基于水体季相差异的稻虾共作提取方法研究*

魏妍冰，陆 苗，吴文斌

(中国农业科学院农业资源与农业区划研究所/农业部农业遥感重点实验室，北京 100081)

0 引言

近年来小龙虾产业快速发展，有效地促进了农业增效、农民增收和产业扶贫，其中稻虾共作是主要的养殖方式。稻虾共作作为一种新兴的稻田养殖复合生态模式，将水稻种植和克氏原螯虾养殖组合到同一个生态系统，两者互惠互利，在时间和空间上充分利用水土资源，可以获得良好的经济和生态效益[1-3]。统计数据显示，近年稻虾共作面积呈持续增长态势， 2017年全国稻虾共作种养面积达到5.7×105hm2，占小龙虾总养殖面积的70.83%，其中湖北省养殖面积超过2.5×105hm2，是稻虾共作模式的重点推广省份[4]。

随着稻虾共作模式的不断发展，准确的地理空间分布和面积信息，对于掌握产业发展态势、制定相应的管理政策等具有重要意义。目前，统计数据是获取其面积信息的主要途径，但是难以准确反映稻虾共作的空间分布。因此，如何获取准确的稻虾共作空间分布信息是目前亟待解决的问题。遥感技术具有在时空上持续监测的能力，能够准确地反映地物的空间分布，已成为获取地表覆盖信息的一种重要手段[5-7]。遥感数据已经广泛应用在农田、城市和森林等地物的准确提取[8]，但缺少在稻虾共作的有效提取研究。基于此，文章基于稻虾共作模式独特的光谱时间差异特征，分析其与普通稻田、池塘水体等地表覆盖类型的区别，根据不同季节稻虾共作农田的水体变化规律，应用自动水域提取指数(Automated Water Extraction Index，AWEIsh)，建立一种基于水体季相差异的稻虾共作提取方法。以湖北省潜江市为研究区域，利用2017年Landsat 8 OLI影像提取稻虾共作农田空间分布。

1 研究区域与数据

潜江市位于湖北省中部的江汉平原，是长江中下游稻虾综合种养模式的发源地，被誉为“小龙虾之乡”，稻虾共作模式发展迅速。选用Landsat8 OLI影像进行稻虾共作提取，在7—9月稻虾共作农田中稻生长旺盛和11月至次年2月处于灌水状态的两个时间段内，选取行列号为124/39的2017年8月18日和2017年12月24日两景全覆盖湖北省潜江市的影像，数据源来自于美国地质调查局(United States Geological Survey，USGS)网站(https：//earthexplorer.usgs.gov)。在ENVI中对Landsat8 OLI影像进行辐射定标、大气校正和矢量裁剪后得到影像如图1所示。

图1 预处理后两景假彩色影像：(a)和(b)影像时间分别为2017年8月18日和2017年12月24日

图2 稻虾共作验证样本空间分布

利用样本数据对稻虾共作提取结果进行精度验证。该研究利用Google Earth平台提供的2017年高分辨率影像数据，在保证样本点数量充足、空间分布均匀的前提下，通过目视解译的方法获得稻虾共作样本点215个，非稻虾共作样本点212个，其空间分布如图2所示。其中，非稻虾共作样本点包括5种易于被错分为稻虾共作的地表覆盖类型：河流、普通池塘、建筑物、普通稻田和黄鳝养殖池塘。

2 稻虾共作提取方法

2.1 稻虾种养模式特征

稻虾共作模式与传统水稻种植模式不同，在该模式中，为保持克氏原螯虾产量，只进行一季中稻种植，其余时间农田保持水深50cm的灌水状态，为克氏原螯虾的发育繁殖提供广阔的空间[9]。稻虾共作种养模式通常在传统稻田四周挖掘2～4m宽， 0.8～1.5m深的环形沟，水稻插秧之后，克氏原螯虾在四周沟渠中养殖。此模式有效解决了稻虾连作模式中水稻和克氏原螯虾生长期冲突的问题，增加了克氏原螯虾的经济效益和稻田的生态效益[10]。

