多时相GF-1卫星PMS影像提取农作物种植结构*

李 冰，梁燕华，李丹丹，贺 佳，郭 燕，王来刚※

(1.河南省农业科学院农业经济与信息研究所，郑州 450002； 2.郑州澍青医学高等专科学校，河南郑州 450000； 3.中国农业科学院农业资源与农业区划研究所，北京 100081)

·技术方法·

多时相GF-1卫星PMS影像提取农作物种植结构*

李 冰1， 2，梁燕华2，李丹丹3，贺 佳1，郭 燕1，王来刚1※

(1.河南省农业科学院农业经济与信息研究所，郑州 450002； 2.郑州澍青医学高等专科学校，河南郑州 450000； 3.中国农业科学院农业资源与农业区划研究所，北京 100081)

目的及时准确获取农作物种植结构信息，对农作物种植结构调整具有重要意义。方法文章以多期GF-1卫星PMS影像为主要数据源，通过分层分类方法成功提取了朱仙镇一个种植年内秋播蔬菜、冬小麦、春花生、早熟西瓜、夏玉米、夏花生等农作物，并通过叠加分析得到朱仙镇的农作物种植模式。结果朱仙镇有10种种植模式，以一年两熟的冬小麦-夏玉米为主要倒茬模式，占比49.7%，其他9种种植模式所占比例之和接近50%； 从整体景观的角度对朱仙镇的主要作物种植模式进行衡量，斑块丰富度PR达到9.0，香农多样性指数SHDI达到1.483 6，说明朱仙镇种植模式多样，有利于多元农业种植结构发展； 分层分类的方法能够延续最优提取结果的精度，各类作物提取精度均达到了80%以上。结论PMS影像的高分辨率能够清晰的表达地块边界，一定程度上呈现了非大宗作物的空间分布，GF-1卫星PMS为多尺度的农业监测提供了更多的选择。

GF-1 种植结构 遥感 多时相 层次分类 种植结构

0 引言

农作物种植结构信息是对农业生态服务评价及农业生产适应市场经济调控的基础信息，对耕地资源的有效生产和管理有着重要意义[1]。遥感技术提取农作物种植结构相比传统的逐级统计和抽样调查方法更能快速高效的掌握作物的空间布局。MODIS、Landsat等中低分辨率的遥感卫星在国家级、省级、市县级大宗作物的监测中一直发挥着重要作用，孙华生等[2]利用MODIS监测全国的水稻种植，郝卫平等[3]利用MODIS和Lansat结合对东北三省的多种作物进行了空间提取。乡镇级别更精确的作物种植结构提取则需要更高分辨率的遥感影像，刘京宝等[4]采用高空间分辨率遥感影像提取农作物种植结构有了成功的实验。以往农业遥感应用以国外卫星为主，我国自主研发卫星影像HJ-1A、HJ-1B、ZY-3和GF-1的突出表现为自主卫星的应用和推广增强了信心。其中，GF-1卫星PMS传感器的8米分辨率影像属于高分辨率影像，刘国栋[5]曾采用该影像辅助农作物的遥感抽样调查。虽然该影像具有回归周期长、幅宽较窄等缺点，但以该影像为主数据对乡镇尺度种植结构提取仍可以满足应用需求。

不同农作物有着特定的光、热、水、土等生长要素，表现在季节性的播种、长势的优劣等，这些特征被遥感影像以色调、纹理形式捕捉，充分利用作物的物候节律特征，选取作物全生长期的多时相影像提取作物种植结构可以最大限度地保证作物提取的精确度[6]。遥感影像多时相提取作物的研究已有很多，如张健康等[7]使用多时相的TM/ETM+和时间序列MODIS EVI结合，使用了多层次决策树识别黑龙港地区的主要作物，分类精度高达91.3%； 刘吉凯等[8]使用Landsat8多期影像结合多种作物物候历提取温宿县多种作物种植结构，相比单时相的监督分类精度提高7.9%。文章以四大名镇之一——朱仙镇为研究区，采用多时相GF-1卫星PMS遥感影像，针对对象分层分类提取多种作物种植结构及种植模式，为小尺度农作物种植结构提取提供参考。

