基于面向对象分类法的贵州烤烟种植区域提取——以烤烟成熟期为例

刘 芸，李 雪，廖 瑶，宋善海，石 悦，李慧璇

(贵州省生态气象和卫星遥感中心，贵州 贵阳 550002)

0 引言

烤烟作为国家管控的特殊经济作物，在国民经济中发挥着非常重要的作用。长期以来，烤烟种植面积是科学优化种植区域，规范烟叶种植，维护烟草市场秩序，科学定量化生产管理的重要科学依据[1]。目前，烟草部门主要的烤烟种植监管手段基本依靠人工调查，这种方式不仅耗费大量的人工和时间，还存在精度不高等问题。因此，运用遥感手段对烤烟进行精确估产显得尤为迫切。

我国于1979年逐步开始遥感估产，发展至今遥感估产已取得了一定的成就，利用遥感手段监测烟草种植也得到了初步的应用。彭光雄等研究了烤烟遥感监测的最佳时相[2]；吴孟泉等利用SPOT-5和TM融合技术对复杂山区烟草种植遥感监测和提取方法进行了研究[3]；董梅等利用无人机遥感影像监测和提取烟草种植面积[4]。

贵州地处云贵高原，地块破碎导致烤烟种植区域零散且面积偏小，传统的卫星遥感数据不能满足对贵州省烟草种植区域的提取。因此，本文拟基于高分六号2 m分辨率卫星数据，采用面向对象分类方法，以石阡县聚凤乡为研究区域，通过构建烤烟种植区域的NDVI特征、光谱特征、纹理特征及形状特征，对贵州烤烟的分布提取方法进行研究，旨在及时监控烤烟种植面积，为烟草部门决策提供一定的理论依据和决策参考。

1 研究区域概况及卫星影像预处理

1.1 研究区域概况

研究区为贵州省铜仁市石阡县聚凤乡，地处贵州省省级风景名胜区佛顶山脚下，是石阡县西南大门。全乡国土面积157平方公里。全乡属武陵山区喀斯特地貌，平均海拔在800米左右，境内属亚热带温暖湿润季风气候。

主要经济作物有烤烟、茶叶、油菜、大豆等，特色产业有“一烟两茶”(烤烟、绿茶、油茶)。

1.2 资料收集

1.2.1 卫星影像资料

1.2.2 无人机影像资料

无人机遥感技术具有影像空间分辨率高、抗干扰能力强、机动性强、操作简单等特点，在农业监测中得到了广泛的应用[6-9]。处于成熟期的烤烟在无人机影像上具有非常强烈的特点，此时的烤烟具有黄绿色的色调，规则的行列状纹理，很容易目视解译(图1)。

表1 研究区主要作物物候期Tab.1 Phenological phase of the main crops in the study area

图1 无人机影像上的烤烟地Fig.1 UAV image of tobacco fields

本文采用无人机航拍的方式提取聚凤乡部分烤烟种植区作为精度验证所需的样本点。无人机航拍采用大疆无人机航拍系统对种植区进行航拍，通过预处理流程(图2)处理成ArcGIS软件能识别的正射影像，再通过目视解译方法提取无人机影像的烤烟地块信息。研究区域共执行飞行9架次，无人机航拍影像分布图如图3。

图2 无人机航拍影像的预处理流程Fig.2 Preprocessing of UAV images

图3 无人机航拍影像分布图Fig.3 Distribution map of UAV images

1.3 卫星影像预处理

运用ENVI软件，对GF6影像按如图4步骤进行预处理，预处理结果如图5。

图4 卫星影像预处理流程Fig.4 Preprocessing of satellite images

图5 聚凤乡GF6影像预处理结果Fig.5 Preprocessing results of GF6 image of Jufeng Village

2 面向对象烤烟种植面积提取

2.1 影像分割

本文采用eCognition软件对卫星影像进行多尺度分割，分割参数设置如下：分割尺度50，形状参数：0.5，紧致度参数：0.4。分割效果如图6。

图6 多尺度分割效果Fig.6 Multi-scale segmentation result

2.2 烤烟提取规则建立

2.2.1 植被指数规则

电子商务作为“大众创业，万众创新”的重要手段，将其与软件工程专业课程及高校双创教育相结合，可以进行有益的互补。

归一化植被指数[10](NDVI)能够很好的将植被和非植被区分开来，其计算公式如下：

NDVI=(NIR-RED)/(NIR+RED)

