融合物候知识和多时相遥感的冬小麦种植面积提取

刘伟诚 马静

摘  要：选用播种期和灌浆期两景Landsat8卫星影像进行冬小麦种植面积提取研究。结合研究区冬小麦生长物候知识，提取两期遥感影像的归一化差值植被指数（NDVI），并进行运算处理，提取出研究区冬小麦种植面积。同时基于灌浆期遥感影像，采用最大似然法进行监督分类处理，进而提取研究区冬小麦种植面积。将两种方法提取的冬小麦种植面积与官方统计数据进行精度对比，结果表明，物候知识法提取精度较最大似然法提取精度高。

关键词：冬小麦;种植面积提取;物候知识法;最大似然法

中图分类号：TP391       文献标识码：A文章编号：2096-4706（2022）06-0141-04

Extraction of Winter Wheat Planting Area of Fusion on Phenological Knowledge and Multi Temporal Remote Sensing

LIU Weicheng1， MA Jing2

（1. Guangdong Tianxin Electric Power Engineering Testing Co.， Ltd.， Guangzhou  510663， China ; 2.Scientific Institute of Pearl River Protection，Guangzhou， Guangzhou  510611， China）

Abstract： This paper selects two satellite images of Landsat8 during sowing and filling to study the winter wheat planting area extraction. It combines with the winter wheat growth and phenological knowledge of the study area， extracts two periods remote sensing images of the Normalized Difference Vegetation Index （NDVI）， and it does the operation and processing to extract winter wheat planting area of the study area. Meanwhile， based on the remote sensing images in the filling stage， the maximum likelihood method is used for supervised classification and processing， and then extracts the planting area of winter wheat in the study area. The accuracy of winter wheat planting area extracted by the two methods is compared with the official statistical data， and the results show that the extraction accuracy of phenological knowledge method is higher than that of maximum likelihood method.

Keywords： winter wheat; planting area extraction; phenological knowledge method; maximum likelihood method

0  引  言

冬小麥是世界主要粮食作物之一，及时了解冬小麦种植面积，对开展冬小麦长势监测和估产、区域粮食安全评估等工作具有重要的社会意义[1]。传统的调查统计方法获取小麦种植面积精度不高，成本耗费巨大，不能很好地满足现代农业发展的需求且无法获得农作物的产量估值和种植面积的分布情况。卫星遥感技术具有空间分辨率高、分布区域广、时效性强等优势，因而在冬小麦种植面积监测方面应用广泛[2-5]。在国外，美国是全球展开遥感技术方面工作的领先者，也是美国最先施行遥感技术来监测美国的农作物种植面积，美国在1974年推行了“大面积作物清查试验”（large area crop inventory experiment， LACIE），在美国全州和世界其它地域展开遥感监测预估农作物总产量的工程，美国方面称为：农业和资源的空间设计和评估研究工程;紧接着美国又开展的“遥感在农业和资源的空间调查”方针是对全球的多种作物进行的生长长势状况监测和农作物产量估计，最终把实验成功的遥感技术部分进行到框图面积取样（area sampling frame， ASF）[6]。Tang等人以河南省为试点地区，通过线性混合模型进行混合像元分解得到的多时相MODIS数据的冬小麦种植面积，精度达93.9%，得出多时相数据可以有效地提取作物种植面积[7]。Julien等利用TM数据选取西班牙巴拉克斯地区，基于地表温度和NDVI 数据，采用最大似然法分类得到农业用地，精度达87%[8]。Tuner等采用SPOT XS 数据对西非的萨赫勒地区进行作物监测，将非监督分类、分层和监督分类方法有序结合，分类精度达71%，并针对该研究区作物种植面积小、植被覆盖度低等特点，有效地解决了同物异谱问题[9]。Zhang等运用多时相TM/ETM+遥感数据和MODIS 遥感数据提取黑龙港地区的主要作物信息，总体分类精度为91.3%[10]。国内方面，潘学鹏等基于NDVI时序数据结合熟制作物种植生长期存在差异的特性，探讨了1982年到2007年间我国北方平原种植制度的空间分布特性，并以此考证了冬小麦的种植面积与遥感获取的一年2熟的作物面积有很不错的一致性[11]。赵丽花等利用多时相HJ-1A/B结合物候规律的差异性提取冬小麦种植面积，精度达90.2%[12]。朱长明基于SPOT-5数据以及多时相ETM+数据，对新疆伊犁河谷的冬小麦种植面积进行了提取[13]。王庆林等研究结果表明多时相遥感数据地物间光谱特征变化明显，特别是冬小麦与其他地物光谱特征区别较大，有利于冬小麦种植面积的提取[14]。B01A86D0-EB3A-46CC-A46F-BC0598190637