1 研究区与数据

1.1 研究区概况

朱仙镇隶属于河南省开封市祥符区，界于北纬34°31′～34°41′、东经114°12′～114°20′之间。地处黄淮平原，属暖温带大陆性季风气候。春季干旱多风、夏季炎热多雨、秋季凉爽、冬季寒冷少雪，四季分明； 年平均气温14℃，最高月平均气温27.1℃，绝对最高气温42.9℃，最低月平均气温-0.5℃，绝对最低气温-10℃； ≥10℃的作物旺盛生长期210～220d； 年湿润系数0.7～1.0，年均日照时数为2330h，年平均降雨量637.21mm，夏季降水量占全年降水量的50%以上，无霜期187d。朱仙镇适播作物种类丰富，以冬小麦、玉米、西瓜、花生、蔬菜种植为主。由于蔬菜类型繁多，种植茬次多样及生育期短，该文仅提取种植范围较大的秋播蔬菜。

图1 研究区地理位置

1.2 影像选取与处理

GF-1卫星搭载了2台2m分辨率全色/8m分辨率多光谱的PMS相机，多光谱彩色相机包含蓝(0.45～0.52)、绿(0.52～0.59)、红(0.63～0.69)、近红外(0.77～0.89)4个波段，幅宽60km，重访周期4天。该文选择全年作物生长周期内5个相时的GF-1 卫星PMS影像(中国资源卫星应用中心)[9]，影像时相分别为2014年11月14日、2015年2月8日、2015年5月5日、2015年6月19日、2015年8月28日。影像的预处理过程包括辐射定标、大气校正、几何校正、影像裁剪等。首先采用2015年GF-1卫星最新定标参数对5景影像进行辐射定标、大气校正。其次，以Landsat 8 OLI为基准对影像进行几何校正，误差小于0.5个像元。最后，采用朱仙镇矢量行政边界对影像进行裁剪得到研究区域。

2 种植结构提取

利用遥感方法准确地提取区域种植结构，不仅取决于遥感方法的选择，更取决于要提取的农作物对象的生长习性。该文充分分析了朱仙镇主要农作物种植习惯，以此为依据选择PMS影像时相并分析影像特征，结合农作物地面物候信息和影像特征逐层提取农作物，并进一步生成朱仙镇的种植结构，具体方法如下。

2.1 耕地提取及主要农作物

2.1.1 耕地提取

我国对耕地资源有严格的保护政策，短时间内耕地面积保持不变。为了减少多期遥感影像作物提取过程中异物同谱的影响，该文预先提取朱仙镇耕地并以此作为多期影像的掩膜。朱仙镇的耕地范围通过2015年2月8日影像提取，该时期影像包含了耕地(冬小麦和其他作物耕地、休耕地)、林地、居民点、水体、道路等土地利用类型，结合非监督分类的方法并通过人工后期修正提取耕地范围。该文研究重点在于单位种植周期内作物的种植结构，多年生的果园等农用地未列入其中。

2.1.2 主要农作物

朱仙镇主要农作物以夏收作物冬小麦、春花生、早熟西瓜和秋收作物夏玉米、夏花生及秋播蔬菜为主，各类作物生育期简介如下：

(1)冬小麦：生长周期最长， 10月上旬播种， 5月下旬、6月上旬成熟，历时230d左右。

(2)春花生： 4月上旬播种， 7月底收获，历时100d左右。

(3)早熟西瓜： 2月中旬播种， 5月底收获，历时100d左右。

(4)夏玉米： 6月中旬播种， 10月初收获，历时100d左右。

(5)夏花生： 6月中旬播种， 10月初收获，生长周期与夏玉米相近。

(6)秋播蔬菜：秋播蔬菜种类较多，种植面积小，生长周期长短各异，朱仙镇地区种植白菜、菠菜、萝卜、大蒜等多种蔬菜类型，文中以可以遥感识别的蔬菜类型统一划分为秋播蔬菜。

