基于EOS/MODIS数据的南方水稻面积提取技术

张 莉，吴文斌，左丽君，周清波

(1.农业部资源遥感与数字农业重点开放实验室，北京 100081;2.中国农业科学院农业资源与农业区划研究所，北京 100081;3.中国科学院遥感研究所，北京 100101)

水稻是世界主要的粮食作物之一，全球水稻面积约占全球耕地面积的15%，农田灌溉用水约占全球淡水资源使用量的70%［1，2］。除青海以外，我国其他省、市和自治区均种植一定面积的水稻。根据中国国家统计局统计年鉴，1990～2008年，我国水稻总播种面积占全国粮食作物播种面积的27.8%，总产量占粮食总产量的39.0%。我国南方15省、市、自治区 (湖北、安徽、江苏、浙江、江西、湖南、福建、广东、广西、海南、云南、四川、贵州、重庆和上海)由于良好的水热条件，是我国水稻种植的主产区。2008年农业统计资料显示，我国南方15省、市、自治区的水稻播种面积占全国水稻播种面积的83.5%。2006年中国水资源公报的数据表明，当年农业用水占到全国总用水量的63.2%，而水稻种植的用水量约占农业用水总量的70%。及时快速掌握和监测水稻种植面积不仅关系到全球或区域的粮食安全，也对区域水资源的调配与管理具有举足轻重的作用。

国外很多研究人员分别在水稻生产大国如印度、泰国、印度尼西亚、日本等国家开展了水稻种植面积遥感监测研究［3～7］。在国内，方红亮［8］、廖圣东［9］、黄敬峰［10］、张春桂［11］和邬明权［12］等人也分别采用EOS/MODIS、NOAA/AVHRR、SNB-SAR、TM等多种遥感数据，采用不同植被指数方法构建了水稻面积提取技术方法。综合比较上述国内外的研究方法认为，水稻具有分布广和面积提取关键时期短的特点，EOS/MODIS具有时间分辨率高，监测范围广，是比较理想的遥感数据源。该研究以我国南方15省、市和自治区为研究区域，利用EOS/MODIS数据来构建南方地区不同水稻类型 (早稻、晚稻和单季稻)种植面积的提取算法，解决困扰农情遥感监测业务运行中水稻种植面积及其空间分布的难题。

1 数据来源

许多研究结果显示，增强植被指数 (Enhanced Vegetation Index，EVI)能够较纯粹地反映植被生长的信息，而地表水分指数 (Land Surface Water Index，LSWI)则对水分非常敏感。因此，该研究采用2008年1-10月的EOS/MODIS EVI和LSWI数据来进行水稻识别算法研制。EVI和LSWI数据的空间分辨率500m，时间分辨率10天，其计算公式分别如下:

上述公式中，ρNIR为近红外波段反射率，ρRed为红波短反射率，ρBlue为蓝波段反射率，ρSWIR为短波红外波段反射率，C1为大气阻力红波修正系数，C2大气阻力蓝波修正系数，L为冠层背景亮度修正因子，G为增益因子。

地面样点数据来源于农业部遥感应用中心收集整理的2007～2008年水稻地面调查数据。包括了江西、湖南早稻主产县地面样方调查数据;安徽、江苏一季稻主产县地面样方调查数据;江西、湖南、广东、广西晚稻主产县地面样方调查数据。除了遥感数据源，非遥感数据源还包括分辨率为500m的中国数字高程数据、比例尺为1∶400万全国县级行政区域图、2003～2008年农业气象站点数据、2003～2007年中华人民共和国农业部编、中国农业出版社出版的中国农业卡片统计资料和比例尺为1∶25万1996年中国土地利用现状。此外，为验证本研究提取的水稻面积的精度，农业部遥感应用中心2008年基于SPOT数据采用非监督分类和目视解译得到水稻本底数据得到利用。

2 研究方法

我国南方水稻生长的地域跨度大，需要对水稻种植区域进行合理的区划，根据不同区域的水稻种植结构、地形地貌以及遥感获取信息的差异性构建不同的水稻识别算法。水稻在移栽期地表覆盖具有不同的特征，移栽期间，遥感获取的水稻田信息既包含了水的信息也包含了植被的信息，此时土壤水分接近饱和状态，而秧苗却尚未将地表水分完全覆盖。利用这一特点可以有效地监测水稻播种面积。该研究的总体技术流程如图1所示。

2.1 水稻种植区划

水稻种植的区划主要遵循以下几个原则:耕作制度的一致性、种植结构的相似性、地形的趋同性以及遥感信息质量的相似性。依据省、县级的农业统计资料可以得到南方单双季稻在同一省不同县的分布状况，确定各区域水稻种植的大致类型。

