卫星遥感在定额法统计农业用水量中的应用

王宁++黄子彬

摘 要：采用高分辨率的遥感数据对夏、秋两季的广东省从化市辖区内的水稻、菜地、果树、鱼塘和大规模经济作物区进行分析、识别，分别求得不同季节、不同类型的农业用地面积，从而用定额法推求农业用水量。

关键词：卫星遥感；定额法；农业；用水量

中图分类号：S127 文献标识码：A 文章编号：2095-6835（2014）05-0127-02

按照定额法推算农业用水量是农业需水预测工作中较常使用的方法。采用这种方法首先需要调查研究区的各种农业用地的面积（水稻、菜地、果树、鱼塘等）。过去传统的统计调查方法主要单靠调查人员进行实地调查，不仅速度慢，而且易造成误报、漏报和错报，而遥感技术由于其宏观性、现势性的特点被越来越多地应用到土地利用调查中。本文以从化市为调查区域，以高分辨率卫星影像为数据源，开展夏、秋两季水稻、菜地、果树、鱼塘和大规模经济作物区的分析、识别，并统计、分析夏、秋两季农业用地的类型、面积状况，从而用定额法推求农业用水量。

1 研究内容和范围

2 数据资料收集

本项目需要收集夏、秋两季高分辨的遥感数据、研究区的地形数据、地理信息数据以及可以用于协助农业用地分类的相关信息，这些资料是项目开展的基础。

2.1 数据的坐标系统

2.2 遥感数据收集

经数据查询，由于广州地区夏季多云雨，近两年都无可覆盖全广州的SPOT5的夏季数据。而随着SPOT6卫星的发射成功，1.5 m分辨率的SPOT6数据无论在分辨率、价格上都优于SPOT5数据。因此，从实际情况出发，在保证数据精度的情况下采用以下数据方案：①夏季数据。采用2011年、2012年夏季SPOT5数据和Rapideye数据组合覆盖研究区。②秋季数据。采用编程定制的、分辨率优于SPOT5卫星的SPOT6卫星数据，成像时间为2013-10，数据分辨率1.5 m。另还收集了2012年秋季的资源卫星数据，数据分辨率5 m。

p

3 农业用地遥感信息提取

农业用地遥感信息提取是通过对高分辨率的遥感影像进行分类实现的。面向对象的分类方法是目前常用于高分辨率遥感影像分类的方法。该方法的分类单元是地物对象而不是传统意义上的像素，充分利用了对象信息（色调、形状、纹理、层次）、类间信息（与邻近对象、子对象、父对象的相关特征），实现对遥感影像的计算机自动分割。其在常规的土地利用分类中得到了广泛的应用。然而，此项目不同于常规的土地利用分类，它需要对农作物进行识别。根据项目需求，将提取以下五类农业用地：①水稻田：指种植水稻的田地。②果园：指种植果树的园地。广州地区的果园多为荔枝、龙眼、潘石榴园等。③菜地：指常年种植蔬菜为主的耕地。④大规模经济作物区：在本项目中，大规模经济作物区指成片种植的甘蔗、香蕉地。⑤鱼塘：指用于养鱼的池塘。详情如图1所示。

图1 研究区五种农业用地的光谱曲线

图1为实地测量的研究区内几种典型农作物的光谱曲线。由图可知，在5个类别中，除鱼塘的光谱曲线和其他4条差异较大外，其中有4个类别都表现为植被的光谱特性，光谱差异性不大，也就是说，仅从光谱特征是难以区分不同农作物的。因此，本项目难度远远高于常规的土地利用调查对耕地、城市用地、林草地的区分。而根据前期的试验发现，自动分类在本项目中存在一定的局限性，主要体现在分割尺度的难以选择上。

在面向对象分类中，分割尺度是分割形成的多边形影像对象异质性的闭值，它的好坏直接影响影像地物信息提取精度的高低。分割尺度的大小直接决定了生成影像对象的大小——分割尺度越大，所生成的影像对象层中多边形的面积越大，而数目越少；反之亦然。由于农业地的地块大多比较破碎，经常出现不同类型农业地混杂的情况。在这种情况下，如果分割尺度过小，地块被分为太多破碎的图斑，就会造成数据过大、数据处理效率低下。分割尺度太大，小面积的地块又无法自动区分。此外，面对光谱、形状相似的地类，自动分类也容易出现误判，例如鱼塘、坑塘和河流三者的光谱特性基本一致，鱼塘与坑塘的形状指数也相似，自动分类将难以正确判别鱼塘。

图2 农业用地遥感提取分类系统

综上所述，该项目将采用自动分类与人工解译结合的提取方法：自动分类主要实现农业用地与非农业用地的辨别，而人工解译主要实现农业用地类型的识别和勾画。由此，该项目涉及两个分类体系，即自动分类体系和人工解译分类体系，如图2所示。

