基于GF-1的冬小麦遥感监测区域适用性分析

陈志杰，汪权方，王新生，王 渊，袁 琳

（1.湖北大学 资源环境学院，湖北 武汉430062；2.农业部遥感应用中心武汉分中心，湖北 武汉 430062）

基于GF-1的冬小麦遥感监测区域适用性分析

陈志杰1,2，汪权方1,2，王新生1,2，王 渊1，袁 琳1

（1.湖北大学 资源环境学院，湖北 武汉430062；2.农业部遥感应用中心武汉分中心，湖北 武汉 430062）

以湖北省为研究区，从地形地貌、种植结构、监测时相、谱段设置以及监测精度等方面综合分析了GF-1卫星数据在冬小麦种植面积遥感监测中的区域适用性。研究表明，GF-1卫星数据对江汉平原、鄂东沿江平原、鄂北岗地以及鄂东丘陵等地区的冬小麦遥感监测均有较好的适用性，其监测精度能够满足湖北省冬小麦大尺度遥感监测的精度要求，但难以达到小范围的遥感监测精度要求。

GF-1；冬小麦；遥感监测；适用性分析

1 研究区概况和数据来源

1.1 研究区概况

以湖北省作为研究区，湖北省地处我国中部地区，是重要的产粮大省。湖北省东、西、北三面环山，中间低平，略呈向南敞开的不完整盆地；山地占全省总面积的56%，丘陵占24%，平原湖区占20%。湖北省地形大致分为四大块：鄂西山区为秦岭东延部分和大巴山的东段，冬小麦油菜均有种植，田块面积小，较破碎；鄂东丘陵地区主要分布在两大区域，即鄂东南丘陵和鄂东北丘陵，大面积种植油菜，冬小麦较少，田块面积小，较破碎；平原地区主要为江汉平原和鄂东沿江平原，冬小麦和油菜均有大面积种植，间种现象普遍；鄂北岗地位于湖北省中北部，大面积种植冬小麦，油菜极少。

1.2 数据来源

1.2.1 遥感影像数据

1.2.2 卫星数据参数

GF-1卫星搭载了2台2 m分辨率全色/8 m分辨率多光谱相机（PMS）、4台16 m分辨率多光谱相机（WFV），不侧摆重访周期分别为41 d和4 d，由两种传感器所获取的多光谱影像都包含近红外、红光、绿光和蓝光4个波段（表1）。

表1 GF-1卫星传感器主要参数

1.2.3 验证数据

精度验证数据主要是地面样方调查数据，采用GPS采集的实地地块图斑数据。湖北省冬小麦地面样方为102个，主要分布在江汉平原腹地及鄂北丘陵岗地，涉及襄阳、随州、孝感、天门、潜江、仙桃、汉川、洪湖、监利、江陵、沙市、蔡甸等市县区，在襄阳、枣阳、潜江和天门市等区域分布的样方最多。其中，位于潜江市的地面样方为21个，枣阳市为11个，襄阳市为12个，天门市为10个。

2 评价方法

2.1 精度评价

本文从点和地面样方两个尺度对遥感解译结果进行精度验证。随机点验证，即在监测区内随机生成若干点，逐一判定随机点分类属性，根据判断结果，构建误差混淆矩阵，计算随机点验证精度；地面样方数据验证，即对冬小麦解译面积进行定量验证。对地面样方数据中冬小麦和油菜属性相同的相邻图斑分别进行合并，其他地物合并为一类，形成只包含冬小麦、油菜和其他地物3 种属性图斑的地面样方矢量数据，再对冬小麦解译结果进行精度验证，计算每种地物被正确解译的面积，将其占样方总面积的比例作为定量精度评价结果。

2.2 时相分析

对连续时相的GF-1卫星影像进行辐射定标、大气校正、几何精校正、裁剪等预处理，按照山区、平原、丘陵、岗地等不同地物类型分区的原则抽样选取若干区域，采用非监督分类方法，结合目视解译手段提取冬小麦种植面积空间分布[4]；再采用随机点验证方法对解译结果进行验证；最后依据验证结果分析湖北省冬小麦遥感监测的最佳时相[5-8]。

当前，我国关于个人信息保护立法工作有待改进。从法律规定内容看，具有较强的原则性但可操作性不足；从立法体系看，相关法律规定散见于各层级的立法文件中，缺乏统领性的专门立法。这为个人信息保护工作带来一定的困境。为此，笔者从国家层面、行业层面分析我国个人信息保护立法现状。

