基于3S技术的水稻播种面积变化遥感监测

王 谦，元昌安，王新生，陈志杰，许 亮

（1. 广西师范学院 资源与环境科学学院，广西 南宁 530000；2. 广西师范学院 计算机与信息工程学院，广西南宁 530000；3. 湖北大学 资源环境学院，湖北 武汉 430062）

水稻作为我国主要粮食作物之一，其种植面积、长势和产量是国家粮食安全体系的重要组成部分[1]。卫星遥感具有实时、宏观、客观等特点，能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[2-10]，但是目前仍缺乏简单实用的快速提取农作物种植面积相对变化率的方法。本文以早稻种植面积调查为例，探讨并实践了快速提取农作物种植面积相对变化率的方法。

1 农作物播种面积变化监测方法

农作物播种面积变化监测有多种方法，广泛采用的有遥感影像解译调查方法，包括抽样方法和全覆盖方法2种。前者是选取调查区域中的若干景遥感影像区域进行遥感解译，调查相邻2年种植面积，从而得出相对变化率；后者则是对调查区域进行影像全覆盖，不仅可得出相邻2年的区域农作物种植面积的相对变化率，更能得出调查区域农作物种植面积的绝对数字，但是由于受到数据源、精度、成本和工作量等方面的限制，这种方法是一种理论上的方法，在实际中很难采用。本文主要提出地面样方调查方法和区域遥感影像解译法。

1.1 野外地面样方调查方法

首先在野外实地建立地面样方，通过观测相邻2年同一个样方内的农作物种植状况，调查农作物播种面积变化。这种方法一般需要较多数量的样方，样方分布于农作物主产区，布局要有代表性，面积可选择在300 m×300 m～500 m×500 m之间，在实际中可根据田块大小、地块破碎状况、种植区域集中连片程度等来调整样方大小。在农作物生长期内，在野外利用GPS对已有样方进行农作物种植面积的变更调查。每个样方都有对应的调查表，记录每个样方的农作物种植面积变化情况以及变化原因。野外调查完成后，再对数据进行统计分析，得出农作物种植面积变化的地面样方调查数据。野外地面样方调查过程中，还可获得大量的为室内解译提供解译标志的数据集。

1.2 遥感影像解译调查方法

遥感影像解译调查方法是通过解译在农作物生长期内同一地区相邻2年的遥感影像，计算、统计农作物种植面积的变化情况。主要步骤包括：

1）建立解译标志。在遥感监测解译工作中，需在GPS的支持下，携带相关影像到野外进行实地调查，建立遥感影像的解译标志，为后续室内解译作准备。在实际调查中，需拍下实地照片及相关视频作为参考依据。

2）影像预处理。采用遥感图像处理软件，利用已有的往年相同区域校正后的遥感影像作为参考影像或在Google Earth中采点对待校正的遥感影像进行几何精校正，将精校正后的影像进行相交运算，获得不同年份的公共区域影像，再利用国家1∶10万或1∶5万标准地形图分幅图框对公共区域影像进行裁剪，以分幅影像作为解译单元。

3）影像解译。结合地面训练样方、往年数据和相关专题图等，通过非监督分类进行人机交互解译和修正，获取目标农作物的矢量图层，然后在GIS软件中进行图斑修改，最终获取目标农作物的相关信息。

4）地面验证及检查。对有关解译结果再次进行野外实地验证，主要是验证在解译过程中难以确定的区域，如发现解译有问题，立即反馈给室内解译人员，对解译结果进行修改。

5）统计分析。待所有解译结果检查合格后，将数据汇总进行统计分析，得出农作物种植面积变化的监测调查报告。

2 黄梅县早稻播种面积变化调查

2.1 调查区域概况

本次调查区域选择湖北省东部的黄梅县。

2.2 地面样方调查

由于多种因素的制约，在本次调查中，只对2个早稻地面样方进行了调查。野外调查中，实地观察和测量了这2个地面样方的农作物种植情况及变化（见图1和表1）。从2个样方的结果来看，2011年2个样方中早稻播种面积都较2010年有大规模减少，一个减少64.79%、另一个减少28.84%。由于样方数量太少，可能并不能反映调查区域的实际情况，结果只能作为参考（调查区域的早稻播种面积变化主要采用遥感影像解译调查来实现）。

表1 地面样方早稻播种面积变化表

2.3 遥感影像解译调查

根据湖北省早稻生长物候历，早稻的遥感解译工作中，最容易与其他地物混淆的时间是在早稻刚移栽的过程中。这时早稻田在影像中体现的是水体特征，不容易与水体分开。同时，在早稻生长的后期阶段，与一季稻也很难分开。较容易与其他地物区分开的时期是早稻返青期，同时考虑到监测区的农作物种植结构、种植制度等特点，确定早稻种植面积遥感识别的最佳时相为5月中旬至6月上旬之间，共选用2010-05-24和2011-05-20 SPOT5卫星影像2景，主要分布湖北省鄂东地区。

