基于遥感的望江县主要农作物种植面积提取研究

肖隆东 曹铭

摘 要：目前，在农作物的识别与提取工作中，遥感技术得到了广泛的运用。该研究結合安徽省望江县主要农作物的物候历选取不同时相的陆地卫星影像数据，采用监督分类、决策树分类及变化检测等方法，提取了2017年望江县水稻的种植面积为312.46km2，油菜的种植面积为277.65km2。与统计数据对比结果表明：结合农作物的物候数据，采用遥感手段提取主要农作物的种植面积具有一定的可行性和可靠性，可以为该区域粮食生产及其结构调整研究提供基础数据，推动该区域农业的可持续发展。

关键词：遥感;主要农作物;种植面积;望江县

中图分类号 F326.1文献标识码 A文章编号 1007-7731（2020）（02-03）-0128-03

Study on Extraction of Planting Area of Main Crops in Wangjiang County Based on Remote Sensing

Xiao Longdong et al.

（College of Tourism and Geography， Jiujiang University， Jiujiang 332005， China）

Abstract：At present， remote sensing technology has been widely used in the identification and extraction of crops. Based on the phenological data of the main crops in Wangjiang County， Anhui Province， the land satellite image data of different phases were selected. The supervised classification， decision tree classification and change detection were used to extract the rice planting area of Wangjiang County in 2017. The planting area of rice was 312.46km2 and the planting area of rapeseed was 277.65 km2.The comparison with statistical data shows that combining the phenological data of crops， using remote sensing to extract the planting area of main crops has certain reliability， which can provide basic data for grain production and structural adjustment research in the region to promote the sustainable development of agriculture in the region.

Key words：Remote Sensing; Main crops; Planting area; Wangjiang County

由于遥感具有迅速、宏观、简便、准确等优点，现已广泛应用于农业领域的各项工作中[1]。20世纪70年代中期，美国开展的“大面积作物清查试验”即LACIE计划，首次将遥感技术应用于农作物种植面积监测与产量估算的研究中[2]。我国在农业领域工作中使用遥感技术始于20世纪80年代，例如，王文静等[3]对新疆沙湾县棉花、柳文杰等[4]以对湖南省内洞庭湖区域的水稻、王凯[5]等对我国西北地区甘肃省庆阳市区的冬小麦的遥感识别与提取分别进行了研究。本研究以2017年4月至2018年4月的安徽省望江县Landsat影像数据，结合物候数据对望江县主要农作物油菜和水稻的种植面积分别采用监督分类、决策树分类后的变化检测方法进行提取，并制作了相应的种植分布图。

1 研究区概况及数据来源

1.1 研究区域概况 望江县隶属于安徽省安庆市，地形主要以平原、丘陵和山地为主，其中丘陵主要分布在西北部，山地主要分布在中部，平原主要沿长江分布。属于亚热带季风气候，日照时间长，太阳辐射充足，热量资源丰富，降雨量充沛。农业生产历史悠久，农业资源十分丰富，县内粮食作物主要为水稻，油料作物主要是油菜。

1.2 数据来源及预处理 （1）遥感影像数据：采用从地理空间数据云（http：//www.gscloud.cn/）下载的2017年4月至2018年4月期间的Landsat 8 OLI卫星影像数据（行列号为P121/R39），空间分辨率为30m。（2）物候数据：不同农作物的物候有利于农作物的遥感识别与提取。查询中华人民共和国农业农村部网站（http：//www.moa.gov.cn/jg/）得到望江县主要农作物物候历，详见表1。

（3）矢量数据：以望江县的行政区划图为底图，在软件ArcGIS 10.2中经地图配准，矢量化得到望江县行政区划矢量数据。

为获取准确的地物反射率和辐射率等真实地表信息，以软件ENVI 5.3和 ArcGIS 10.2对影像数据进行预处理。预处理包括辐射定标、大气校正、地图配准、图像裁剪等过程[6]。