2.2 影像时相分析

作物生长在影像中的直观反映通过影像的时相及NDVI直方图的分布可知。

(1)2014年11月14日影像中，该时期地表覆盖植被以冬小麦和秋播蔬菜为主。冬小麦处于生长初期，植被覆盖度低，生长旺盛的秋播蔬菜有着更高的植被覆盖度和NDVI值。影像整体的NDVI值呈现单峰状态，NDVI值集中在0.2～0.4之间，该时期是区分冬小麦与秋播蔬菜的关键时期。

(2)2015年2月8日，此时作物类型单一，冬小麦处于越冬期，其他春播作物还未播种。地表覆盖以冬小麦和休耕地为主，因此，NDVI值呈现两极分化的双峰状态，冬小麦与休耕地有着更好的可分性，此时是提取冬小麦的最佳时期。

(3)随着时间的推移，春播作物不断丰富， 2015年5月5日，冬小麦处于抽穗期，并伴有早熟西瓜与春花生，由于春花生生长缓慢，影像中新增的植被覆盖以早熟西瓜为主。此时早熟西瓜与冬小麦不易从光谱上进行区分，提取早熟西瓜需结合2015年2月8日影像提取的冬小麦和2015年6月19日提取的春花生的掩膜约束。由于这期影像有薄云的影响，NDVI值整体偏低。

(4)2015年6月19日冬小麦已全部收割，此时夏玉米刚完成播种，作物以处于生长旺季的春花生为主，其NDVI值的双峰状态说明此时期是提取春花生的最佳时期。

(5)到2015年8月28日，生长作物以夏玉米和夏花生为主，春花生等春季作物均已收获，NDVI直方图的双峰状态说明该时期是区分作物与休耕地的最佳状态，夏玉米与夏花生的区分仍需要其他资料辅助。

图2 影像相时及NDVI直方

2.3 层次分类

2.3.1 关键物候期NDVI阈值确定

归一化差值植被指数NDVI在农业遥感中有着广泛的应用，徐涵秋等对PMS传感器NDVI的评测表明该传感器的NDVI对植被有较强的指示作用[10]。在关键物候期，NDVI直方图的双峰状态，是区分作物与休耕地的关键时期，依据灰度直方图双峰估值法，波峰之间波谷处的最小值是分割的最佳阈值[11]。背景地物的不均匀一导致的直方图锯齿状波动对最小值的定位造成影响。因此，在波谷附近通过反复试验结合人工判读确定最佳分割阈值。

2.3.2 层次分类技术路线

依据多时相影像的光谱特征变化量提取农作物技术已经比较成熟，但是多时期影像质量的不一致甚至同一时期作物长势的差异对最终作物提取精度有误差累积的影响。在选取的多期影像当中，势必存在某一期影像对提取某一种作物有更准确的可分性。该文严格根据作物的物候期，通过选取处于作物的关键物候期的影像时间序列，结合作物生长特征与影像特征先提取影像中可分性最强的关键作物，保证关键作物提取的准确性，并以此为掩膜应用到其他时期影像中提取相近生长季的作物类型。这种单要素分层掩膜分类方法，即逐次完成单一地类的提取，并作为掩膜进行下一类地物的提取，有利于减少同时期其他不相关地物对目标地物提取的影响[12]。通过影像的相时分析， 2015年2月8日影像是提取冬小麦的关键时期，NDVI大于0.34的像元可确定为冬小麦像元； 2014年11月14日影像中，NDVI大于0.35的像元包含了冬小麦像元和秋播蔬菜像元，需要以2015年2月8日影像中提取的冬小麦像元为掩膜才能更为准确的提取秋播蔬菜。2015年6月19日影像是提取春花生的关键时期，通过NDVI大于0.32的阈值提取春花生，在2015年5月5日影像中，包含了春花生、冬小麦、早熟西瓜等多种作物，因此以春花生和冬小麦为掩膜才能在NDVI大于0.32的像元中提取早熟西瓜。2015年8月28日农作物以夏玉米和夏花生为主，通过NDVI阈值及这两种作物在绿光波段(B2)的反射率差异方能进行夏玉米和夏花生的区分。完成各类作物的提取之后，对各类作物进行叠加分析生成全年的作物种植结构。

