基于多时相HJ卫星的渭干河-库车河绿洲主要农作物种植信息提取*

玉苏普江·艾麦提，买合皮热提·吾拉木，玉苏甫·买买提，阿里木江·卡斯木

(新疆师范大学地理科学与旅游学院，乌鲁木齐 830054)

遥感作为一种现代化的技术，在农业资源调查中发挥了极其重要的作用并展示了其他技术难以取代的优势［1］。及时、准确地获取农作物种植面积信息，有利于农业部门指导农业生产，调整农业结构，为区域农作物的产量估计和预测提供可靠依据。利用遥感技术提取作物种植面积是农情监测的主要内容之一，其重点在于作物种类的识别和面积量算的精度［2-4］。因此，可靠的数据源和准确、有效的农作物种植面积提取方法是农作物面积遥感估算的关键。

目前，我国学者用不同的遥感数据和方法来进行农作物种植面积监测方面的研究。比如，王国芳利用TM数据进行了耕地面积提取方法研究;吴健平等人用NOAA/AVHRR数据估算上海地区水稻种植面积;王琳等人利用多时相MODIS数据对水稻关键生长发育期进行识别，基于植被指数动态变化规律，建立模型，提取水稻种植信息［5-7］。随着遥感技术的发展，SPOT、IKONOS和QuickBird影像也被用来提取农作物种植面积［8-10］;QuickBird、SPOT等数据虽具有较高的空间分辨率，对于作物面积监测有较高的精度，但其重访周期长、获取最佳时相困难、价格高昂，难以获得作物生长季充足的图像数据，无法充分发挥时相信息在作物识别中的重要作用［11］。而环境与灾害监测预报卫星 (简称HJ卫星)作为我国自主研发的卫星，具有高时间分辨率和较高空间分辨率的特点。自2008年发射以来，其数据产品已开始应用于我国林业、农业、自然灾害、土地利用、定量化应用等众多领域。我国学者刘珺、欧文浩和王来刚等人利用HJ-CCD影像来进行农作物覆盖监测并取得了较好的效果［12-14］。

该文以渭干河—库车河洲绿洲为研究区，利用作物全生育期内的3景不同时相的HJ-1卫星遥感影像，ENVI下基于CART算法的决策树规则自动提取主要农作物覆盖信息，然后以野外GPS调查点为依据，通过决策树方法对农作物预分类结果进行修正，成功提取了研究区的玉米、棉花和小麦的种植面积。旨在为研究区农作物面积变化遥感监测的业务化运行提供技术参考，最终快速、准确地提取农作物信息，为农业决策部门和农业技术推广人员提供一定的参考依据。

1 研究区概况

渭干河—库车河绿洲 (简称渭库绿洲)位于塔里木盆地的中北部，渭干河—库车河流域的下游，中部天山南麓，塔克拉玛干沙漠北缘，介于北纬39°30'N～42°40'N，东经81°27'N～84°06'E，辖区范围包括库车、沙雅和新和3个县。渭库绿洲是阿克苏地区开垦较早的一个绿洲，是库车、沙雅和新和3县经济发展的核心地带。该区光热资源丰富，降水少，蒸发量大，气温差异显著，日照期长，夏季干热、冬季干冷，无霜期长。从作物种植总面积来看，棉花、冬小麦和夏玉米种植面积居前3位，分别占作物种植总面积的46.89%、24.95%和21.09%，三者的种植面积之和占农作物种植总面积的92.93%。耕作制度包括一年一熟或两年三熟的旱作轮作制，作物主要生长期在4～10月［15］。

图1 渭干河—库车河绿洲地理位置

2 数据的选择与预处理

2.1 数据简介

该文以环境与灾害监测预报小卫星 (简HJ-1卫星)为数据源，数据来源于中国资源卫星应用中心(http:www.cresda.com/)，辅以1:10万地形图和GPS野外样点数据，并参考当地的作物轮作制度，提取3大作物的种植面积信息。HJ-1卫星是中国自主研究开发的民用对地观测卫星，该卫星于2008年9月6日成功发射升空，HJ-1-A星搭载了CCD相机和超光谱成像仪 (HSI)，HJ-1-B星搭载了CCD相机和红外相机 (IRS)，CCD相机重访周期为96小时 (HJ-1/A和HJ-1/B组网后48小时)，空间分辨率为30m，共有蓝、绿、红和近红外4个波段。对中国大部分地区可实现每天一次重复观测，将大大缓解中国对地观测数据紧缺局面，提高中国环境生态变化、自然灾害发生和发展过程监测的能力。