(1)

式中，NIR为近红外波段，RED为红光波段。

表2 烤烟样地NDVI统计表Tab.2 NDVI statistics of the flue-cured tobacco sampling plot

本文经过反复试验对比，将研究区成熟期的烤烟NDVI阈值设置在范围[0.53，0.8]。

2.2.2 光谱规则

提取样本点的光谱信息：灰度均值、最大灰度、最小灰度和灰度标准差。统计结果如表3。

表3 烤烟样地光谱信息统计表Tab.3 Spectral statistics of the flue-cured tobacco sampling plot

本文分别对影像四个波段建立光谱规则如表4。

表4 烤烟种植区域光谱规则表Tab.4 Spectral rules of the flue-cured tobacco planting regions

2.2.3 纹理规则

eCognition软件提供了两种构建纹理特征的方法：基于灰度共生矩阵GLCM和基于归一化灰度矢量GLDV，基于每种方法又分为八种不同的纹理参数：均值(Mean)、标准差(StdDev)、同质性(Homogeneity)、相异性(Dissimilarity)、对比度(Contrast)、熵(Entropy)、角二阶矩(Ang.2nd moment)和相关性(Correlation)。每一个GLCM纹理参数又基于θ方向的不同取值提供了All directions、Direction 0°、Direction 45°、Direction 90°、Direction 135°五种分析工具[11]。

本文选择GLCM entroy-all-directions和GLCM homogeneity-0°两个属性来建立纹理特征规则如下：GLCM entroy-all-directions：[6，8.5];GLCM homogeneity-0°：[0.016，0.158]。

2.2.4 形状规则

本文所使用的GF6遥感影像空间分辨率为2 m，受影像融合的影响会产生一些混合像元。烤烟属于经济作物种植规模一般在1亩以上，按照像素大概为166个像元。为了避免将一些细小的混合像元误分为烤烟地，我们通过合并进程将分类图斑进行合并，并剔除面积阈值小于等于166像元的小图斑。

基于前几个规则分类出来的影像，发现还有部分紧挨农作物的机耕道也被误分类为烤烟地块，所以增加形状规则长宽比。Length/Width≤4.2。

3 结果分析及精度评价

3.1 提取结果分析

由图7我们可以看到，聚凤乡烤烟种植主要分布在中部及北部地区，种植较为零散。部分提取结果和原始影像对比如图8，由图8可以看到，本文的提取方法效果较好，大部分的烤烟地被正确提取。

图7 石阡县聚凤乡烤烟种植点分布图Fig.7 Distribution map of flue-cured tobacco planting sites in Jufeng Village，Shiqian County

图8 烤烟提取效果图Fig.8 Extraction effect of flue-cured tobacco planting sites

3.2 分类精度评价

本文采用随机抽样的方法对分类结果进行精度验证，在无人机影像上通过目视解译的方法选出烤烟样地ROI，共选取烤烟地96个，其他地物50个，精度评价结果如表5。

表5 分类精度评价结果Tab.5 Evaluation of classification accuracy

从表5中可以看到，本分类方法的分类总体精度高达91.78%，总Kappa系数为0.82，分类质量达到很好水平。

4 结论与讨论

1)易康多尺度分割综合考虑了影像的光谱特征和形状因子，对目标物的分割更具有针对性，本文选择的多尺度分割参数如下：分割尺度(scale)50，形状参数(shape)：0.5，紧致度参数(compct)：0.4。

2)本文基于GF6 2m分辨率卫星资料，采用面向对象分类方法，提取石阡县聚凤乡烤烟种植区域，并运用无人机影像随机采样进行精度验证。结果表明，该方法总体精度高达91.78%，总Kappa系数为0.82，分类质量达到很好水平，可利用该方法较为准

确的进行烤烟种植区域提取，为烟草部门决策提供一定的理论依据和决策参考。

3)基于单一时相对烤烟种植区域的提取分类精度还有待进一步提高，下一步拟根据多时相、多源卫星数据对烤烟种植区域进行提取，以获得更高的提取精度。