湖北省早稻种植面积动态遥感监测，采用高分辨率多光谱卫星遥感数据，结合地面样方调查结果，采用非监督分类与人机交互并行的方式进行早稻识别与分类，提取监测区内相邻2年早稻种植面积的空间分布及数量，计算、统计2010年和2011年该区域的早稻种植面积相对变化率。

由于受到数据源和湖北省鄂东地区早稻种植区域的限制，本次遥感影像调查范围仅选取一个标准1∶5万地形图分幅范围（见图2）。按照前述解译方法对2010年和2011年同一区域的早稻种植区域进行了解译，并得到了相应的解译结果（见图2和表2）。从解译结果来看， 2011年早稻面积约1 653.56 hm2，比2010年减少了1 154.50 hm2，变化幅度为-41.11%。

表2 影像解译结果

2.4 重点区域早稻种植情况调查

从地面样方调查和遥感影像解译的结果来看，早

稻播种面积大量减少，选取了几个重点区域（见图3）对早稻种植面积明显变化的原因进行了详细调查。

调查发现，该区域2011年早稻种植面积大量减少的主要原因有3个方面：①2011年上半年湖北省旱情严重，很多地区缺水使早稻无法栽插，导致大多地方早稻改种一季稻，这是早稻面积大规模减少的直接原因；②由于莲藕价值高、市场行情好，该区域部分地方将早稻田改种莲藕；③随着人力物力等方面投入的加大，两季稻收益相对一季稻不具有很大优势，所以部分地区将种植两季稻改为一季稻，导致早稻播种面积减少。

3 结 语

本文通过分别提取相邻2年解译区早稻的种植面积，从而计算出区域早稻种植面积总体变化率。该方法从新的角度实现了对早稻种植面积动态变化的遥感监测，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带来的不确定性影响，为农业生产信息获取提供了新思路和新方法。但是，研究中也存在一些问题：

1）遥感解译结果受影像质量和解译人员专业素养的影响。

2）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。

4）地面样方调查需要样方数量很多，样方分布要有代表性，样方面积要大，但是在我国南方地区，由于地形起伏大、人口密集、田块较小、种植农作物类型多样等，较难形成同一种农作物集中连片分布，所以在样方面积上可根据实际情况进行适当设置，有时不能做得很大，建议在困难地区可选择较小的样方面积。

5）受早稻播种时间跨度长和水稻发育情况参差不齐等影响，在遥感影像上早稻有时与一季稻的解译标志极为相似。例如，种植时间较早的早稻田在影像上呈现土黄色，而部分种植时间较迟（成像于5月下旬～6月上旬）的早稻田则与一季稻田在影像上都表现出极其类似的色彩、色调特征，均呈浅紫色或深紫色，如果早稻和一季稻都在五一前开始播种，两者在影像上表现特征非常类似，从而会导致早稻面积的解译结果有明显增加的现象。因此，仅利用单时相遥感影像，有时很难将两2景影像覆盖范围内的早稻和一季稻较准确地区分开来，需要寻求多时相影像或其他调查方法进行补充。

鉴于早稻栽种时间可能存在不统一的情况，建议采用时谱法进行早稻遥感监测，即上一年度的早稻信息提取尽量采用双时相影像（其中一景成像于5月中下旬，另一景成像于早稻收割后而一季稻正处于生长旺盛期），本年度的早稻信息则依据地面训练样区及实地调查所获取的先验知识，结合上一年度的早稻种植情况进行提取。

另外，影像解译工作属于一种大范围的抽样调查，并且在实际的农作物面积遥感监测工作中遥感影像也不可能是全覆盖，因此，为了提高解译精度，建议在早稻主产区采用更高分辨率的Quickbird影像等作为早稻遥感监测信息源。

[1]陈仲新,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

[2]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

[3]阙杜云,李秀芬,韩俊杰.基于多时相MODIS数据的黑龙江省水稻种植面积动态监测研究[J]. 黑龙江气象, 2010,27(2): 21-22

[4]范莉,罗孳孳.基于MODIS-ENVI的水稻遥感估产——以重庆三峡库区为例[J]. 西南农业学报, 2009, 22(5): 1 416-1 419

[5]吴炳芳, 刘海燕. 水稻种植面积估计的遥感方法[J]. 遥感学报, 1997, 1(1): 58-63

[6]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方法研究[J]. 农业工程学报, 2004,20(6): 145-148

[7]张峰, 吴炳芳, 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

[8]黄敬峰, Ahmad Yaghi, 王人潮. 利用GIS与TM资料集成技术估算龙游县早稻面积[J]. 农业工程学报, 2001, 17(1): 159-162

[9]柳菲, 王新生. 基于SPOT影像和地面样方的一季稻晚稻遥感监测[J]. 湖北大学学报, 2012, 34(3): 313-316

[10]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