2.3 波段光谱分析

遥感图像普遍依据包括作物在内的不同地表覆盖物在各波段上的波谱反射和辐射差异来分类，因此需对不同地物在GF-1卫星数据4个波段上的表现特征进行分析。采用相同区域不同时间的GF-1卫星数据对各波段光谱信息进行分析[8-9]，评价高分辨率卫星传感器波段的适用性。

2.4 不同分辨率分析

不同的研究目标对卫星遥感空间分辨率的需求也不同，GF-1卫星数据包括16 m分辨率WFV传感器和8 m分辨率PMS传感器的影像数据。选取最佳监测时相且能覆盖相同区域的两种分辨率的高分辨率影像数据提取冬小麦种植面积，并采用随机点和地面样方数据分别对解译结果进行验证分析。

3 结果分析

3.1 时相及精度验证结果分析

3.1.1 时相及区域验证分析

采用2014年1月～4月连续时相的16 m分辨率WFV传感器的高分辨率影像数据提取冬小麦种植面积，鄂西山区未获取到足够的合适高分辨率影像，因而选取南漳县、潜江市、洪湖市、鄂州市等区域解译结果，采用随机点验证方法进行验证。在各监测区域内，随机生成240个随机验证点，对验证点进行分类属性判别，定性计算遥感解译精度。验证结果如表2所示。

表2 湖北省冬小麦分县随机点验证结果

由表2可知，3月份高分辨率影像提取的冬小麦的总体精度普遍高于其他时间的监测结果。南漳县是冬小麦主种植区，油菜分布较少，该区域1月下旬和3 月份冬小麦分类精度都较高，冬小麦在1月下旬长势较好，能够覆盖地面，不受裸地影响，同时，植被指数又明显高于其他植被，3月份植被还未全部进入生长期，对作物的监测影响较小。潜江市和洪湖市属于江汉平原，冬小麦和油菜均有大面积种植，且间种现象普遍存在，二者互相干扰作用强，因此3月份冬小麦分类精度最高，是最佳监测时间。鄂州市属于鄂东丘陵地区，田块较破碎，油菜分布较多，冬小麦分布相对较少，分类精度较低，但3月份依然是该区域最佳监测时间。

3.1.2 地面样方验证结果分析

采用地面样方验证方法对潜江市、襄阳市辖区、枣阳市以及天门市等地面样方分布较多的区域进行精度验证，验证结果如表3所示。

表3 湖北省冬小麦分区遥感监测地面样方验证结果

从验证结果来看，在冬小麦主种植区（如襄阳市），冬小麦的解译精度可达95%，枣阳市也是冬小麦主种植区，但2月份影像上冬小麦大量呈现裸地特征，因而解译精度不高。基于地面样方数据的精度评价结果大部分在75%～85%，明显低于点尺度上的精度验证水平。产生这一现象的原因主要是地面样方地块图斑面积小，特别是田间道路、田间水沟以及零碎的空地等，宽度往往不及一个像元大小，因此，在遥感解译分类过程中细小田间道路、水沟等地物容易混入目标作物解译结果中，降低了总体精度。

3.2 波谱分析

高分辨率影像数据有近红外、红光、绿光和蓝光4个波段，前3个波段能较好地反映植被信息，适用于农作物的遥感监测。湖北省冬季农作物主要有冬小麦和油菜两种，其他作物分布较少，二者属于同期作物，在不同时期的GF-1卫星影像上相互之间的差异呈动态变化。采用同一套样点数据对不同时期影像上的光谱信息进行统计分析，其结果表明1月份冬小麦、油菜和植被的波谱变化不统一，光谱信息在各波段间都有一定交集，并大面积呈现裸地特征，不易精确提取冬小麦种植面积；2月份影像中小麦、油菜和植被的差异开始拉大，可以较好地区分农作物和其他植被信息，但冬小麦和油菜的影像特征依然接近，难以有效区分；3月份影像中油菜多数进入开花期，冬小麦与油菜在近红外和红光波段的波谱差异明显增大，二者容易区分；4月份影像中冬小麦和油菜特征接近，同时植被指数开始明显增大，且和作物特征接近，干扰了对冬小麦种植面积的提取。因此，3月份是湖北省冬小麦和油菜GF-1卫星遥感监测的最适宜时期，对于冬小麦主种植区，2月份影像数据也能较好地提取冬小麦种植面积。

3.3 不同分辨率验证分析

本文分别利用成像时间相同的16 m和8 m分辨率多光谱数据（图1）对冬小麦、油菜的种植面积进行提取，并采用随机点和覆盖区域中的10个地面样方数据进行了验证，结果如表4所示。冬小麦和油菜随机点定性验证精度随着GF-1卫星数据空间分辨率的提高有一定的提高，但是地面样方定量验证精度没有明显提高。