2 主要农作物种植面积的提取

2.1 油菜 根据表1的物候历可知，望江县油菜的花期为次年3月中下旬至4月中旬，期间油菜花色鲜艳，花朵基本覆盖冠层，遥感影像上与周边其他农作物差异明显。因此遥感提取油菜种植面积的最佳时相为次年3月中下旬至4月中旬。在ENVI 5.3中，对2018年4月10日的Landsat影像数据经多次波段组合实验可知，油菜在以近红外、绿和蓝光进行RGB波段组合的伪彩色影像上与其他地类的差异最显著。目视判读选取油菜、其他耕地、林地、水体、居民地、其他用地等6类地类的训练样本。其中，油菜与其他地类的可分离性参数大于1.9，说明油菜与其他地物的分离效果均较好。以所选训练样本采用最大似然进行监督分类，对分类图像再进行分类后处理，得到望江县油菜的种植区域，其主要技术路线见图1。在ArcMap10.2统计出提取的油菜的种植面积分别为277.65km2，并绘制其分布图，详见图2。

2.2 水稻 望江县水稻种植分为早稻、中稻和晚稻3种，其中，中稻与晚稻的种植面积与产量远远大于早稻的[7]，因此，本文主要对望江县中稻与晚稻的种植进行遥感提取。水稻的生长旺盛期与收割期间其光谱差异显著，而其他主要农作物在这2个时期内无明显的变化。据表1物候历可知，选取望江县2017年生长旺盛期（9月14日）和收割期（11月1日）的2期Landsat 8 OLI遥感影像，利用NDVI植被指数采用决策树分类分为耕地、林地和非植被，通过分类后变化检测识别耕地转变为非植被的区域为水稻种植区域，其主要技术路线见图3。利用ArcMap10.2统计出水稻的种植面积为312.46km2，并绘制其分布图，详见图4。

3 结果评价

3.1 结果 文中主要作物的提取精度采用相对误差方法来表达。通过安庆市统计年鉴可以查询到，望江县2017年油菜和水稻的种植面积分别为321.92km2、352.77km2[7]。计算得到油菜与水稻的提取相对误差分别为-13.76%、 -11.43%，见表2。

3.2 误差分析 Landsat 8 OLI卫星影像的空间分辨率为30m，即影像上的最小像元为900m2，而望江县主要农作物种植存在部分地块面积达不到1个像元，且通过分类后处理会将部分有效像元剔除，从而导致提取面积小于统计面积。另外，对于水稻的种植面積，本文未对早稻的种植面积进行提取，也会对结果产生一定的误差。

4 结论

使用多时相的Landsat 8 OLI遥感影像数据，采用多种分类方法对望江县2017年主要农作物油菜和水稻的种植面积分别进行遥感提取，得到以下主要结论：

（1）遥感提取油菜种植面积的最佳时相为油菜的开花期，即次年3月中旬至4月中旬。利用油菜开花期的Landsat影像采用监督分类的方法，得到2017年望江县油菜的种植面积为277.65km2。

（2）利用水稻成长旺盛期（8—9月）与收割期（11月上旬）2期Landsat影像进行分类后的变化检测实现水稻种植面积的遥感提取，得到2017年望江县水稻的种植面积为312.46km2。

（3）对主要农作物提取结果的评价分析可知，油菜与水稻种植面积的提取相对误差分别为-13.76%、-11.43%。这表明，基于遥感的主要农作物识别与提取具有一定的可靠性，能为该区域粮食生产及其结构调整研究提供基础数据，推动该区域农业的可持续发展。

参考文献

[1]陈仲新，任建强，刘佳，等.农业遥感研究应用进展与展望[J].遥感学报，2016，20（05）：748-767.

[2]陈水森，柳钦火，陈良富，等.粮食作物播种面积遥感监测研究进展[J].农业工程学报，2005，21（06）：166-171.

[3]王文静，张霞，赵银娣，等.综合多特征的Landsat 8时序遥感图像棉花分类方法[J].遥感学报，2017，21（01）：115-124.

[4]柳文杰，乌兰吐雅，乌云德吉，等.基于纹理特征与MODIS-NDVI时间序列的耕地面积提取研究[J].中国农业资源与区划，2018，39（11）：169-177.

[5]王凯，赵军，陈栋栋.基于GF-1遥感数据决策树与混合像元分解模型的冬小麦种植面积早期估算[J].遥感技术与应用，2018，33（01）：158-167.

[6]赵英时.遥感应用分析原理与方法[M].北京：科学出版社，2013：172.

[7]安庆市统计局.2018安庆统计年鉴[M].北京：中国统计出版社，2018：190-193. （责编：张宏民）