图3 种植结构提取技术路线

3 结果与分析

3.1 朱仙镇种植结构分析

经过多期GF-1卫星PMS影像提取的朱仙镇种植结构的空间分布见图4。朱仙镇农作物收获期主要集中在夏季和秋季两个时段(图4a、4b)，夏收作物以冬小麦、春花生、早熟西瓜为主，分别占该文提取耕地面积的55.86%、24.15%、6.53%； 主要秋收作物夏玉米和夏花生分别占该文提取耕地面积的59.66%、21.19%。冬小麦作为重要的粮食作物，在国民经济中的地位较为稳定，但是夏玉米在秋收作物中的高比例与近年来国家对农业经济结构的调整有一定的差距，高精度的监测对政府和农户进行种植结构的调整参考价值非常大。

朱仙镇处于中纬度的平原地带，较好的生产条件能够满足多种作物复种的模式。春花生、夏花生、冬小麦、夏玉米、早熟西瓜、秋播蔬菜等主要作物在以年为周期的时长内有序播种，充分利用光照和土地，形成多样的种植结构。由图4c可知，朱仙镇作物种植结构主要形成了10种种植模式：春花生-夏花生、春花生-夏玉米、冬小麦-夏花生、冬小麦-夏玉米、早熟西瓜-夏花生、早熟西瓜-夏玉米、秋播蔬菜-春花生-夏花生、秋播蔬菜-春花生-夏玉米、秋播蔬菜-早熟西瓜-夏花生、秋播蔬菜-早熟西瓜-夏玉米。10种种植模式以一年两熟的冬小麦-夏玉米为主要倒茬模式，占比49.7%，其他9种种植模式所占比例之和仅接近50%。秋播蔬菜轮作的一年三熟的种植模式占比较少，仅为8%左右，在较低分辨率的遥感影像当中很容易被忽略，但是在PMS影像的分辨率优势下能够展示这种高经济收益的种植制度说明了该遥感影像在小区域农业遥感应用中有很重要的价值。

图4 朱仙镇主要农作物种植结构

图5 随机验证点空间分布

表1 朱仙镇主要作物种植结构比例 %

表2 朱仙镇主要作物的景观格局指数

农作物类型CALPILSICOHESIONAI秋播蔬菜1766741451487237321冬小麦285131706547498969194早熟西瓜75136124954690517232春花生1232363257701898588419夏玉米3044783565575899769178夏花生1082311339922695717774

景观格局指数对种植景观在空间布局上的合理性和可比性定量描述增加了科学依据，并广泛应用于农业景观生态学的研究中[13-15]。景观格局指数具有斑块、类型、景观等多种尺度水平，该文选择斑块总面积CA，最大斑块指数LPI，景观形状指数LSI，斑块聚合度COHESION，聚集度AI等类型水平的格局指数及景观水平的斑块丰富度PR，香农多样性指数SHDI分析朱仙镇主要作物的种植结构的布局特点。类型水平格局指数结果见表2。斑块总面积CA、最大斑块指数LPI表明，冬小麦、春花生、夏玉米等大宗作物更为集中连片，景观优势度非常强； 景观形状指数LSI说明早熟西瓜、夏花生等作物地块非常的规则，早熟西瓜需要精细化管理，这与西瓜的种植管理的实际相一致； COHESION、AI等进一步表明秋播蔬菜、西瓜等面积较少的作物种植分散，地块破碎，与大宗作物相比景观优势度弱。从整体景观的角度对朱仙镇的主要作物种植模式进行衡量，斑块丰富度PR达到9.0，香农多样性指数SHDI达到1.483 6，说明朱仙镇种植模式多样，有利于多元农业种植结构发展。