将DEM以及由其产生的坡度图与2000年土地利用中水田分布图进行叠加发现，坡度大于5°的区域几乎没有水田分布，海拔高的地区分布水田的概率仅为3.22%。因此，为简化水稻提取中分区的复杂性，去除水稻种植区划中的地形要素，将坡度大于5°、高程大于1500m的地区使用掩膜去除掉。

图1 总体技术流程图

2.2 水稻移栽期算法

水稻移栽期是指水稻处于前茬作物收获后，刚移入田地中的时期。一般来说，这一时期在时间序列EVI曲线中表现为波动的谷底。该研究采用二次差分法提取EVI曲线的转折点，确定水稻的移栽期。然而，我国南方地区云雨影响大，经过平滑处理后的EVI时间序列曲线会出现极值点，导致部分假波谷的存在。因此，从提取波谷到确定水稻移栽期还需要添加一些附加条件进行去伪存真。该研究假定:只有当波谷值前有至少三个时相数据连续减少，且波谷值之后有至少三个连续增加的情况下，才将该波谷值确认为水稻的移栽期。

2.3 水稻面积算法

在移栽期，稻田地表以水体覆盖为主、禾苗较小，使得表征植被生长状况的EVI和表征陆表水分含量的LSWI表现出前者低后者高的态势，如图2和图3所示。如果EVI过高，则可能是处于生长旺盛期的其他植被 (如林地、草地或者其他作物);如果LSWI很低，则可能是土壤含水量较低的其他土地利用类型。基于水稻在移栽期的特殊表现，通过选取水稻样点，分析确定水稻移栽期EVI和LSWI值的表现，可以实现水稻种植区域的识别。

图2 单季稻样点EVI(红色)和LSWI(黑色)曲线对比

图3 双季稻样点EVI(红色)和LSWI(黑色)曲线对比

从南方各省的水稻移栽期来看，该地区单季稻的移栽期基本出现在5、6月份，此时的草地、林地具有较高的EVI值，而农作物EVI值较低，因此，通过EVI阈值的设定可以将草地、林地区分开。对于水体和城市等其他非植被覆盖区域，此时地表的EVI也处于较低水平，但水田的前茬作物波峰期却具有较高的EVI值，因此，通过水稻移栽期前期EVI峰值的大小可以将水体和城市等非植被覆盖类地表去除。最后，可能对水稻田提取造成影响的旱地更多地表现出裸地的特征，也可与水稻田区分开。因此，综合考虑移栽期的EVI和LSWI可以最终实现水稻的早期识别和面积提取。

最终通过选取水稻样点分析，得到南方区域的水稻识别算法为:一季稻判断公式如下:

早稻判断公式如下:

晚稻判断公式如下:

其中:min_EVI为稻移栽期及其前后共三个时相中的最小EVI值，LSWI_max为移栽期及其前后共三个时相中的最大LSWI值，LSWI_min表示移栽期及其前后共三个时相中的最小EVI值时相对的LSWI值，EVI_2007_max表示2007年EVI的最大值，EVI_e_max为1月上旬至一季稻移栽期期间EVI的最大值，h表示高程，s表示坡度。

2.4 精度验证方法

该研究利用统计数据和SPOT本底数据对不同省份的水稻面积提取结果进行精度检验。具体检验的方法:(1)通过对统计数据中研究区内各省水稻面积的总和与本研究方法面积提取结果进行对比;(2)利用SPOT本底数据中各省提取的水稻面积与本研究方法面积提取结果进行趋势分析;(3)利用高分辨率遥感影像提取各省水稻面积的结果与本研究方法得到的面积提取结果进行对比，验证其空间分布的准确性。但由于目前SPOT本底数据分布范围有限，作物品种有限，还不能够完全验证其空间分布的精度。

图4 南方水稻面积早期快速提取分区示意图

3 结果与分析

3.1 水稻种植区划

依据2004～2007年统计数据获得水稻耕作制度信息，我国南方地区的15省 (市、自治区)中，江苏、上海、四川、重庆和贵州等5省、市、区为单季稻区;广东和海南等2省为双季稻种植区，以种植早稻和晚稻为主;其他的8省、市、区为单双季稻混合区。水稻种植区划主要基于耕作制度和地形两大因素进行，区划结果如图4所示。

3.2 移栽期分布

结合农业统计信息所公布的各地区农时历，以省为单位，在各个省中选择适当的水稻样本点进行水稻移栽期的提取，用提取结果对农业统计信息中的农时历进行修正，最后得到南方地区15省 (市、自治区)的水稻移栽期 (表1)。

表1 南方地区分省水稻移栽期表

3.3 水稻种植面积分布

根据上述各区的水稻面积早期快速提取算法，对我国南方13省2市的各类水稻进行面积提取，结果如图5所示。

由上图可以看出，一季稻水稻主要分布在江苏省大部、安徽省中北部、湖北省中部以及四川省东部，浙江省北部、贵州东部以及湖南省的东部地区也有分布，其他省市则为零星分布。双季早稻和双季晚稻分布规律大致相同。其中，江西省鄱阳湖平原以及湖南的洞庭湖平原分布较为集中。此外，广西南部、广东大部分地区、湖北东部、安徽南部、浙江的北部和东南部沿海地带以及海南北部均有较多分布。