图1 2014年3月17日GF-1卫星影像

表4 不同分辨率的GF-1卫星数据验证结果

4 结 语

综上所述，GF-1卫星影像数据对湖北省冬小麦种植面积遥感监测有较强的区域适用性，主要结论为：

1）湖北省冬小麦最佳监测时间和验证精度在不同区域有一定差异。在冬小麦主种植区，主要是鄂北岗地区域，从1月下旬到3月份监测效果均较好，随机点验证精度较高；在冬小麦和油菜间种区域，如江汉平原大部分地区以及鄂东沿江平原地区，3月份油菜开花期为最佳监测时间，验证精度较高；鄂东丘陵地区，最佳监测时间为3月份，遥感监测精度相对偏低。

2）PMS传感器比WFV传感器分辨率高，影像能更清楚地反映地物的边界，据其提取的目标作物面积更准确，但采用地面样方定量验证的精度并没有比WFV传感器提高太多。PMS传感器幅宽小，影像覆盖范围小，难以满足大面积农作物的遥感监测需求。

3）GF-1卫星数据能较好地满足冬小麦面积遥感监测需求。在作物种植结构单一的区域，GF-1卫星数据适用性相对较好，最佳监测时间区间相对较大，监测时间可适当提前；在地形破碎、作物种植结构复杂的区域监测精度明显降低。

4）GF-1卫星遥感监测能满足大尺度作物面积遥感监测的精度要求，但难以达到小范围的作物面积遥感监测精度要求。GF-1卫星重访周期短、WFV传感器数据幅宽大、覆盖面广，短时间内可获取大量的影像。因此，GF-1卫星数据能够满足冬小麦的遥感业务化监测需求。

[1] 吴秀兰,郑江华,倪亦非,等．国产ZY1-02C卫星数据在新疆典型毒草白喉乌头遥感监测中的适用性分析[J]．中国植保导刊,2014,34(7):9-14

[2] 赵广亮,游晓斌,姚永刚．应用于森林资源二类调查的多遥感信息源适用性分析与评价[J]．北京林业大学学报,2003,25(增刊1):24-27

[3] 张廷斌,唐菊兴,刘登忠．卫星遥感图像空间分辨率适用性分析[J]．地球科学与环境学报,2006,28(1):79-82

[4] 杨博,刘义．农业遥感影像目视解译技术要点[J]．现代化农业,2008(4):37-39

[5] 齐腊,刘良云,赵春江,等．基于遥感影像时间序列的冬小麦种植监测最佳时相选择研究[J]．遥感技术与应用,2008,23(2):154-160

[6] 杨朝俊,胡庭兴,梁玉喜．四川森林植被遥感识别最佳时相的选择[J]．四川林业科技,2005,26(5):68-71

[7] 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[J]．农业工程学报,2010,26(11):176-182 [8] 陈思宁,赵艳霞,申双和．基于波谱分析技术的遥感作物分类方法[J]．农业工程学报,2012,28(5):154-160

[9] 林文鹏．基于MODIS波谱分析的作物信息提取研究[D]．北京:中国科学院研究生院(遥感应用研究所),2006

P237

B

1672-4623（2017）01-0066-03

10.3969/j.issn.1672-4623.2017.01.020 GF-1卫星是国产高分辨率卫星，可为我国农业遥感监测工作提供大量的遥感数据源，因此研究其在农业遥感监测中的作用尤为重要。目前，对遥感数据源的农业遥感监测适宜性分析较少，吴秀兰[1]等利用ZY1-02C卫星数据，对新疆地区白喉乌头的空间分布进行了分割提取，并进行了精度验证，探讨了其在监测新疆草原典型毒草白喉乌头空间分布的可行性。赵广亮[2]等应用中高空间分辨率的遥感图像进行调查作图，从不同角度对森林资源二类调查的多遥感信息源适用性进行了评价。张廷斌[3]等从卫星遥感图像空间分辨率的定义出发，对卫星遥感图像空间分辨率的适用性进行了分析。在实际遥感监测过程中，地形地貌、种植结构等区域性因素对监测结果有较大影响，因此也需加以考虑，本文从多方面因素出发对GF-1卫星数据在湖北省冬小麦遥感监测中的区域适用性进行了分析。

陈志杰，硕士研究生，主要从事农业遥感应用和地理信息系统应用方面的研究。

2015-12-28。

项目来源：国家重点基础研究发展计划资助项目（2010CB950902）；农业部遥感应用中心武汉分中心农业遥感监测与评价资助项目。