4 农业用地遥感调查成果分析

4.1 夏季农业用地构成

436.73

4.3 夏、秋两季比较

从化全境属半山区。市东北部以山地、丘陵为主，中南部以丘陵、谷地为主，西部以丘陵、台地为主，境内水资源充沛。从化市农业以种植果树为主，其次为水稻，主要分布在从化市南部、西部和东部，中部较少。秋季果园、水稻和鱼塘面积略有减少，菜地面积略有增加，其他大规模作物区保持不变，总体相比变化不大。

5 结束语

采用遥感技术对辖区内的农业用地情况进行分析识别，不仅可以及时、快速、精确地获取实时的农业用地信息，还可以获取一些偏远地区的农业用地情况，使调查结果更全面、完善。而翔实、准确的农业用地面积调研结果，确保了农业用水量的估算精度，有助于获取准确的农业用水量，对于进一步加强水资源的管理和优化配置，促进水资源的可持续利用意义深远。

〔编辑：王霞〕

Application of Satellite Remote Sensing in the Fixed Law of Agricultural Water Use Statistics

Wang Ning， Huang Zibin

Abstract： A high-resolution remote sensing data for the summer and autumn of Guangdong Province from rice， vegetable， fruit， fish ponds and large-scale cash crop areas of municipal districts of analysis， identification， were obtained in different seasons， different type of agricultural land area， thereby deriving agricultural water use fixed method.

Key words： satellite remote sensing； fixed law； agriculture； waterendprint

摘 要：采用高分辨率的遥感数据对夏、秋两季的广东省从化市辖区内的水稻、菜地、果树、鱼塘和大规模经济作物区进行分析、识别，分别求得不同季节、不同类型的农业用地面积，从而用定额法推求农业用水量。

关键词：卫星遥感；定额法；农业；用水量

中图分类号：S127 文献标识码：A 文章编号：2095-6835（2014）05-0127-02

按照定额法推算农业用水量是农业需水预测工作中较常使用的方法。采用这种方法首先需要调查研究区的各种农业用地的面积（水稻、菜地、果树、鱼塘等）。过去传统的统计调查方法主要单靠调查人员进行实地调查，不仅速度慢，而且易造成误报、漏报和错报，而遥感技术由于其宏观性、现势性的特点被越来越多地应用到土地利用调查中。本文以从化市为调查区域，以高分辨率卫星影像为数据源，开展夏、秋两季水稻、菜地、果树、鱼塘和大规模经济作物区的分析、识别，并统计、分析夏、秋两季农业用地的类型、面积状况，从而用定额法推求农业用水量。

1 研究内容和范围

2 数据资料收集

本项目需要收集夏、秋两季高分辨的遥感数据、研究区的地形数据、地理信息数据以及可以用于协助农业用地分类的相关信息，这些资料是项目开展的基础。

2.1 数据的坐标系统

2.2 遥感数据收集

经数据查询，由于广州地区夏季多云雨，近两年都无可覆盖全广州的SPOT5的夏季数据。而随着SPOT6卫星的发射成功，1.5 m分辨率的SPOT6数据无论在分辨率、价格上都优于SPOT5数据。因此，从实际情况出发，在保证数据精度的情况下采用以下数据方案：①夏季数据。采用2011年、2012年夏季SPOT5数据和Rapideye数据组合覆盖研究区。②秋季数据。采用编程定制的、分辨率优于SPOT5卫星的SPOT6卫星数据，成像时间为2013-10，数据分辨率1.5 m。另还收集了2012年秋季的资源卫星数据，数据分辨率5 m。

p

3 农业用地遥感信息提取

农业用地遥感信息提取是通过对高分辨率的遥感影像进行分类实现的。面向对象的分类方法是目前常用于高分辨率遥感影像分类的方法。该方法的分类单元是地物对象而不是传统意义上的像素，充分利用了对象信息（色调、形状、纹理、层次）、类间信息（与邻近对象、子对象、父对象的相关特征），实现对遥感影像的计算机自动分割。其在常规的土地利用分类中得到了广泛的应用。然而，此项目不同于常规的土地利用分类，它需要对农作物进行识别。根据项目需求，将提取以下五类农业用地：①水稻田：指种植水稻的田地。②果园：指种植果树的园地。广州地区的果园多为荔枝、龙眼、潘石榴园等。③菜地：指常年种植蔬菜为主的耕地。④大规模经济作物区：在本项目中，大规模经济作物区指成片种植的甘蔗、香蕉地。⑤鱼塘：指用于养鱼的池塘。详情如图1所示。