3.2 分类精度评价

该文对农作物提取精度的评价主要针对秋播蔬菜、冬小麦、春花生、夏玉米、夏花生等进行，由于早熟西瓜与冬小麦在2015年5月5日影像中难以目视解译，未对早熟西瓜进行验证。利用Arcgis10.3生产100个随机验证点，其空间分布见图5。冬小麦、春花生、夏玉米、秋播蔬菜是从不同时相的遥感影像提取，因此其精度验证是分别进行的，验证结果见表3。总体来看， 4期影像对5类作物的总体平均分类精度达到89.5%，冬小麦、春花生等夏收作物的分类精度显著高于夏玉米、夏花生等秋收作物的提取精度。冬小麦、春花生作为提取其他地物的掩膜约束条件，只有保证掩膜作物的提取精度才能保证其他作物的提取精度。二者所处影像时相的物候特征可分性较高，且种植面积大、分布集中，故能取得较高的分类精度，分别达到97%、89%； 秋播蔬菜与冬小麦的光谱特征差异同样显著，并有冬小麦高精度的保证，分类精度达到90%。夏玉米和夏花生均处于生长旺盛期，夏玉米植株相较于夏花生高出许多，相邻地块间的光谱值混淆严重，对于该时期的影像提取多类农作物，PMS较少的光谱波段仍有很大的限制。

表3 基于随机点的PMS影像解译精度评价

秋播蔬菜非秋播蔬菜制图精度用户精度总体分类精度2014-11-14秋播蔬菜23274%92%90%非秋播蔬菜86797%89%冬小麦非冬小麦制图精度用户精度总体分类精度2015-02-08冬小麦68299%97%97%非冬小麦12994%97%春花生非春花生制图精度用户精度总体分类精度2015-06-19春花生36178%97%89%非春花生105398%84%夏玉米夏花生其他制图精度用户精度总体分类精度2015-08-28夏玉米543389%90%82%夏花生512060%71%其他251684%70%

4 结论与讨论

该文以多期GF-1卫星 PMS影像为主要数据源，通过分层分类方法成功提取了朱仙镇一个种植年内秋播蔬菜、冬小麦、春花生、早熟西瓜、夏玉米、夏花生等农作物，并通过叠加分析得到朱仙镇的农作物种植模式，直观的反映了朱仙镇的农业种植格局，为其种植结构调整提供依据。遥感影像的质量差异存在很多不确定性，分层分类方法能够保证时间序列影像中最优提取结果的使用和准确的作物种植结构。该文提取的10种种植模式以一年两熟的种植制度为主，冬小麦-夏玉米的轮作为主要倒茬模式，占比49.7%。进一步的景观格局指数同样表明朱仙镇多种作物的空间布局仍以冬小麦、夏玉米、春花生、夏花生等大宗作物为主，种植结构和模式的调整有很大的发展空间，尤其对玉米种植的控制和其他秋季作物的鼓励种植。

农业种植农作物的多样性，种植茬次的多样性，套种、间种等模式的多样性是非常复杂的，遥感监测是一定程度上的综合和简化，这就突出了高分辨率卫星的重要性。PMS影像对秋收作物的识别受到光谱分辨率的限制并没有取得非常高的精度，但是对夏收作物的识别能力非常强，同时其分辨率优势能够清晰的表达地块边界。因此，GF-1卫星 PMS影像能够支撑多尺度的农业监测。

