基于RapidEye影像的石漠化区休耕地块监测*

李宗南，王 昕，蒋 怡，李章成，董秀春，任国业

(四川省农业科学院遥感应用研究所，成都 610066)

0 引言

2017年农业农村部在华北地下水漏斗区、西南石漠化区开展休耕试点，以引导地方转变生产理念、农民改变种植习惯，实现增产增效相统一、生产生态相协调，减轻资源环境压力[1-4]。休耕监测，是休耕监管评价体系的一部分[5]，即监测地块内是否休耕或种植保护地力的绿肥作物，其关键是地块内农作物识别及面积测量，是给农户发放休耕补贴的依据。监测地块休耕的方法包括人工实地调查法和遥感法。人工调查法存在费时费力的局限，不能大范围使用； 遥感法是在农作物遥感分类的基础上，根据地块位置矢量文件，对地块是否休耕进行判别。首先使用高分辨率遥感影像，根据不同作物的影像特征[6， 7]、时序特征[8-10]识别并提取作物类型分布信息，然后以作物类型空间信息判定是否按要求休耕，具有快速、准确等优点，是当前试点工作采用的主要方法。

综合成本、精度和时效等方面，东北、华北地区大面积的休耕轮作监测主要采用1～5m分辨率的多光谱影像开展监测业务。为更准确区分同时期的各类作物，主要选择具有红边波段或短波红外波段的遥感影像[11， 12]，如Worldview-2、Worldview-3、RapidEye、Sentienl-2A等多光谱影像。对比北方地区，南方地区夏季多云雨、地块边界不规则、地块面积小、种植作物多样等因素[10， 13-16]，不利于遥感数据获取及精准分类，在西南石漠化地区开展精准的休耕监测有巨大挑战。目前，鲜有利用卫星遥感监测石漠化地区休耕的研究，因此文章结合石漠化地区休耕试点开展，选取2个休耕区作为研究区，研究使用具有红边波段的RapidEye影像监测地块休耕状况的方法，并分析精度及影响因素，为西南地区休耕精准监测提供参考。

1 研究区与数据

1.1 研究区域

研究区地处云南东部，以L1村和L2村表示，具体见图1。该地区平均海拔约1 800m，岩溶地貌明显； 属低纬高原山地季风气候，年平均气温16.3℃，年平均降雨量940mm，年平均日照2 097h。夏季种植作物主要包括水稻、玉米、荞麦、烟草等。研究区内计划休耕的地块共计817块； 最大地块面积为8 739m2，最小地块面积为93m2，地块平均面积约1 425m2，地块分布见图1。

图1 研究区位置及地块分布

休耕地块种植绿肥作物为光叶紫花苕。光叶紫花苕适应西南高海拔生长环境，是高海拔农区常见的绿肥作物[17， 18]。休耕区内大部分地块集中连片，少部分地块分散； 集中连片休耕区内，包含有不参与休耕的地块、大棚、坑塘、道路、岩石等其他地物。

1.2 卫星遥感影像

订购得到2017年8月2日RapidEye多光谱影像1幅。RapidEye为德国的5颗对地观测卫星星座，所获得的影像为5波段多光谱影像，空间分辨率为5m。该多光谱影像含红边波段影像，有助于同时准确识别多种作物类型。研究区假彩色合成影像见图1。

1.3 休耕地块信息

休耕地块信息包括地块边界矢量数据、地块空间位置数据，由地方农业部门提供。

1.4 地面调查

于2017年7月17日至7月24日开展休耕地面调查，结合地面调查建立包括绿肥、水稻、玉米、烟草、设施农业大棚、林地、水体等典型地物感兴趣区。对L1村、L2村2处休耕区817块地内覆盖地物进行调查，获取地块土地利用类型、种植作物类型等信息。结合休耕标准判断，得到休耕地块调查结果，详见图2。

图2 休耕地块调查结果

图3 研究区典型地物光谱特征

2 研究方法

2.1 光谱特征分析

RapidEye影像产品经几何纠正处理，像元地理位置准确。该研究使用ENVI软件的FLAASH模块对RapidEye影像进行大气校正，得到反射率影像。根据地面调查，在休耕试点地块及周边地区的影像中选取各地物的感兴趣区，每种地物的感兴趣区有5处，约80个像元。通过感兴趣区文件提取影像中不同地物的反射率数据，分析典型地物光谱特征，各地物光谱特征曲线见图3。如图3，影像内各类典型地物光谱曲线均有较明显差异。其中，绿肥作物的光谱特征曲线在550nm绿光波段、710nm红边波段与其他地物有明显差异。使用Jeffries-Matusita距离和Transform散度算法计算各类典型地物基于光谱特征的可分离性，以评价影像、所选分类类别是否适合进行监督分类。结果显示各类别间的分离性数值均大于1.9，即该研究所选的各地物的光谱可分离性良好，Rapideye影像可同时区分该地区水稻、玉米、烟草、绿肥作物等多种常见作物。

2.2 休耕监测方法

根据休耕区边界，裁剪得到休耕区影像后，对地块是否休耕的具体监测过程如下：(1)影像像元分类。使用休耕区影像，结合地面调查，使用最大似然法进行监督分类，得到休耕区内典型地物分类结果。(2)像元分类结果二值化。将分类结果二值化为休耕与其他，其中绿肥作物为休耕，非绿肥作物、大棚、道路等地物为其他。(3)相交统计分析。使用地块矢量数据与二值化结果进行相交统计处理，得到地块休耕面积及比例。(4)地块休耕判别分析。使用判别分类，设定休耕比例作为地块是否符合休耕的判别依据[19]。