图1 研究区五种农业用地的光谱曲线

图1为实地测量的研究区内几种典型农作物的光谱曲线。由图可知，在5个类别中，除鱼塘的光谱曲线和其他4条差异较大外，其中有4个类别都表现为植被的光谱特性，光谱差异性不大，也就是说，仅从光谱特征是难以区分不同农作物的。因此，本项目难度远远高于常规的土地利用调查对耕地、城市用地、林草地的区分。而根据前期的试验发现，自动分类在本项目中存在一定的局限性，主要体现在分割尺度的难以选择上。

在面向对象分类中，分割尺度是分割形成的多边形影像对象异质性的闭值，它的好坏直接影响影像地物信息提取精度的高低。分割尺度的大小直接决定了生成影像对象的大小——分割尺度越大，所生成的影像对象层中多边形的面积越大，而数目越少；反之亦然。由于农业地的地块大多比较破碎，经常出现不同类型农业地混杂的情况。在这种情况下，如果分割尺度过小，地块被分为太多破碎的图斑，就会造成数据过大、数据处理效率低下。分割尺度太大，小面积的地块又无法自动区分。此外，面对光谱、形状相似的地类，自动分类也容易出现误判，例如鱼塘、坑塘和河流三者的光谱特性基本一致，鱼塘与坑塘的形状指数也相似，自动分类将难以正确判别鱼塘。

图2 农业用地遥感提取分类系统

综上所述，该项目将采用自动分类与人工解译结合的提取方法：自动分类主要实现农业用地与非农业用地的辨别，而人工解译主要实现农业用地类型的识别和勾画。由此，该项目涉及两个分类体系，即自动分类体系和人工解译分类体系，如图2所示。

4 农业用地遥感调查成果分析

4.1 夏季农业用地构成

436.73

4.3 夏、秋两季比较

从化全境属半山区。市东北部以山地、丘陵为主，中南部以丘陵、谷地为主，西部以丘陵、台地为主，境内水资源充沛。从化市农业以种植果树为主，其次为水稻，主要分布在从化市南部、西部和东部，中部较少。秋季果园、水稻和鱼塘面积略有减少，菜地面积略有增加，其他大规模作物区保持不变，总体相比变化不大。

5 结束语

采用遥感技术对辖区内的农业用地情况进行分析识别，不仅可以及时、快速、精确地获取实时的农业用地信息，还可以获取一些偏远地区的农业用地情况，使调查结果更全面、完善。而翔实、准确的农业用地面积调研结果，确保了农业用水量的估算精度，有助于获取准确的农业用水量，对于进一步加强水资源的管理和优化配置，促进水资源的可持续利用意义深远。

〔编辑：王霞〕

Application of Satellite Remote Sensing in the Fixed Law of Agricultural Water Use Statistics

Wang Ning， Huang Zibin

Abstract： A high-resolution remote sensing data for the summer and autumn of Guangdong Province from rice， vegetable， fruit， fish ponds and large-scale cash crop areas of municipal districts of analysis， identification， were obtained in different seasons， different type of agricultural land area， thereby deriving agricultural water use fixed method.

Key words： satellite remote sensing； fixed law； agriculture； waterendprint

摘 要：采用高分辨率的遥感数据对夏、秋两季的广东省从化市辖区内的水稻、菜地、果树、鱼塘和大规模经济作物区进行分析、识别，分别求得不同季节、不同类型的农业用地面积，从而用定额法推求农业用水量。

关键词：卫星遥感；定额法；农业；用水量

中图分类号：S127 文献标识码：A 文章编号：2095-6835（2014）05-0127-02

按照定额法推算农业用水量是农业需水预测工作中较常使用的方法。采用这种方法首先需要调查研究区的各种农业用地的面积（水稻、菜地、果树、鱼塘等）。过去传统的统计调查方法主要单靠调查人员进行实地调查，不仅速度慢，而且易造成误报、漏报和错报，而遥感技术由于其宏观性、现势性的特点被越来越多地应用到土地利用调查中。本文以从化市为调查区域，以高分辨率卫星影像为数据源，开展夏、秋两季水稻、菜地、果树、鱼塘和大规模经济作物区的分析、识别，并统计、分析夏、秋两季农业用地的类型、面积状况，从而用定额法推求农业用水量。