稻虾共作模式的种养过程如图3所示，可以分为中稻种植和稻田休耕两个阶段。中稻种植阶段从每年6月整田插秧开始，至10月中稻收割结束，此阶段克氏原螯虾在稻田四周的沟渠中进行养殖。其中8月上旬至9月底是第二季虾的捕获阶段，同时投放亲虾为之后的幼虾繁殖提供保障。稻田休耕从10月到次年5月，此阶段为克氏原螯虾的生长发育时期，其中4月中旬至6月上旬为第一季虾的捕获时期，并同时进行幼虾投放以保障第二季虾的产量[11， 12]。综上所属，稻虾共作区域6—10月表现为水稻种植状态， 10月底至次年5月呈现水域分布状态。

图3 稻虾共作模式的种养过程

图4 稻虾共作与其他地表覆盖类型在两个季相中的光谱曲线与遥感影像 注：折线图分别为6种地表覆盖类型在2017年8月和12月两景影像中提取出的光谱曲线； 表中展示6种地表覆盖类型在两个季相的假彩色遥感影像

2.2 稻虾共作光谱分析

稻虾种养模式具有独特的季相变化，为分析稻虾共作农田的光谱季相差异特征，在研究区域内选取稻虾共作农田、普通稻田、水产养殖池塘、亮建筑物、暗建筑物和河流6种地表覆盖类型，分析在8月和12月光谱曲线特征。如图4所示，比较两个季相的反射率发现，亮建筑物、暗建筑物、水产养殖池塘和河流4种地表覆盖在两个季相的光谱曲线总体相似，而普通稻田和稻虾共作农田的反射率在两个季相有明显变化，主要体现在近红外(NIR)和短波红外(SWIR1)波段。具体来说，在8月份，稻虾共作农田光谱曲线和普通农田类似，在NIR波段有较高的反射率，SWIR1波段的反射率也高于池塘、河流等水域。这个期间，稻虾共作农田与普通稻田同为水稻种植状态，都处于水稻生长旺盛时期，如图4中的遥感影像所示，稻虾共作和普通稻田在8月份的假彩色影像中均显示为红色。在12月份，稻虾共作农田光谱曲线发生了显著变化，呈现出与池塘等水域相似的光谱特征，即NIR波段的反射率大幅度降低，SWIR1波段反射率也降低。该阶段，由于稻虾共作农田独特的灌水特性，使其在假彩色影像中呈现出于类似水产养殖池塘的水域状态。实践表明，稻虾共作农田在两个季相存在水域面积增加的规律，而其他地表覆盖类型都没有该特征。

2.3 基于水体季相差异的稻虾共作提取方法

根据上述稻虾共作所具有的独特水域季相变化特征，该研究提出了一种基于水体季相差异的稻虾共作提取方法。该方法应用水体指数对同一年两个季相的遥感影像进行水域提取，冬季与夏季相比增加的水域则为稻虾共作区域。

该研究选取Feyisa等在2014年提出的自动水域提取指数AWEIsh分别获取两个时间段的水体区域，公式如下：

AWEIsh=ρband2+2.5*ρband3-1.5*(ρband5+ρband6)-0.25*ρband7

(1)

式(1)中：ρ是指Landsat 8 OLI光谱波段的反射率，band2、band3和band5分别为蓝、绿、近红外波段，band6和band7为短波红外波段。此指数通过弱化非水体像元，增强水体和其他暗地类表面的对比度提高水体的提取精度，能够有效地减弱阴影的影响，但存在将高反射率表面(冰雪和亮反射建筑物等)误分为水体的可能性[13]。基于AWEIsh对2017年8月和2017年12月的水域提取结果，通过计算水域差得到潜江市稻虾共作分布。

