基于遥感数据的沈阳水稻种植面积提取及精度分析

李 石，宋晓巍，张 菁，慕臣英，徐全辉， 张靖萱 ，张思瑶

(沈阳市气象局，辽宁沈阳110168)

基于遥感数据的沈阳水稻种植面积提取及精度分析

李 石，宋晓巍，张 菁，慕臣英，徐全辉， 张靖萱 ，张思瑶

(沈阳市气象局，辽宁沈阳110168)

为研究MODIS遥感数据及提取方法对估测沈阳水稻种植面积的适用性，利用MODIS数据，采用监督分类的方法，同时结合水稻不同生长发育阶段特点，对沈阳水稻种植面积进行数据提取，并制作了沈阳地区水稻种植面积分布图。将提取的水稻种植面积结果与统计局统计的面积及Landset 遥感数据资料进行比较分析。结果表明，通过MODIS遥感监测水稻种植面积具有良好的效果，利用监督分类的方法提取的水稻种植面积精度达92%，因此，该方法用于沈阳地区水稻种植面积的提取，结果可靠，精度较高。

遥感；MODIS；水稻；种植面积

水稻是世界主要作物之一，辽宁省种植的水稻为粳稻，面积占全国面积的10%左右，沈阳市水稻种植面积占辽宁省水稻总面积的21.5%。水稻的种植生产具有季节性强、覆盖面积广、区域差异大等特点。对于大范围农作物面积数据的获得，传统方法一般是采用农业统计报表法，主要依靠全面报表、层层上报的方法，获取地方政府认可的作物面积数据，并配合使用抽样调查方法，因统计结果缺少空间分布状况的信息，难以满足研究和决策的实效性要求。而遥感技术则是解决这个问题可行且有效的方法，与常规的统计方法相比，以遥感方法获取作物信息具有独特的优势。遥感技术覆盖面大，短时间内可重复观测，成本相对较低，与地理信息系统和全球定位系统GPS相结合，不仅可以提取农作物的种植面积，还可以实现空间布局的准确定位[1-2]。利用遥感技术获取大范围的水稻种植空间分布与面积大小，对指导水稻生产具有重要意义，也可为日后实施大面积水稻遥感估产提供理论与实验依据[3]。

利用遥感数据开展作物种植面积监测的研究越来越广泛，国外很多研究人员开展了水稻种植面积遥感监测研究[4-5]。在国内，程乾等利用多源信息复合数据可以提高单景MODIS数据水稻种植面积的估算精度[6]；张春桂等利用MODIS数据结合水稻叶面积指数模型监测丘陵山区双季稻种植面积，相对误差可小于13%[7]；张海珍等利用特征二维空间选择训练样本，并对筛选出的训练样本采用最大似然法对影像进行监督分类以提取水稻种植的空间信息，精度可达到83%[8]；冯锐等利用MODIS数据分析了东北地区水田、旱地、林地、湿地等不同下垫面在作物生长季的动态变化，建立了东北地区水稻种植面积的提取模型[9]。然而，目前还没有利用MODIS 500 m数据对沈阳地区水稻种植面积进行提取研究的报道，故作者对此进行了研究。

1 材料与方法

1.1 资料概况

MODIS数据为2015年4—10月的图像，来自美国对地观测系统(EOS)TEERA卫星的MODIS传感器。在NASA网站下载500 m分辨率的MOD02HKM文件，对其图像进行投影变化、格式转换、裁剪和镶嵌等预处理，投影方式为albers投影。

1.2 研究区概况

研究区为沈阳市，地处东经122°25′～123°48′、北纬42°12′～42°17′，包括康平、法库、辽中、新民、苏家屯、沈北、东陵7个区县(图1)，农业种植主要以玉米、大豆、水稻等作物为主，一年一熟。

1.3 研究方法

以建立统计识别函数为理论基础，依据典型样本训练方法进行分类的技术，即根据己知训练区提供的样本，通过选择特征参数，求出特征参数作为决策规则，建立判别函数以对各影像进行图像分类，是模式识别的一种方法。本研究采用了监督分类中最常用的最大似然法[10-11]。最大似然法是假定每个波段中每类的统计都呈现正态分布，并将计算出给定像元都归到概率最大的那一类里。

