022-08lt;0，LSWI2023-08lt;0將柵格確定為建筑物。根據(jù)上述條件，在蝦稻田粗略提取結(jié)果上逐步對(duì)普通田、林地、水體、亮建筑物、暗建筑物等非蝦稻田地物類(lèi)型進(jìn)行剔除，最終得到研究區(qū)內(nèi)蝦稻田的空間分布。

3 蝦稻田提取結(jié)果

3.1 研究區(qū)蝦稻田分布

基于上述決策樹(shù)模型提取的江漢平原蝦稻田空間分布如圖6所示。通過(guò)計(jì)算表明，江漢平原蝦稻田的總面積為3 752.15 km2，主要分布在荊州市和潛江市。荊州市種植面積最多，為2 588.87 km2，潛江市次之，為538.11 km2，這兩個(gè)地市蝦稻田的分布密集且面積較大。蝦稻田在荊門(mén)市、天門(mén)市、仙桃市分布面積相對(duì)較小，且分布不集中?？紤]到統(tǒng)計(jì)局發(fā)布的蝦稻田數(shù)據(jù)是由人工測(cè)量再逐級(jí)上報(bào)，存在較大的人為誤差和測(cè)量誤差，同時(shí)本研究方法為基于像元尺度提取蝦稻田分布，與統(tǒng)計(jì)結(jié)果對(duì)比不具有科學(xué)性，因此本研究提取的蝦稻田分布結(jié)果不與統(tǒng)計(jì)數(shù)據(jù)進(jìn)行對(duì)比。

3.2 蝦稻田提取方法評(píng)估

本研究采用制圖精度、用戶(hù)精度、總體精度和Kappa系數(shù)對(duì)基于決策樹(shù)模型的蝦稻田提取方法進(jìn)行精度評(píng)價(jià)。參與驗(yàn)證的樣點(diǎn)共有392個(gè)，因?qū)嵉貥颖军c(diǎn)較少，結(jié)合吉林一號(hào)衛(wèi)星底圖選取了目視解譯樣本點(diǎn)，其中蝦稻田樣本點(diǎn)共179個(gè)，非蝦稻田樣本點(diǎn)共213個(gè)。

決策樹(shù)提取蝦稻田分布的制圖精度為84.20%，用戶(hù)精度為94.77%，總體分類(lèi)精度為93.25%，Kappa系數(shù)為0.842 9（表2）。整體上，本研究提取的蝦稻田存在5.23%的錯(cuò)分情況。蝦稻田的制圖精度略低于用戶(hù)精度，表明提取的結(jié)果存在部分漏分情況，可達(dá)到15.80%。

為了更直觀(guān)地分析蝦稻田的提取結(jié)果，選取蝦稻田與建筑物、水體、普通田同時(shí)存在的區(qū)域進(jìn)行判讀，如圖7所示。由于蝦稻田一般分布在平原地區(qū)，多數(shù)不會(huì)與林地共存，因此圖中不展示蝦稻田與林地的區(qū)分情況。從圖7可以看出，基于決策樹(shù)提取的蝦稻田能夠與建筑物、水體、普通田區(qū)分，多數(shù)的非蝦稻田像素被剔除。由于本研究采用的方法是基于像素的，所提取的蝦稻田塊會(huì)存在部分空洞、邊界粗糙等問(wèn)題；同時(shí)會(huì)在其他地物類(lèi)型的地方分布有少量像素點(diǎn)，即有“椒鹽噪聲”。

依據(jù)上述對(duì)基于決策樹(shù)提取蝦稻田分布方法的定性分析，存在分類(lèi)結(jié)果與真實(shí)的蝦稻田內(nèi)部空洞、邊緣粗糙以及“椒鹽噪聲”等問(wèn)題，分析產(chǎn)生誤差的原因主要有以下方面。第一，研究區(qū)域內(nèi)蝦稻田灌田泡水、水稻種植時(shí)間不統(tǒng)一，田塊肥力差異以及人為等因素導(dǎo)致不同地塊蝦稻田存在微小差異，使得植被及水體指數(shù)出現(xiàn)波動(dòng)，出現(xiàn)漏分現(xiàn)象；第二，遙感影像是大尺度宏觀(guān)地對(duì)地觀(guān)測(cè)結(jié)果，蝦稻田與其他地物類(lèi)型的交接處存在混合像元，閾值判斷時(shí)容易被錯(cuò)分或漏分；第三，由于遙感影像“同物異譜” “異物同譜”現(xiàn)象，基于遙感影像蝦稻田提取時(shí)易將與蝦稻田相近反射率的地物錯(cuò)分，同屬蝦稻田的像素也易被漏分。