1 研究内容和范围

2 数据资料收集

本项目需要收集夏、秋两季高分辨的遥感数据、研究区的地形数据、地理信息数据以及可以用于协助农业用地分类的相关信息，这些资料是项目开展的基础。

2.1 数据的坐标系统

2.2 遥感数据收集

经数据查询，由于广州地区夏季多云雨，近两年都无可覆盖全广州的SPOT5的夏季数据。而随着SPOT6卫星的发射成功，1.5 m分辨率的SPOT6数据无论在分辨率、价格上都优于SPOT5数据。因此，从实际情况出发，在保证数据精度的情况下采用以下数据方案：①夏季数据。采用2011年、2012年夏季SPOT5数据和Rapideye数据组合覆盖研究区。②秋季数据。采用编程定制的、分辨率优于SPOT5卫星的SPOT6卫星数据，成像时间为2013-10，数据分辨率1.5 m。另还收集了2012年秋季的资源卫星数据，数据分辨率5 m。

p

3 农业用地遥感信息提取

农业用地遥感信息提取是通过对高分辨率的遥感影像进行分类实现的。面向对象的分类方法是目前常用于高分辨率遥感影像分类的方法。该方法的分类单元是地物对象而不是传统意义上的像素，充分利用了对象信息（色调、形状、纹理、层次）、类间信息（与邻近对象、子对象、父对象的相关特征），实现对遥感影像的计算机自动分割。其在常规的土地利用分类中得到了广泛的应用。然而，此项目不同于常规的土地利用分类，它需要对农作物进行识别。根据项目需求，将提取以下五类农业用地：①水稻田：指种植水稻的田地。②果园：指种植果树的园地。广州地区的果园多为荔枝、龙眼、潘石榴园等。③菜地：指常年种植蔬菜为主的耕地。④大规模经济作物区：在本项目中，大规模经济作物区指成片种植的甘蔗、香蕉地。⑤鱼塘：指用于养鱼的池塘。详情如图1所示。

图1 研究区五种农业用地的光谱曲线

图1为实地测量的研究区内几种典型农作物的光谱曲线。由图可知，在5个类别中，除鱼塘的光谱曲线和其他4条差异较大外，其中有4个类别都表现为植被的光谱特性，光谱差异性不大，也就是说，仅从光谱特征是难以区分不同农作物的。因此，本项目难度远远高于常规的土地利用调查对耕地、城市用地、林草地的区分。而根据前期的试验发现，自动分类在本项目中存在一定的局限性，主要体现在分割尺度的难以选择上。

在面向对象分类中，分割尺度是分割形成的多边形影像对象异质性的闭值，它的好坏直接影响影像地物信息提取精度的高低。分割尺度的大小直接决定了生成影像对象的大小——分割尺度越大，所生成的影像对象层中多边形的面积越大，而数目越少；反之亦然。由于农业地的地块大多比较破碎，经常出现不同类型农业地混杂的情况。在这种情况下，如果分割尺度过小，地块被分为太多破碎的图斑，就会造成数据过大、数据处理效率低下。分割尺度太大，小面积的地块又无法自动区分。此外，面对光谱、形状相似的地类，自动分类也容易出现误判，例如鱼塘、坑塘和河流三者的光谱特性基本一致，鱼塘与坑塘的形状指数也相似，自动分类将难以正确判别鱼塘。

图2 农业用地遥感提取分类系统

综上所述，该项目将采用自动分类与人工解译结合的提取方法：自动分类主要实现农业用地与非农业用地的辨别，而人工解译主要实现农业用地类型的识别和勾画。由此，该项目涉及两个分类体系，即自动分类体系和人工解译分类体系，如图2所示。

4 农业用地遥感调查成果分析

4.1 夏季农业用地构成

436.73

4.3 夏、秋两季比较

从化全境属半山区。市东北部以山地、丘陵为主，中南部以丘陵、谷地为主，西部以丘陵、台地为主，境内水资源充沛。从化市农业以种植果树为主，其次为水稻，主要分布在从化市南部、西部和东部，中部较少。秋季果园、水稻和鱼塘面积略有减少，菜地面积略有增加，其他大规模作物区保持不变，总体相比变化不大。

5 结束语

采用遥感技术对辖区内的农业用地情况进行分析识别，不仅可以及时、快速、精确地获取实时的农业用地信息，还可以获取一些偏远地区的农业用地情况，使调查结果更全面、完善。而翔实、准确的农业用地面积调研结果，确保了农业用水量的估算精度，有助于获取准确的农业用水量，对于进一步加强水资源的管理和优化配置，促进水资源的可持续利用意义深远。

〔编辑：王霞〕

Application of Satellite Remote Sensing in the Fixed Law of Agricultural Water Use Statistics

Wang Ning， Huang Zibin

Abstract： A high-resolution remote sensing data for the summer and autumn of Guangdong Province from rice， vegetable， fruit， fish ponds and large-scale cash crop areas of municipal districts of analysis， identification， were obtained in different seasons， different type of agricultural land area， thereby deriving agricultural water use fixed method.

Key words： satellite remote sensing； fixed law； agriculture； waterendprint