2.2 最佳时相选择

农作物生长具有明显的季节变化特征，是对环境因素影响其生长的反应。根据作物不同生育期在遥感影像上的差异来选择不同时相的遥感数据，可以有效地识别出目标作物。时序遥感影像数据的时间选择范围是根据南疆3种主要作物物候历 (表1)和前人研究的基础上确定的。从表1中可以看出，小麦，玉米和棉花的生长期从4月份到10月份。棉花生长的旺盛期在蕾期与花铃期之间，小麦在拔节与抽穗期间，玉米在拔节与抽雄期间;试验区4月中、下旬至5月中旬，作物处在苗期，农田中只有冬小麦处于生长旺盛期，是提取冬小麦的最佳时期;7～8月份，农田中作物均处在生长阶段，呈现出一片绿色，可以从植被和其他土地类型中分别出农田覆盖信息。棉花的生长期比其他作物要长，在9月中旬后其他农作物都已成熟，这是很容易从遥感图上识别出棉花，从南疆棉区作物的物候历可初步得出，9月上、中旬期间是一个最佳识别棉花的时相期［16］。因此，该文选用2012年4月19日、7月31日和9月12日的HJ卫星CCD遥感数据来分别提取出了冬小麦、玉米和棉花。

表1 南疆主要农作物物候历

2.3 数据预处理

卫星遥感数据获取后需要对数据进行定标、大气纠正和几何精校正等预处理。对于HJ-1号卫星CCD影像，利用ENVI 5.0软件FLAASH大气校正模块对影像进行了大气校正，将辐射亮度值转为地表反射率，消除或减少大气影响。采用带有精确地理坐标的LANDSAT TM卫星遥感数据为参考数据，对采集的2012年7月30日的HJ-1号卫星数据进行几何精校正，误差控制在半个像元以内。以纠正后的2012年7月30日的遥感影像为基准，分别对4月19日和9月12日的HJ卫星CCD遥感影像进行图像间的配均，误差控制在0.5个像元内。随后采用直方图均衡化将影像进行线性拉伸和滤波等增强处理，以增强图像的目视效果，提高解译精度。包含研究区的最大矩形为感兴趣区，分别对3景CCD影像进行研究区的裁剪，得到了研究区HJ数据图像。

归一化植被指数 (NDVI)是当前应用最为广泛的一种植被指数，可以作为植被总量、结构和状况的光谱度量，是植被生长状态及植被覆盖度的最佳指示因子。NDVI计算公式如下:NDVI=(NIR-RED)/(NIR+RED)，其中:NIR为HJ-1号卫星近红外波段反射率，RED为红光波段反射率。利用ENVI5.0软件下分别计算3期HJ-CCD影像的NDVI值，为研究区农作物提取多时相数据特征分析提供数据准备。

3 农作物信息提取过程

该文使用CART算法获取规则，基于规则提取农作物覆盖信息。CART(Classification and Regression Tree)算法采用一种二分递归分割的技术，将当前的样本集分为两个子样本集，使得生成的决策树的每个非叶子节点都有两个分支。因此，CART算法生成的决策树是结构简洁的二叉树，利用该算法构建决策树获取的分类规则是合理的，它可以快速、有效地获取大量分类规则，是促进基于知识的遥感影像分类方法土地利用/覆被分类中广泛应用的一项有效手段［17］。该文提取农作物覆盖信息的总体技术流程如图2所示。

首先准备每一期的HJ卫星影像的NDVI图，对每一期影像进行非监督分类，最大分类数量为10，然后分别对每一期的HJ卫星影像构建多源数据集。数据集由蓝、绿、红、近红外4个波段、NDVI、ISODATA非监督分类结果组合成一个6个波段的文件。然后在实验区影像中选择一定数量的训练样本，利用ENVI下的CART扩展工具，使用CART算法获取专家知识分类规则。

对2012-07-30的合成影像，利用CART算法获取的分类规则进行分类，获取农田的初步分布范围;其次对2012-04-19的合成影像使用已获取的分类规则进行分类，提取小麦的种植面积信息;再次对2012-09-12的合成影像使用分类规则进行分类，提取棉花和玉米的种植面积信息。由于分类结果图斑较为细碎，因此需要对栅格分类图进行分类后处理，因此进行了聚类统计、过滤分析、去除分析，并参考野外调查GPS样点对比预分类结果进行修正。最终叠加处理获取研究区玉米、棉花、小麦的种植面积总量与空间分布图 (图3)。

4 精度验证

总量精度是指一定范围的行政区或自然单元内作物种植面积的总量精度K(式1)［18］，该研究以农业普查统计的农作物种植面积总量为参考值，对该文得到的小麦、棉花和玉米的种植面积进行总量精度验证，结果如表2所示。

表2 Cart算法的提取结果相对精度

式中，kZ为试验区决策树分类玉米的总量精度;S为此次分类的测量值;S0为2012年库车、新和、沙雅3县的各农作物统计总值。由表2、图4可知，对研究区而言，棉花的种植面积最多，其次是小麦，玉米的最少。整个研究区的总量精度为91.73%，结果良好。各农作物的相对精度不一，棉花的相对误差较小，均小于6%，而玉米和小麦的相对误差大于8%。通过野外调查和农作物套种方式来看，玉米作为套种作物，其大部分小麦与玉米套作，一部分小麦与其他农作物套作，在提取玉米时易跟其他农作物混合，影像玉米提取的精度。