混淆矩阵是一个由真实类别信息和预测类别信息组成的方形数组，可以表示提取结果与实际地物类型的符合程度。该研究在验证样本的基础上，利用混淆矩阵对提取结果进行精度评定，计算总体精度(Overall Accuracy，OA)、Kappa系数(Kappa coefficient)、漏分误差(Omission)和错分误差(Comission)[14,15]。同时，该研究将实验结果与改进的归一化差异水体指数(Modification of Normalized Difference Water Index，MNDWI)提取的结果进行比较[16]。MNDWI的计算公式为：

(2)

该研究应用Landsat8的SWIR1代替公式(2)中的MIR。

3 结果与分析

3.1 稻虾共作农田空间分析

2017年潜江市稻虾共作农田空间分布如图5所示。整体上看，稻虾共作主要分布在潜江市的西北部，该区域原来以水稻种植为主，在稻虾共作技术的不断推广下，近年越来越多的农户和农场将水田改为稻虾共作农田。其中，白鹭湖管理区、运粮湖管理区和熊口镇北部地区的稻虾共作农田分布整齐且地块面积较大； 后湖管理区、龙湾镇和浩口镇等乡镇的稻虾共作农田分布较为分散，地块面积相对较小。潜江市东部的种植方式以旱田为主，只存在零星分布的稻虾共作农田，主要位于渔洋镇和总口管理区。通过对提取结果进行面积统计，得到2017年潜江市稻虾共作的总面积分别为1.14万hm2。浩口镇、熊口镇、运粮湖管理区，龙湾镇和白鹭湖管理区的稻虾共作面积均超过了1 000hm2。其中龙湾镇具有最高的稻虾共作面积。白鹭湖管理区的稻虾共作分布非常密集且地块较大，使其总面积达到0.14万hm2，位居第二。而在高石碑镇、王场镇和广华街道等位于潜江市北部的乡镇，稻虾共作面积较小，均在200hm2之下。

3.2 稻虾共作农田提取精度验证

图5 2017年湖北省潜江市稻虾共作空间分布和面积统计

利用混淆矩阵评估稻虾共作提取结果的精度，如表1所示。该研究应用AWEIsh提取稻虾共作结果的总体精度和Kappa系数分别为85.01%和0.70。这表明此方法在农田地块大小不一、种植分布错综复杂的潜江市具有较高的提取精度。提取结果的漏分率较低，仅为2.13%，这得益于AWEIsh提取结果在地块的完整性方面具有优良的表现。在图5中可以明显看出，应用该研究方法提取出的稻虾共作地块较为规整，每块农田的像素提取较为完善，在与不同水体指数提取结果的空间分布进行对比时则表现更为突出。但是提取结果的错分率较高，即28.37%。通过与实际影像对比和在Google Earth上进行验证，发现主要存在两种错分情况：水体错分为稻虾共作和亮建筑物错分为稻虾共作。其中，水体误提取的情况占据主要比例，将河流错分为稻虾共作主要分布在高石碑镇、王场镇和竹根滩镇北部区域； 将水产养殖池塘错分为稻虾共作的区域主要分布在龙湾镇。龙湾镇不仅具有分布广泛的稻虾共作农田，同时也拥有大量的水产养殖池塘，因此易于发生将池塘的边缘像元误提取为稻虾共作的情况。而发生将亮建筑错分情况的概率较小，只有存在零星错分像素分布在园林街道和泽口街道等位于潜江市中心且亮建筑分布比较多的区域。

3.3 不同水体指数提取方法的对比

该研究利用MNDWI水体指数进行稻虾共作提取，并和AWEIsh的提取结果进行对比，如表1所示。总体上看，AWEIsh提取结果具有高的总体精度和Kappa系数，分别达到85.01%和0.70。MNDWI的分类总体精度和Kappa系数分别70.96%和0.42。在漏分率方面，MNDWI的漏分率为9.01%，远远高于AWEIsh。在错分率方面，AWEIsh具有最低的错分率，即28.37%，MNDWI的错分率高达53.02%。AWEIsh提取结果的精度较高，漏分率和错分率较低，能够有效提取出稻虾共作农田轮廓，田块内部椒盐现象较少。