[1] 胡琼，吴文斌，宋茜，等.农作物种植结构遥感提取研究进展.中国农业科学， 2015, 48(10): 1900～1914

[2] 孙华生． 利用多时相MODIS数据提取中国水稻种植面积和长势信息.杭州：浙江大学， 2009

[3] 郝卫平， 梅旭荣，蔡学良，等.基于多时相遥感影像的东北三省作物分布信息提取.农业工程学报， 2011， 27(1)： 201～207， 393

[4] 刘克宝， 刘述彬，陆忠军，等.利用高空间分辨率遥感数据的农作物种植结构提取.中国农业资源与区划， 2014, 35(1): 21～26

[5] 刘国栋， 邬明权，牛铮，等.基于GF-1号卫星数据的农作物种植面积遥感抽样调查方法.农业工程学报， 2015, 31(5): 160～166

[6] 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

[7] 张健康， 程彦培，张发旺，等.基于多时相遥感影像的作物种植信息提取.农业工程学报， 2012, 28(2): 134～141

[8] 刘吉凯， 钟仕全，梁文海.基于多时相Landsat 8 OLI影像的作物种植结构提取.遥感技术与应用， 2015, 30(4): 775～783

[9] 中国资源卫星应用中心.2015年国产陆地观测卫星绝对辐射定标系数(CBERS-04，GF-2，GF-1，ZY-3，ZY-102C，SJ-9A，HJ-1A/1B).(2015-10- 14)http：//www.cresda.com/CN/Downloads/dbcs/6709.shtml

[10]徐涵秋， 刘智才，郭燕滨.GF-1 PMS1与ZY-3 MUX传感器NDVI数据的对比分析.农业工程学报， 2016, 32(8): 148～154

[11]张浩彬， 李俊生，向南平，等.基于MODIS地表反射率数据的水体自动提取研究.遥感技术与应用， 2015, 30(6): 1160～1167

[12]陈军， 陈晋，廖安平，等.全球30 m地表覆盖遥感制图的总体技术.测绘学报， 2014, 43(6): 551～557

[13]梁国付， 田莉，丁圣彦.城市化过程中开封市郊区农业景观变化过程分析.地理科学进展， 2010, 29(1): 117～122

[14]王云， 周忠学.城市化对都市农业景观的影响——以西安市长安区为例.中国生态农业学报， 2014, 22(5): 610～617

[15]YangS，ChenS.The evolvement of rural-urban fringe and land use structure of rapidly urbanized area：A case study of Wuxi.GeographicalResearch， 2009, 28(5): 1255～1263

Vol.38，No.9，pp63-71

CROPPLANTINGSTRUCTUREEXTRACTIONBASEDONMULTI-TEMPORALGF-1PMSREMOTESENSINGIMAGES*

LiBing1， 2，LiangYanhua2，LiDandan3，HeJia1，GuoYan1，WangLaigang1※

(1. Institute of Agricultural Economics and Information, Henan Academy of Agricultural Sciences, Zhengzhou 450002, China; 2. Zhengzhou Shuqing Medical College, Zhengzhou 450000, China; 3. Institute of Agricultural Resources and Regional Planning, Chinese Academy of Agricultural Sciences, Beijing 100081, China)

Timely and accurately obtaining crop planting structure is crucial for crop planting structure adjustment. This paper used Multi-temporal GF-1 PMS images to extract crop planting structure, interpreted winter wheat, spring peanut, early-maturing watermelon, summer corn, summer peanut by the hierarchical classification method, and analyzed crop planting patterns by overlay analysis in Zhuxian township during a vegetable planting year. The results showed that (1) There were 10 kinds of planting patterns in Zhuxian town, of which winter wheat summer maize was a major crop model, accounting for 49.7%. (2)The patch richness of PR reached 9, the Shannon diversity index SHDI reached 1.483 6, which indicated that the town planting pattern was multiple variety agricultural planting structure.(3) The hierarchical classification method can improve the extract accuracy of each crop, which can reach more than 80%. PMS high resolution image can clearly define express parcel boundaries and show the spatial distribution of the non staple crops. GF-1 PMS provided more choices on multiple scales of agricultural monitoring.

GF-1; planting structure; remote sensing; multi-temporal; hierarchical classification

10.7621/cjarrp.1005-9121.20170909

2016-11-02

李冰(1980—)，女，河南开封人，硕士、讲师。研究方向：遥感图像自动分类 ※通讯作者：王来刚(1979—)，男，河南辉县人，博士、副研究员。研究方向：农业遥感应用。Email：wlaigang@sina.com *资助项目：河南省科技攻关重点项目“基于‘互联网+’的农情遥感监测与服务研究”(172102110090)； 国家自然科学基金项目“利用遥感与高光谱技术进行土壤有机碳的制图与不确定性研究”(41601213);河南省农业科学院自主创新专项基金“基于多源遥感的河南省小麦面积提取研究”(2017ZC60)

S127

A

1005-9121[2017]09056-07