基于Google Earth Engine三江平原水田提取研究

李永帅，齐修东

（1.河南理工大学 测绘与国土信息工程学院，河南 焦作 454000）

影响水田信息提取精度的因素主要是水稻和其他植被同时相的光谱特征相似性易造成误分，还有云和云阴影的覆盖[1-5]。一些研究对水稻信息的提取只用到的时相信息过于单一，杨艳昭[6]等在水田移栽期通过计算地表水分指数（LSWI）等指标，基于Landsat数据提取了吉泰盆地的水田信息；王力凡[7]等通过对比分析成熟期的水田与其他覆盖物的归一化植被指数（NDVI）值和波段DN 值的差异，然后增大数值差别，从而建立基于像元的水田提取模型，在CBERS-02B 卫星遥感影像提取了南京市溧水县的水田信息。而利用分类器实现监督或无监督分类的水田信息提取方法要与光谱可变性的相位相关联，通常难以扩展分类器规则和参数，且大尺度的水田制图要耗费大量的时间和计算能力，导致周期长，难度大。因此，本研究基于GEE 云平台，通过在线编程的方式获取和处理Landsat 影像，有效避免下载、预处理影像等繁杂的过程,能较大程度提高效率[8]。

1 研究区概况

三江平原是全国热量条件最差、升温最明显的地区，同时是近些年水田扩张粮食增产最明显的国家重要粮食生产基地。三江平原包括鸡西、鹤岗、七台河、佳木斯、双鸭山等地级市以及牡丹江市的穆棱县和哈尔滨的依兰县，共计23 个县（区），总面积为10.88 万km2。特别是该地区有52 个国有农场和8 个森林工业局[9]。三江平原地面坡度在万分之一左右，地势平坦，整体倾斜趋势由西南向东北，地貌多样拥有低山丘陵、低平原区和兴凯低平原区等类型，此外该处拥有因河流（黑龙江、松花江以及乌苏里江等）交汇形成较多的河谷平原。该地区土壤肥沃，其有机质积累作用超过它的分解作用，使得土壤中有机碳的含量极高，这也是三江平原地区土壤肥力较高的原因[10]。三江平原受地形和海陆热力差异的影响，形成了中温带大陆性季风气候，四季分明[11]，降雨量充足且雨热同期。

2 研究方法

2.1 实验数据来源

在GEE 中，可通过JavaScriptAPI 在线访问全球范围Landsat 影像，且遥感影像经过辐射校正和几何校正等预处理。本研究使用的Landsat 影像均为可用的标准1 级地形校正（L1T）正射校正图像。为了消除传感器本身的误差，确定传感器入口处的准确辐射值。大气校正针对实验中用不同时相或不同传感器的光谱指数，保证计算量级的一致性，计算指数信息更加精确。本研究使用已作为美国地质调查局（USGS）Landsat-8 图像集存储在GEE 平台中（TOA）大气表观反射率数据。影像选取年代中期年份影像数据，如1980 年代取1985 年、1990 年代取1995 年、2000 年代取2005 年Landsat-5 数据，2010 年代选取了2016 年到2018 年的Landsat-8 影像数据。矢量数据来源于来源于中国科学院资源环境科学数据中心（http://www.resd.cn），如图1 所示。

图1 RGB 合成影像

2.2 数据预处理与解译变量计算

根据Landsat-8 质量评估带[12]，删除了不良观测结果，包括云，卷云和冰/冰。利用GEE API 编程，对于每种影响因素划分4 个级别并表明它们的置信度，包括“未确定”（算法未确定此条件的状态），“否”（0 ～33%置信度），“可能”（34～66%的置信度）和“是”（67～100%的置信度）。使用67～100%的置信水平来排除云和雪/冰的所有潜在的不良观察效果。然后Landsat TOA 图像采集的时间序列用于计算2 个光谱指数，包括NDVI，NDWI。

使用以下等式计算光谱指数:

式中，ρnir为近红外波段；ρRed为红光波段；ρGreen为绿光波段。

所有Landsat 数据处理都是使用GEE 平台（https://earthengine.google.org/）中的云计算技术进行的，这使得大型研究区域的并行计算和大数据处理成为可能。排除这些不良观察后，得到的时间序列数据用于以下基于物候的分类。

2.3 研究区水稻物候信息

旱地作物和水稻的光谱特征类似，会对提取水田信息产生影响，因此水田信息提取主要在水稻与其他旱地作物的物候差异期进行。本文基于水稻生长期遥感影像的植被指数和该区域的水体指数，对比其在不同时期的物候特征提取出水田信息，如图2 所示。