图1 沈阳市区域图

2 结果与分析

2.1 时相的选择

利用遥感数据对农作物信息进行提取研究时，遥感数据的时相选择至关重要，选择最佳时相的遥感数据可将工作量最小化。水稻在移栽前，稻田需要灌水以便于插秧和保证水稻的生长，且灌水期一直持续到成熟期。水稻在移栽期禾苗较小，此时遥感获取的水稻田信息既包含水的信息也包含植被的信息。这是水稻区别于其它作物的特殊时期，本研究利用水稻移栽期地表覆盖的特殊性这一特点，可以实现水稻田的识别，因此，确定沈阳地区水稻的移栽期，是选择合适时相MODIS数据的关键。水稻各生育期见表1。

表1 沈阳地区水稻生长发育时期

2.2 MODIS数据选择

MODIS数据涉及36个波段，分布在0.4～1.4 μm的电磁波谱范围内，本研究使用的MODIS 500 m数据为多源多通道数据，数据波段参数以及主要用途见表2。

表2 MODIS数据主要波段及用途

2.3 监督分类方法提取水稻种植面积

经过多次试验，发现在提取的训练样本中应用监督分类方法时，水体面积跟水稻种植面积很难辨识，因此在监督分类前先将沈阳市常水体去除掉，以此排除沈阳地区常水体对分类结果的影响，进而提高分类的精度。

本研究是在RSD运行平台上进行操作的。首先建立蒙版，以蒙板为区域对象，完成沈阳地区目标遥感数据的区域分割，然后添加卫星数据，将swath数据格式转成栅格数据(Grid)；根据已掌握典型地区的地面情况，在图片上选择训练区，训练样本包括绿地、城市、水稻、林地、陆表等训练样本；根据选择的各类训练区的图像数据进行计算；分类，将训练区以外的图像像元逐个逐步的代入公式，对于每个相元，通过运算，选择最大值得出类别。

通过监督分类法得到沈阳地区水稻种植面积为118 350 hm2，根据图2可以看出，沈阳地区的水稻种植面积分布主要集中在辽中、新民地区，这些地区正是沈阳地区水稻种植的主产地。在康平、法库地区水稻分布稀疏，这些地方主要以种植玉米为主，因而得到MODIS遥感数据提取的水稻种植面积趋势与实际情况大致相符(表3)。

表3 基于MODIS遥感数据提取的水稻种植面积与统计数据对比分析

2.4 沈阳市水稻种植面积提取结果评价

为分析沈阳地区水稻种植面积空间分布的准确性，本研究将提取的水稻种植面积分布图(图3)与landset图像进行空间叠加得到图4，可以看出沈阳地区提取出的水稻种植面积的空间分布与landset图像水稻种植面积分布具有较好的吻合度。

2.4.1 市级水稻种植面积精度评价。将基于MODIS遥感数据评估的水稻种植面积与2015年基于统计数据的区县水稻种植面积进行对比，分析MODIS遥感数据提取水稻种植面积的精度。结果如表4所示，2015年沈阳市应用遥感技术提取的水稻种植面积为118 350 hm2，同年度该市统计局统计的水稻种植面积为108 944 hm2，利用MODIS遥感数据估测的沈阳水稻种植面积比统计数据中的水稻播种面积偏高了9 406 hm2，估测精度达到92%。

图2 沈阳水稻种植面积提取图 图3 基于MODIS 500m提取的水稻种植面积分布图 图4 提取水稻种植面积Landset叠加发布

表4 2015年沈阳市水稻估测面积和统计数据及其二者之间偏差

注：统计数据来源于2015年沈阳市统计局。

2.4.2 区县级水稻种植面积精度评价。从表3可见，MODIS数据识别2015年水稻种植面积结果与统计局统计数据的误差在15%以上的只有康平地区，可能是由于卧龙湖周边水浅且长有水生植被与水稻移栽期图像相似所导致，误差在10%以上的地区为法库、沈北和苏家屯，误差小于10%的地区有新民、辽中、于洪/铁西，水稻种植面积提取较精确。

3 结论与讨论

本文基于MODIS 500 m分辨率遥感数据进行水稻种植面积识别研究，结合地面实际数据，经验等先验知识，利用监督分类、人工判读等方法对水稻种植面积进行了判断，根据当地水稻物候特点选取适当时相的遥感数据，并针对分辨率遥感影像混合相元的特点，进行抽取训练样本和检验，参照抽取的训练样本对数据进行监督分类，实现精准提取水稻种植面积的目的。可为水稻产量预报奠定基础[12]。