以稻虾共作分布集中的白鹭湖管理区为例，在空间上比较AWEIsh和MNDWI提取结果的细节，分析不同水体指数稻虾共作农田提取结果的区别(图6)。虽然两种水体指数提取出的稻虾共作分布大致相同，但在完整程度和错分情况方面存在差异。在完整性方面，对于同一块稻虾共作农田AWEIsh提取的完整度更高，MNDWI的提取结果则更为破碎，在大多数情况下只能提取出农田的部分像元，严重影响提取结果的准确性。在错分方面，图6红色框标出一条横穿白鹭湖管理区的供水沟渠，两种水体指数在此均出现错分的情况，但不同水体指数在错分程度上存在差异。AWEIsh错分的像元数量少，相反MNDWI的错分情况比较严重，误提取的像元数量比较多，能够清晰的辨别出沟渠的轮廓。虽然稻虾共作的分布位置大致相同，但是在细节上AWEIsh提取的稻虾共作农田完整性较高和错分情况较少。因此，从空间分布上可看出，AWEIsh具有较好的提取效果，而MNDWI于提取的稻虾共作农田完整性较差，错分情况较多，提取结果并不理想。

表1 水体指数AWEIsh 和MNDWI提取结果的精度评价 %

图6 白鹭湖管理区AWEIsh(a)和MNDWI(b)的提取结果

4 讨论

针对目前稻虾共作模式不断发展，而稻虾共作空间分布和面积信息获取方法十分缺乏的问题，该研究提出一种高时效、低成本、易操作的遥感提取方法。以Landsat 8 OLI影像为例，通过分析稻虾共作与其他地表覆盖类型的光谱差异，总结稻虾共作的水域变化规律，提出了基于水体季相差异的了稻虾共作提取方法。

试验结果表明，该方法的提取精度可达到85%以上，提取效果较好。同时，发现水体和高反射率地物是影响提取精度的主要因素。在水体方面，实际没有发生变化的河流和池塘等，由于季相变化造成的光谱差异，使得部分像元，尤其是边缘部分，被误提取为稻虾共作农田。Feyisa也认为，由于不同季节的太阳照射角度、大气构成和水质水量等发生变化，对于同一没有发生变化的水域AWEIsh会受季节因素的影响而造成不同的提取效果[13]。另一方面，城区的高反射率建筑部分被错分为稻虾共作。Feyisa在已有多种水体指数的基础上，为了增强AWEIsh区分水体和阴影、暗地物类型之间的能力，在指数中加入Blue和Green两个波段，并且赋予Green波段成倍的系数。此方法虽然显著的增加了水体的辨别度，但也可能会出现将具有高反射率的地表类型如冰雪、建筑物等错分为水体的情况[13]。随着水体提取方法的不断改进，准确程度也在逐渐提高。通过选用更加准确的水域提取方法能够在一定程度提高稻虾共作的提取精度。同时，潜江稻虾共作农田的地块面积大小不一，位于大多数乡镇的农田更加破碎分散，在应用具有中等分辨率的Landsat 8影像时，混合像元的情况则不可避免，这对提取结果的准确性产生一定影响。

5 结论

稻虾共作作为一种复合生态模式，将水稻种植和克氏原螯虾养殖组合在一起，具有良好的经济和生态效益。该研究通过分析稻虾共作种养特点，基于不同季相的两期Landsat 8 OLI影像，利用稻虾共作农田在冬季进行农田灌水这一特征，提出了一种基于水体季相差异的稻虾共作提取方法。该研究提取出的潜江市稻虾共作农田，主要分布在西北部的白鹭湖管理区、后湖管理区、熊口镇和龙湾镇等区域，和实际分布情况吻合，精度达到85.01%。通过与MNDWI的提取结果进行对比，该方法提取的农田完整性高，错分情况较少，具有较好的提取效果，这为今后区域尺度的稻虾共作农田监测提供了便捷有效的技术手段。