图2 水田提取技术路线

不同作物的物理特性和生长周期不同，而且水稻不同生长阶段的生长特征也不相同。根据水稻的生长阶段可分为4 个阶段:①从播种到移栽的苗圃阶段；②从移栽到出穗的营养阶段；③从出穗到开花的繁殖阶段；④从开花到完全成熟的成熟阶段。依据该区域农业气象观测数据总结出水稻生长发育的时间特征，三江平原地区水稻是单季稻，一般6 月中下旬灌水移栽，10 月上旬进入成熟收割期，其中8 月为生长旺季。在水稻移栽期间，需要大量灌溉，故与生育期相同的旱地作物相比，地表湿度较大。此时间段水田的归一化水体指数（NDWI）值比旱田的大，而在其他时相会由于植被含水量的原因使得旱地和水田不易区分，虽然五、六月份稻田植被指数（NDVI）值低，但是随着水稻生长在七、八月份水稻进入生长的旺盛期，NDVI 值达最大，随后进入成熟收割期，NDVI 值开始下降。这与本文计算的从2016-2018 年的三江平原水田NDWI、NDVI 时间序列值所反映的物候信息一致。本研究通过三江平原水稻生长期调研，利用遥感的多时相特征设计物候算法，选取2 个时期即灌溉期5、6 月份和旺盛期7、8 月份，计算2 种水体指数NDWI和NDVI，通过经验阈值提取水体和植被信息，然后利用逻辑运算综合判断出水田信息，实现准确提取，如图3 所示。

图3 三江平原水田NDWI、NDVI 时间序列曲线图

3 结果与分析

基于以上方法提取了三江平原的水田信息，并对提取结果进行了适当修正。从1980 年代到2010 年代30 a 间，三江平原水田经历了爆炸性增长，由1980 年代的1 942.76 km2增加到2010 年代的27 746.2 km2，30 a 间三江平原水田面积增加了10 倍之多。各个年代之间增长速率呈现逐年递增，1990 年代水田面积为5 916.61 km2，特别是2000 年代到2010 年代增长速率最快由13 091.5 km2增加到27 746.2 km2。

在空间上，不同时期水田和旱地的分布重心也不同。由四期水田提取结果可以大致看出，1980 年代和1990 年代水田重心向西北方向偏移了，而2000 年代和2010 年代水田偏移方向发生较大变化，转向东北方向偏移。但是整体上三江平原水田的重心表现为向东北偏移的趋势。其中主要分布在三江平原东北部，主要是富锦市、虎林市、同江市和抚远县等县区，如图4所示。

图4 三江平原水田空间分布图

三江平原水田面积的暴增是气候、人口、政策多种因素影响的结果，经研究发现近100 a，在中国气温平均上升了1.2℃，东北地区平均增温1.5℃。1959-2005 年期间，三江平原人口增长了3.13 倍，而同期的黑龙江省是1.26 倍，整个东北地区是0.93 倍[13]，同时国家政策的支持进一步促进了三江平原水田的发展。从上世纪80 年代中期到本世纪初，三江平原在“以稻治涝”的指导方针下开展农业综合开发。2004 年《中共中央国务院关于促进农民增加收入若干政策的意见》指出切实加大农业投入，强调“大力推进现代农业建设，促进粮食稳定生产”。2006 年国家废除《农业税条例》，全面消除农业税。2007 年东北地区在《东北振兴规划》确定“国家重要商品粮和农牧业生产基地”。2008 年《国家粮食安全中长期规划（2008-2020 年）》中提出“提高东北水稻综合生产能力”。2010 年《关于加快转变东北地区农业发展方式建设现代农业指导意见的通知》提出要把东北建设成农业现代化示范区和维护国家粮食安全的战略基地。国家和地区的强农惠农政策极大加快了农业发展[14]。科技的进步同样为土地开垦，水田发展助力。随着水利设施建设力度增加，耕地灌溉面积迅速变大，种植结构发生改变，向“旱改水”方向转化，加之优良稻种的培养种植，交通等因素限制作用减小，为发展水田提供了良好的条件。

4 结 语

本文基于NDWI 和NDVI 时间序列，依据水稻在各个生长期与其他作物表现出的生理差异特征，基于GEE 云平台使用物候算法，充分利用Landsat 影像的时间特征和空间特征，得到了三江平原1980 年代到2010 年代的水田的空间分布信息。并对结果进一步分析，得出以下结论:①三江平原的水田扩张主要受国家政策、科技进步、经济发展、气候变化和人类活动等因素影响。②30 a 间三江平原在多种因素的影响下水田面积急剧扩张。总体表现为向东北方向偏移，其主要分布在三江平原东北部。