在水稻移栽期，水体特征比较显著，选择移栽期的MODIS数据，利用其对水体和植被较为敏感的特征指数监测水田信息，可得到较好的效果。而对提取的水稻种植面积进行验证的结果表明，基于MODIS遥感数据，利用监督分类的方法估测的沈阳水稻种植面积精度达到了92%，高于冯锐等利用MODIS数据对东北地区一季稻面积的提取结果[9]，也高于于文颖等利用MODIS数据提取辽宁盘锦地区移栽期水田面积的精度[13]。因此，该方法对水稻种植面积的估测结果可靠，精度较高。

[1]吴炳方,张 峰,刘成林,等.农作物长势综合遥感监测方法[J].遥感学报,2004,8(6):498-514.

[2]杨邦杰,周清波.我国农情遥感监测关键技术研究进展[J].农业工程学报,2002,18(3):191-194.

[3]张 莉,吴文斌,左丽君,等.基于EOS/MODIS 数据的南方水稻种植面积提取技术[J].中国农业资源与区划,2011,32(4): 39-44.

[4]SHIBAYAMA M, AKIYAMA T. Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurements[J].Remote Sensing of Environment,1991,36(1):45-53.

[5]TENNAKOON S B, MURTY V V N, EIUMNOH A. Estimation of cropped area and grain yield of rice using remote sensing data[J]. International Journal of Remote Sensing,1992,13(3):427-439.

[6]程 乾,王人潮.数字高程模型和多时相MODIS数据复合的水稻种植面积遥感估算方法研究[J].农业工程学报,2005,21(5): 89-92.

[7]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[J].自然资源学报,2007,22(1):1-8.

[8]张海珍,马泽忠,周志跃,等.基于MODIS数据的成都市水稻遥感估产研究[J].遥感信息,2008(5):63-67.

[9]冯 锐,张玉书,钱永兰,等.基于多时相MODIS数据的东北地区一季稻面积提取[J].生态学杂志,2011,30(11):2570-2576.

[10]吴非权,马海州,沙占江,等.基于决策树与监督、非监督分类方法相结合模型的遥感应用研究[J].盐湖研究,2005,13(4):9-13.

[11]杨 鑫.浅谈遥感图像监督分类与非监督分类[J].四川地质学报, 2008,28(3):251-254.

[12]张 莉.基于EOS/MODIS数据的晚稻面积提取技术研究[D]. 北京：中国农业科学院,2011.

[13]于文颖,冯 锐,纪瑞鹏,等.利用 MODIS 数据提取水稻种植面积及精度分析[J].中国农学通报,2013,29(33):32-36.

Extraction of Rice Planting Areas in Shenyang City Based on MODIS Data and its Precision Analysis

LI Shi, SONG Xiao-wei, ZHANG Jing, MU Chen-ying, XU Quan-hui

(Meteorological Bureau of Shenyang City, Shenyang 110168,China)

The current research aimed to assess the applicability of the method of extracting rice planting areas in Shenyang City based on the MODIS remote sensing data. To accomplish this goal, the MODIS data were analyzed by using the method of supervised classification and also taking into account the characteristics of the different stages of rice growth and development in Shenyang. As a result, rice planting areas in Shenyang were extracted, and their distribution map was also made. The results of extracted rice planting areas were compared with the statistical data obtained by the statistical bureau and the data resulting from Landset remote sensing. Consequently, the extraction method based on the MODIS remote sensing data proved to be effective; the accuracy of the extracted rice planting areas reached 92% with the MODIS supervised classification method. Thus, the method can be used to extract rice planting areas in Shenyang, whose accuracy is high.

Remote sensing;MODIS;Rice planting area.

2016-09-09

沈阳市科技创新专项资金“农业科技攻关专项”(F14-113-3-00)

李 石(1982—)，女，工程师，硕士，主要从事应用气象方面研究及业务。E-mail:leestone0229@163.com。

S127

A

1673-6486-20160257

李石,宋晓巍,张菁,慕臣英,徐全辉,张靖萱,张思瑶.基于遥感数据的沈阳水稻种植面积提取及精度分析[J/OL].大麦与谷类科学,2016,33(4):63-66[2016-12-19].http://www.cnki.net/kcms/detail/32.1769.S.20161219.1717.005.html