4 小結(jié)

本研究以蝦稻共作模式集中區(qū)——江漢平原為研究區(qū)，利用覆蓋蝦稻田完整生育期的多時(shí)相Sentinel-2數(shù)據(jù)，構(gòu)建光譜值、NDVI、LSWI、NDWI、MNDVI、LSWI-NDVI、NDWI-NDVI、MNDWI-NDVI的時(shí)序數(shù)據(jù)集。得出區(qū)分蝦稻田與其他地物類(lèi)型的關(guān)鍵時(shí)期以及關(guān)鍵閾值。首先利用LSWI-NDVI的閾值對(duì)蝦稻田分布進(jìn)行粗略提取，再利用其他地物類(lèi)型的指數(shù)閾值逐步剔除非蝦稻田像素，最終得到江漢平原蝦稻田空間分布信息。利用混淆矩陣對(duì)提取的蝦稻田分布進(jìn)行精度評(píng)估，總體精度可達(dá)93.25%。主要結(jié)論如下。

1）蝦稻田與大多數(shù)地物類(lèi)型在原始光譜值和NDVI、LSWI、NDWI、MNDWI等曲線(xiàn)有較大的差異，分類(lèi)提取時(shí)有較高的可分離性。蝦稻田與普通田都屬于農(nóng)田，均有植被種植狀態(tài)，因此大多數(shù)時(shí)間蝦稻田和普通田塊的上述曲線(xiàn)相似。而在3月時(shí)，蝦稻田處于淹水狀態(tài)，普通田處于植被種植狀態(tài)或閑田狀態(tài)，因此3月是識(shí)別蝦稻田的關(guān)鍵時(shí)期。

2）在8—10月蝦稻田和普通田的水稻種植期，會(huì)因?yàn)樗镜某樗?、成熟、收割，其N(xiāo)DVI會(huì)先達(dá)到峰值再逐漸降低。蝦稻田和普通田的NDVI會(huì)有時(shí)間的差異，即蝦稻田與普通田相比，因其水稻播種時(shí)期較延后，再加上四周蝦溝中小龍蝦對(duì)水稻根系的啃食，蝦稻田的生長(zhǎng)曲線(xiàn)會(huì)比普通田延后，反映在NDVI曲線(xiàn)上就是8月蝦稻田和普通田均達(dá)到NDVI峰值，9月和10月蝦稻田NDVI值均略高于普通田的NDVI值。

本研究方法的不足之處為：①選取的遙感影像為月份拼接而成，時(shí)間分辨率較低，不能即時(shí)反映蝦稻田的時(shí)間變化；②研究采用基于像素的方法，分類(lèi)結(jié)果存在一定的“椒鹽現(xiàn)象”。因此下一步研究重點(diǎn)將放在高時(shí)間分辨率影像與面向?qū)ο蠓诸?lèi)方法相結(jié)合上，從而提高蝦稻田分布提取的精度。

參考文獻(xiàn)：

［1］ 湯以勝，孫曉敏，陳 前，等.基于遙感大數(shù)據(jù)云計(jì)算平臺(tái)下的水稻識(shí)別研究［J］. 航天返回與遙感，2022，43（3）：113-123.

［2］ 陳仲新，任建強(qiáng)，唐華俊，等.農(nóng)業(yè)遙感研究應(yīng)用進(jìn)展與展望［J］.遙感學(xué)報(bào)，2016，20（5）：748-767.

［3］ 李志鵬，劉珍環(huán)，李正國(guó)，等.水稻空間分布遙感提取研究進(jìn)展與展望［J］.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2014，35（6）：9-18.

［4］ 姚 飛，何隆華.多時(shí)相遙感提取水稻種植區(qū)研究進(jìn)展［J］.福建農(nóng)林大學(xué)學(xué)報(bào)（自然科學(xué)版），2016，45（6）：617-624.

［5］ 孫佩軍，張錦水，潘耀忠，等.構(gòu)建時(shí)空融合模型進(jìn)行水稻遙感識(shí)別［J］.遙感學(xué)報(bào)，2016，20（2）：328-343.

［6］ 任鴻瑞，張悅琦，何奇瑾，等.基于FY-3 MERSI遙感數(shù)據(jù)的水稻種植分布提?。跩］. 光譜學(xué)與光譜分析，2023，43（5）：1606-1611.

