基于SPOT影像和地面样方的一季稻晚稻遥感监测

柳菲,王新生

(湖北大学资源环境学院,湖北 武汉 430062)

一季稻晚稻作为我国主要粮食作物之一,其种植面积、生长长势和作物产量是国家粮食安全体系的重要组成部分,准确及时地监测一季稻晚稻种植面积的相对变化率,为国家的宏观调控提供科学依据,对确保粮食安全有十分重要的意义[1].卫星遥感具有实时、宏观、客观等特点,能够快速准确地获取农作物种植区域的面积信息及空间分布情况,在农作物种植面积测量中被广泛应用[2].目前,利用遥感影像提取农作物的种植面积尚无一套成熟的体系,现阶段常采用单期影像和多时相遥感影像两种方式,单期影像由于受到“混合像元”和“同物异谱、异物同谱”影响,难以保证农作物遥感识别精度,多时相遥感影像由于受到照度差异和配准误差的影响,也难以准确获取农作物种植面积[3].因此,探讨快速提取农作物种植面积相对变化率的方法是很有必要的.本文中以湖北省为研究区,一季稻晚稻为研究对象,充分利用一季稻晚稻光谱信息在7-8月最为明显的特征,选用分辨率分别为20 m、10 m的SPOT4和SPOT5影像作为遥感解译数据源,结合GPS实测地面样方建立解译标志数据集进行人机交互式分类,分别得出2009年和2010年湖北省解译区的一季稻晚稻种植面积,对比分析得出这两年的湖北省一季稻晚稻种植面积的相对变化率.

表1 遥感解译数据源

要求图像清晰,均无条带缺失

1 研究区概况及数据

1.1研究区概况湖北省位于北纬29°05′至33°20′,东经108°21′至116°07′,正处于中国地势第二级阶梯向第三级阶梯过渡地带,属于北亚热带季风气候,全省面积18.59万km2,山地占全省总面积的55.5%,丘陵和岗地占24.5%,平原湖区占20%,雨热同季,降水丰沛,十分利于农业生产,是我国重要的粮、棉、油生产基地,其中稻谷约占总产的67%.

1.2研究区数据根据研究区一季稻晚稻生长物候历,6月中旬至6月下旬为返青期,6月下旬至7月中旬为分蘖期,7月中旬至8月中旬为拔节抽穗期[4],同时考虑研究区的农作物种植结构、种植制度等特点,确定一季稻晚稻种植面积遥感识别最佳时相为7月中旬至8月中旬,共选用2009年和2010年7-8月SPOT4和SPOT5卫星影像8景(如表1),主要分布在武汉、咸宁和监利等地.并于2010年6-8月间,野外实地测量地面样方108个,所有样方主要分布在湖北省的江汉平原地区及鄂东南地区,属于一季稻晚稻主产区.

2 实施方案

湖北省一季稻晚稻种植面积动态遥感监测采用中高空间分辨率多光谱卫星数据,结合地面样方调查结果,采取自动分类与人机交互方式进行一季稻晚稻识别与分类,提取监测区内相邻两年一季稻晚稻种植面积的空间分布及数量,计算监测该区域的一季稻晚稻种植面积年相对变化率,如图1.

图1 遥感动态监测技术流程图

2.1地面样方调查湖北省一季稻晚稻地面样方调查遵照全国农业资源区划办公室文件《农作物遥感监测工作规范》,每个地面样方大小为500 m×500 m,且远离村庄、国道、工矿用地、河流等非耕地区域,种植一季稻晚稻面积占样方总面积的50%以上,所有样方主要分布在湖北省的江汉平原地区及鄂东南地区,覆盖范围较大,涉及荆门市、荆州市、孝感市、天门市、仙桃市、武汉市、黄冈市、黄石市、咸宁市等9个地市,根据地面样方数据利用ARCMAP9.2软件提取解译标志,分别建立SPOT4和SPOT5解译标志集,如图2、图3所示[5-7].

2.2遥感解译利用ERDAS 9.2和ARCMAP9.2两款遥感和地理信息系统软件,采用人机交互解译中的目视解译方法,解译目标作物一季稻晚稻[8-9].①遥感影像预处理,将已配准的2009年和2010年SPOT影像进行相交运算,得到两个年度SPOT影像的共同区域, 再采用1∶5万标准分幅图框对共同区域进行裁剪.②影像解译,先利用ERDAS 9.2遥感软件对各图幅进行自动分类和初始类别的判读,然后在ARCMAP9.2中进行图斑修改,最终获取目标作物一季稻晚稻的空间分布信息,如图4所示.

2.3解译结果与分析本次解译的总面积约1 289 874.998 hm2,共计39个1∶5万标准图幅.其中,在SPOT4-282290、SPOT4-283291这两景影像所覆盖的区域内,虽然2010年的一季稻晚稻面积均比2009年有所减少,但是减少幅度不大,年相对变化率分别为-2.34%、-2.91%.