由于邻近地物混合像元影响，靠近其他地物的休耕地块的部分像元被错分，与其他地物相邻的休耕地块的休耕比例低于100%，因此休耕比例的判别阈值需小于100%。结合地面调查，并考虑地块不规则、面积小等因素，设定休耕比例大于80%的地块符合休耕。最后使用地面调查结果检验休耕地块判决结果，评价监测精度。

3 休耕监测结果与分析

基于RapidEye影像的地块休耕监测结果见图4。判决分类的混淆矩阵及评价精度结果见表1。石漠化地区基于RapidEye影像的休耕监测方法总精度为98.89%，Kappa系数为0.9292； 休耕地块错分误差为0，漏分误差为1.19%。在地块边界矢量数据辅助下，RapidEye影像可准确判别研究区中绝大部分小地块是否休耕，其中判别准确的最小地块面积为93m2。

图4 基于遥感的休耕地块监测结果

表1 研究区地块休耕监测的混淆矩阵及精度

遥感监测地面调查(块)合计错分误差(%)漏分误差(%)生产者精度(%)用户精度(%)总精度(%)Kappa系数休耕其他休耕743074301.1998.8010098.890.929 2其他9657412.16010087.84合计75265817

休耕比例作为判决分类的依据，决定休耕地块错分或漏分。该判别阈值过小将导致部分其他地物错判为休耕地块，阈值过大将导致部分休耕地块错判为其他。因此该阈值设定需要参考地面调查、高分辨率影像核查结果等先验知识。通过验证，休耕地块错分误差得到控制，本研究认为该阈值设定合理。对研究区9块漏分的休耕地块进行逐一分析：有7块地因边界不规则、地块狭长小，与其他地物临近的混合像元错分导致休耕比例小于60%； 有2块地因地势低洼造成不定期积水，导致休耕地块部分呈水体特征。由于客观因素影响，遥感监测在部分地块不可避免出现误差。本研究认为对判别为不符合休耕的地块需进行地面调查核实，在遥感快速高效监测的前提下，实现准确监测。

4 讨论

与传统遥感分类比较，地块休耕监测是在遥感分类结果上，通过地块位置矢量文件辅助，对地块是否休耕进行判别，是一种对遥感分类结果的后处理。通过后处理，可解决部分地表覆盖复杂性、影像空间分辨率引起的像元错分问题，实现面向地块的休耕判断。除使用高分辨率卫星遥感手段外，对于小范围的休耕区，还可采用低空无人机遥感方法[20]，以解决因云雾影响卫星遥感无法及时有效覆盖的问题。

面向地块的快速休耕监测需要入户登记和遥感分类、判别相结合。地方农业部门为完成休耕任务，积极组织安排，开展宣传动员，登记汇总计划休耕地块信息、农户信息，为完成休耕任务以及休耕精准监测奠定良好基础。为补贴提供依据的休耕监测是农业部门通过遥感监测手段调控农业生产的重要尝试。由于我国农业地块破碎、种植作物多样，对准确监测提出极大的挑战。为满足农业种植调控，开展精准作物监测，需国家遥感监测部门与地方有关单位加强交流，同时应加强遥感、农业空间信息平台建设。

(1)发展适合农作物监测的国产遥感卫星，增加多光谱遥感器中关键波段设置，解决多作物同时识别遇到的同谱异物难题。RapidEye影像中红边波段对于同时准确识别多种作物有重要作用。具有红边波段设置的遥感影像能显著提高农作物分类精度[12， 21]。目前除高分六号遥感卫星外，国产高分辨率遥感数据普遍缺少红边波段的设置。为实现作物种植精准监测，需增加多光谱传感器的红边波段设置。此外，提高遥感重访周期，减少遥感瞬时观测对精准监测的影响。遥感影像获取的是地面某一时刻的信息，部分区域受云雾遮挡、地表覆盖变化等影响，导致部分区域的卫星遥感影像不能准确反映地表状况，影响监测结果。因此提高影像重访周期，实现对有问题的区域进两次以上的监测，消除单次遥感监测的误判，以保证休耕监测结果真实有效。

(2)加强地方部门对农业空间信息维护及更新的能力。休耕监测是面向农户、面向地块的精准作物识别，因此地块边界的空间信息必须是经政府部门、村集体及农户认可的空间信息，必须具备法理依据。目前试点区监测所使用的地块边界是农村承包地确权颁证确定的地块边界，满足边界准确、法理依据充分等要求。农业土地地块的权属及边界随分户、流转、户主消亡等变动。因此在确权完成后，还必须进一步做好农业土地空间信息维护、信息更新及信息发布等工作，才能保证地块边界信息准确有效。

5 结论

通过RapidEye多光谱影像分析石漠化休耕区绿肥作物及周边典型地物的遥感光谱差异及可分离性，结果表明绿肥作物的光谱特征曲线在绿光波段、红边波段与其他地物有明显差异，可分离性良好。基于RapidEye多光谱影像提取绿肥作物的空间信息，使用地块休耕比例作为判别依据，判别各地块是否休耕。验证结果表明，该监测方法的总精度为98.89%，Kappa系数为0.9292，错分误差为0，漏分误差为1.19%。基于休耕比例的判决依据对休耕地块错分或漏分有影响； 地块边界不规则、地块狭长、地块低洼积水会增加石漠化地区休耕地块漏分误差。