［7］ 陸 俊，黃進(jìn)良，王立輝，等.基于時(shí)空數(shù)據(jù)融合的江漢平原水稻種植信息提取［J］.長(zhǎng)江流域資源與環(huán)境，2017，26（6）：874-881.

［8］ 汪 荃，陳軍軍.基于Sentinel-2時(shí)序影像的水稻種植信息提?。跩］.湖北農(nóng)業(yè)科學(xué)，2022，61（16）：175-181.

［9］ 張紅華，趙威成，劉強(qiáng)凱.基于多時(shí)相遙感影像的水稻種植信息提?。跩］.安徽農(nóng)業(yè)科學(xué)，2022，50（7）：234-238.

［10］ 許 輝，趙陽(yáng)陽(yáng)，孫東岳，等.稻蝦共作模式研究進(jìn)展［J］.中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2022，24（2）：160-168.

［11］ 曹湊貴，江 洋，汪金平，等.稻蝦共作模式的“雙刃性”及可持續(xù)發(fā)展策略［J］.中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2017，25（9）：1245-1253.

［12］ 魏浩東，楊靖雅，蔡志文，等.物候窗口和多源中高分辨率影像的稻蝦田提取［J］. 遙感學(xué)報(bào)，2022，26（7）：1423-1436.

［13］ 魏妍冰，陸 苗，吳文斌.基于水體季相差異的稻蝦共作提取方法研究［J］.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2019，40（3）：14-20，34.

［14］ 魏妍冰，陸 苗，唐華俊，等.江漢平原稻蝦共作技術(shù)時(shí)空擴(kuò)散的過(guò)程及特征［J］.地球信息科學(xué)學(xué)報(bào)，2023，25（9）：1827-1841.

［15］ 陶建斌，趙睿一，王 松，等.基于時(shí)序Sentinel-2影像物候特征的江漢平原耕地非糧化監(jiān)測(cè)［J/OL］.武漢大學(xué)學(xué)報(bào)（信息科學(xué)版）：1-14［2024-06-12］.https：//doi.org/10.13203/j.whugis20230020.

［16］ 張紫荊，華 麗，鄭 萱，等.基于GEE平臺(tái)與Sentinel-NDVI時(shí)序數(shù)據(jù)江漢平原種植模式提取［J］.農(nóng)業(yè)工程學(xué)報(bào)，2022，38（1）：196-202.

［17］ 王愛(ài)芳，張 運(yùn)，黃 靜，等.作物遙感分類(lèi)研究進(jìn)展［J］.測(cè)繪與空間地理信息，2021，44（10）：80-83，88.

［18］ 陰海明，王立輝，董明霞，等.基于多時(shí)相Sentinel-2遙感影像的江漢平原夏收作物提取方法［J］.福建農(nóng)林大學(xué)學(xué)報(bào)（自然科學(xué)版），2021，50（1）：16-22.

［19］ 鄧 剛，唐志光，李朝奎，等.基于MODIS時(shí)序數(shù)據(jù)的湖南省水稻種植面積提取及時(shí)空變化分析［J］.國(guó)土資源遙感，2020，" " 32（2）：177-185.

［20］ 彭樂(lè)文，張 亞.基于多時(shí)相遙感數(shù)據(jù)的水稻種植面積信息提?。跩］.湖北農(nóng)業(yè)科學(xué)，2020，59（2）：157-160，165.

［21］ 王大釗，王思?jí)簦S 昌.Sentinel-2和Landsat8影像的四種常用水體指數(shù)地表水體提取對(duì)比［J］.國(guó)土資源遙感，2019，31（3）：157-165.

基金項(xiàng)目：湖北省氣象局年輕科技人員基金項(xiàng)目（2023Q06）；湖北省氣象局基金項(xiàng)目（2022Z03；2022Z05-04）；湖北省氣象局面上基金項(xiàng)目（2023Y05）

作者簡(jiǎn)介：王 靜（1996-），女，山西呂梁人，助理工程師，碩士，主要從事農(nóng)作物遙感研究，（電話(huà)）15307198894（電子信箱）921044049@qq.com；通信作者，萬(wàn) 君（1981-），女，湖北武漢人，高級(jí)工程師，碩士，主要從事農(nóng)作物遙感研究，（電話(huà)）027-67847968（電子信箱）5343491@qq.com。