图4 主要农作物种植面积提取结果与统计数据对比

5 结论

该文利用多时相HJ卫星CCD影像，根据农作物的物候规律，选择3种农作物区别的最佳时相，并利用CART算法获取分类规则，结合GPS野外调查样点进行修正，成功提取了渭—库绿洲主要农作物的种植面积信息。结果表明:

(1)充分利用HJ卫星CCD影像具有高时空分辨率、成本低和获取方便的优势，较准确地提取了渭库绿洲主要农作物的种植面积，总体精度达到了91.73%。说明HJ卫星能够用于提取我国西北方地区监测提取农作物种植面积，在控制成本的同时，还可以满足农作物遥感监测的需求，而且组合不同时相的遥感影像，相互补充农作物之间的相关信息，有利于去除其他地物的干扰，实现遥感目标的识别和测量。

(2)对于渭库绿洲而言，4月中、下旬至5月中旬，作物处在苗期，农田中只有冬小麦处于生长旺盛期，是提取冬小麦的最佳时期。9月上、中旬期间是一个最佳识别棉花的时相期，此时较为容易区分棉花与玉米的种植区域。

(3)使用ENVI下基于CART算法的决策树规则自动提取了研究区玉米、棉花和小麦的种植面积，分别为3.445 23万hm2、15.578 19万hm2和4.319 73万hm2。通过提取结果进行的验证与评价，表明利用该方法提取农作物的面积精度能够满足农业遥感监测的要求，还进一步证明了该方法是可行的，可对农业决策部门和农业技术推广人员提供一定的参考依据。

致谢:该文采用的和课题有关的所有HJ卫星CCD影像星遥感数据，由中国资源卫星应用中心提供，在此表示感谢。

［1］崔方宁，宋晓宇，孙宝生，等.基于多时相TM影像的冬小麦面积变化监测.遥感信息，2012，27(5):89～95

［2］王康弘，梁军.基于GIS的电子政务信息资源平台建设.测绘科学，2005(30):27～29

［3］范磊，程永政，王来刚，等.基于多尺度分割的面向对象分类方法提取冬小麦种植面积.中国农业资源与区划，2010，31(6):44～51

［4］赵丽花，李卫国，杜培军.基于多时相HJ卫星的冬小麦面积提取.遥感信息，2011(2):41～50

［5］王国芳.基于TM数据耕地面积提取方法研究.山西农业科学，2011，39(4):374～378

［6］吴健平，杨星卫.用NOAA/AVHRR数据估算上海地区水稻种植面积.应用气象学报，1996，7(2):190～194

［7］王琳，景元书，杨沈斌.基于多时相遥感数据提取水稻种植面积的研究.中国农业资源与区划，2013，34(2):20～25

［8］郑长春，王秀珍，黄敬峰.基于特征波段的SPOT-5卫星影像水稻面积信息自动提取的方法研究.遥感技术与应用，2008，23(3):294～299

［9］朱光良.IKONOS等高分辨率遥感技术的发展与应用分析.地球信息科学，2004，6(3):108～110

［10］徐新刚，李强子，周万村，等.应用高分辨率遥感影像提取作物种植面积.地球信息科学，2008，23(1):17～23

［11］燕荣江，景元书，何馨.农作物种植面积遥感提取研究进展.安徽农业科学，2010，38(26):14767～14768

［12］刘珺，田庆久，黄彦，等.利用多时相HJ卫星CCD遥感影像提取嘉祥县秋收作物.遥感信息，2012(2):67～70

［13］欧文浩，苏伟，薛文振，等.基于HJ-1卫星影像的三大农作物估产最佳时相选择.农业工程学报，2010，26(11):176～182

［14］王来刚，郑国清，陈怀亮，等.基于HJ-CCD影像的河南省冬小麦种植面积变化全覆盖监测.中国农业资源与区划，2011，32(2):58～62

［15］满苏尔·沙比提，买买提·阿扎提.渭干河-库车河三角洲绿洲主要作物不同生育期需水量估算.干旱区研究，2009，26(1):102～108

［16］曹卫彬，刘姣娣，马蓉.新疆棉花遥感监测识别区域的划分.农业工程学报，2008，24(4):172～176

［17］赵萍，傅云飞，郑刘根，等.基于分类回归树分析的遥感影像土地利用/覆被分类研究.遥感学报，2005，9(6):708～716

［18］马丽，顾晓鹤，徐新刚，等.地块数据支持下的玉米种植面积遥感测量方法.农业工程学报，2009，25(8):147～151