序号类型影像特征对应图像1道路建设用地宝蓝色,色调偏冷,无纹理,多成片分布,分布较广,不同规模大小不一,无阴影2棉花橘红色、天蓝色,暖色调,纹理较清晰,呈条码状,形状不规则,常与大豆交叉分布,多分布于水分不充足地区,面积分布较广,无阴影3山体碧绿色,山体纹理较清晰,山脊山谷明显,多沿山体走向分布,山体丘陵区分布较广,平原地区较少,面积比例较大,有明显阴影,特别是沟谷地区4水生植被纯黄色,暖色调,较明亮,无纹理,形状不规则,多沿湖泊水体分布,大小不一,无阴影5一季稻棕色,色调偏冷,高度较暗,纹理较细腻,一般田块较规整,呈块状分布,多分布于水分充沛地区,面积分布较广,无阴影6水体纯蓝色,无纹理,呈条带状,面状分布,面积一般较大,无阴影

图2 SPOT4影像解译标志(波段组合342)

序号类型影像特征对应图像1道路建设用地淡蓝色,较明亮,无条理,多成片分布,分布较广,不同规模大小不一,无阴影2山体淡黄色,山体纹理较清晰,山脊山谷明显,多沿山体走向分布,山体丘陵区分布较广,平原地区较少,面积比例较大,有明显阴影,特别是沟谷地区3旱地植被天蓝色,淡黄色,暖色调,纹理较清晰,呈条码状,形状不规则,常与大豆交叉分布,多分布于水分不充足地区,面积分布较广,无阴影4晚稻橙红色,色调偏冷,纹理较细腻,一般田块较规整,呈块状分布,山体丘陵地区多分布于沟谷,主要分布于水分充沛地区,面积分布较广,无阴影5一季稻灰褐色,色调偏冷,纹理较细腻,一般田块较规整,呈块状分布,山地丘陵地区多分布于沟谷,主要分布于水分充沛地区,面积分布较广,无阴影6水体深蓝色,无纹理,呈条带状,面积分布,面积一般较大,无阴影

图3 SPOT5影像解译标志(波段组合142)

图4 2009年与2010年一季稻晚稻解译面积空间分布对比

在SPOT4-282289影像所覆盖的区域内,因为建设用地占用等原因,使得2010年的一季稻晚稻面积也比2009年有所减少,其相对变化率在-0.59%～-0.94%之间.另外,在h50e009001和h50e009002图幅所覆盖的区域内,因为2010年突发洪水和大量碎小图斑的存在等原因,使得利用成像于洪水期的遥感影像来建立一季稻晚稻的解译标志非常困难,在统计结果时需要单独考虑这两个图幅的解译结果.

在SPOT4-279290影像所覆盖的区域内,因有大量水稻田改种棉花等,导致整个区域的一季稻晚稻面积在2010年有明显减少.不过,所减少的面积大小有两种情况：若不包括h49e013021和h49e014021两个图幅的解译结果(因为这两个图幅在2010年均有不少地方严重渍水,甚至被淹没),则2010年一季稻晚稻面积约减少2 759.75 hm2,年相对变化率为-3.39%；若包括h49e013021和h49e014021这两个图幅的解译结果,则约减少10 092.74 hm2,年相对变化率为-9.17%.

总之,在湖北省一季稻晚稻遥感监测样区内,排除特殊图幅影响,2009年一季稻晚稻相对种植面积为478.716 hm2,2010年一季稻晚稻相对种植面积为469.629 hm2,总体年变化率为-1.39%.

3 结论

本文中分别提取相邻两年解译区一季稻晚稻的种植面积,通过计算推算出湖北省一季稻晚稻种植面积总体变化率.上述方法从新的角度实现了对一季稻晚稻种植面积的动态遥感监测,避免了“混合像元”和“同物异谱、异物同谱”对农作物动态遥感监测所带来的不确定性影响,为农业生产信息的获取提供了新思路新方法.但是,研究中也存在一些问题[10-11]：(1)遥感解译结果受到影像质量和解译人员专业素养的影响；(2)研究需要结合统计数据和区域背景资料来提高农业遥感监测精度和准确性；(3)需要利用数量众多的地面样方来建立详尽的解译标志数据库,使得解译成本较高.

[1] 邓劲松,王珂,沈掌泉,等.基于特征波段的SPOT-5卫星影像耕地信息自动提取的方法研究[J].农业工程学报,2004,20(6)：145-148.

[2] 张峰,吴炳方,黄慧萍,等.泰国水稻种植区耕地信息提取研究[J].自然资源学报,2003,18(6)：766-772.

[3] Wishahy Z. Evaluation of area calculation from SPOT imageries[C].Canadian Conference on GIS, Ottawa, 1994：1296-1303.

[4] Huang Jing-feng, Ahmad Y, Wang Ren-chao. Integration of GIS and TM data toextract early rice area in Long You Country[J].Transaction of the Chinese Society of Agricultural Engineering,2001, 17(1):159-162.

[5] Sushil P. Crop area estimation using GIS, remote sensing and data frame sampling[J].International Journal of Applied Earth Observation and Geoinformation, 2001, 3(1):86-92.

[6] Yang C, Everitt J H, Murden D. Evaluating high resolution SPOT 5 satellite imagery for crop identification[J].Computers and Electronics in Agriculture, 2011, 75(2):347-354(in Chinese).

[7] 陈伸新,刘海启,周清波,等.全国冬小麦面积变化遥感监测抽样外推方法的研究[J].农业工程学报,2000, 16(5):126-129.

[8] Gallego F J.Remote sensing and land cover area estimation[J].International Journal of Remote Sensing,2004,25:3019-3047.

[9] Ambrosio Ftores, L,Igtesias Martines.Land cover estimation in small areas using grond survey and remote sensing[J].Remote Sensing of the Environment,2000,74:240-248.

[10] 黄敬峰,王人潮,蒋亨显,等.基于GIS的浙江省水稻遥感估产最佳时相选择[J].应用生态学报,2002,(3):291-295.

[11] 吴炳方,刘海燕.水稻种植面积估计的运行化感方法[J].遥感学报,1997, 1(1):58-63.