3.4 精度验证

表2是一季稻面积提取结果和分省统计数据的比较结果。可以看出，除福建、重庆、贵州和云南外，其他省市精度都控制在25%以内。

表3和表4分别是双季稻早稻和晚稻面积的提取结果和分省统计数据比较结果，早稻面积分布较大的湖南、福建、广西、江西、浙江和广东等省有较高的精度，相对误差在25%以内;其他省精度稍差。双季稻晚稻面积提取效果较双季稻、早稻和一季稻好，除湖北和安徽外，其他省相对误差都在25%以内。

4 结论与讨论

该研究根据水稻物候历、种植结构、地形特征，对南方水稻主产区进行了水稻区划划分;然后利用水稻的LSWI和EVI在移栽期前后的变化特点，以省为单位自动提取了研究区的水稻关键期。根据水稻样点的LSWI和EVI的相应关系，提取了各类水稻的面积和分布，实现了南方主产区水稻识别和面积提取。通过地面统计数据和高分辨率水稻分布图的调查结果，进行精度分析表明，该方法可以较高精度的实现水稻种植面积的量测，能够实现水稻播种面积的快速、实时监测，也为作物长势预测、作物估产以及农作物灾害预防以及水资源的调配管理等提供强有力的支持。

图5 南方13省2市水稻分布图 (a:一季稻;b:早稻;c:晚稻)

表2 一季稻EOS/MODIS提取结果与统计数据验证

表3 早稻EOS/MODIS提取结果与统计数据验证

表4 晚稻EOS/MODIS提取结果与统计数据验证

基于EOS/MODIS的水稻面积早期快速提取是建立在水稻移栽期植被指数与陆表水分指数特殊表现的基础上，从理论上和提取的初步结果来看，是可行且有效的。但同时也存在一些问题:

1)我国南方地区多云多雨，在物候关键期获取质量相对较好的遥感影像上具有一定的难度。虽然应用了多种去云减噪的手段对遥感影像进行处理，但仍然会存在一些不可修复的问题，从而会对提取结果造成一定的影响。

2)由于采用的是500m分辨率的EOS/MODIS影像，不可避免地会存在混合像元的问题。特别是在我国南方，耕地大多分布在丘陵地区，地块较为破碎，加重了混合像元的问题。这些将都对最终的提取结果产生较大影响。

3)在精度检验时，由于本底数据SPOT与EOS/MODIS的分辨率相差较大，在精度检验时不能直接对面积进行对比，只能对整体趋势的精度进行大概的估测。

4)地面样方数量还不够，对于算法研制具有影响。

1 IRRI.1993—1995 IRR I Rice Almanac Rice.Manila:International Rice Research Institute，1993

2 Samad M，Merrey D，Vermillion D，et al.Irrigation Management Strategies for Improving the Performance of Irrigated Agriculture.Outlook on Agriculture，1992，21:279～286

3 Shibayama M，Akiyama T.Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurement.Remote Sensing of Environment，1991，36:45～53

4 Tennakoon S B，Murty V V N，Eiumnoh A.Estimation of cropped area and grain yield of rice using remote sensing data.International Journal of Remote Sensing，1992，13(3):426～439

5 Takashi Kurosu，Masahara Fujita，Kazuo Chiba.Monitoring of crop rice fromspace using the ERS-1 C-band SAR.IEEE Transactionson Geoscience and Remote Sensing，1995，33(4):1092 ～1096

6 T Kurosu，M Fujita，K Cchiba.The identification of rice fields using multi-temporal ERS-1 C-band SAR Data.International Journal of Remote Sensing，1997，18(14):2967～2984

7 Okamoto K，Kawashima H.Estimation of rice-land planted area in the tropical zone using a combination of optical and microwave satellite sensor data.International Journal of Remote Sensing，1999，20(5):1045 ～1048

8 方红亮.两种水稻种植面积遥感提取方案的分析.地理学报，1998，53(1):58～65

9 廖圣东，廖其芳，李岩，等.SNB-SAR数据在大范围水稻种植面积调查中的应用.热带地理，2001，21(4):346～349

10 黄敬峰，杨忠恩，王人潮，等.基于GIS的水稻遥感估产模型研究.遥感技术与应用，2002，17(3):125～128

11 张春桂，林晶，吴振海，等.基于MODIS数据的水稻种植面积监测方法研究.自然资源学报，2007，22(1):1～8

12 邬明权，王长耀，牛铮.利用多源时序遥感数据提取大范围水稻种植面积.农业工程学报，2010，26(7):240～244