综合以上研究，由于不同国家的气温、地势和种植区域等方面存在很大的差异，研究成果也大不相同。河南省作为冬小麦种植大省，提高冬小麦种植面积监测精度显得尤为迫切，同时将农作物的物候知识与多时相遥感信息相结合用于提取河南省冬小麦种植面积方面的研究还相对较少。基于此，本文以河南省新郑市为研究区，选用两期Landsat8 OLI遥感影像作為主要数据源，采用物候知识法和最大似然法两种方法，结合研究区冬小麦物候特点提取冬小麦的种植面积，并与官方统计数据进行精度评定。

1  研究区和数据源

1.1  研究区与试验

选取河南省新郑市作为研究区域，如图1所示，地理坐标介于北纬34°16′34°39′，东经113°30′至113°54′之间，北连郑州市，南邻长葛、禹州市，东靠中牟、尉氏，西接新密，面积约为873平方公里。地势西高东低，西部为浅山丘陵区，东部为平原，西北部为丘岗地。气候属于暖温带大陆性季风气候，夏季受太阳和季风影响高温多雨，冬季寒冷干燥，全年平均气温为14 ℃，全年平均降水量约735 mm，非常适宜冬小麦的生长，在耕种方式上，新郑市的耕作制度主要是一年两熟制，夏季以种植玉米和花生为主，冬季主要是种植冬小麦，且一般在9月份进行冬小麦播种，来年6月份收获冬小麦。

1.2  卫星数据与预处理

选取两期Landsat 8 OLI卫星遥感影像作为主要数据源，影像空间分辨率为30米，成像宽幅是185×185 km。结合研究区冬小麦生长期情况，10月份冬小麦处于播种期，耕地土壤裸露，此时植被覆盖信息量最少，5月份是冬小麦长势茂盛的阶段，植被覆盖信息量最大，因此选取播种期（2015年10月16日）和灌浆期（2016年5月11日）两期Landsat 8遥感影像数据，两期影像云量小于10%。Landsat 8 OLI影像的预处理主要包括辐射定标、大气校正和影像裁剪，大气校正采用ENVI软件中的FLAASH大气校正模块完成，利用新郑市的矢量文件裁剪得到两期研究区遥感影像数据，如图2所示。

2  冬小麦面积提取方法及精度评定

2.1  基于物候知识的冬小麦种植面积提取

2.1.1  NDVI计算

绿色植物的归一化差值植被指数（Normalized Diff erence Vegetation Index， NDVI）与植被所占的面积及长势状况之间有较强的相关性，能够充分反映出绿色植物的生长态势。NDVI是指近红外波段反射值及红色波段反射值之差与两者相加的和值之比，NDVI是处理影像数据中最常用的植被指数，计算公式见式（1）：

（1）

式中，NIR即为近红外波段，R即为红色波段，NDVI的值介于-1与1之内。

2.1.2  基于物候知识的种植面积提取

根据研究区冬小麦农作物的物候期特点，九月下旬至十月中旬为播种期，此时麦地经过翻耕基本无植被覆盖信息为裸地，第二年五月中旬为灌浆期，此时麦地上冬小麦长势最为茂盛，能够提取的冬小麦信息最为丰富。因此首先获取两期影像的NDVI影像信息，之后将灌浆期（2016年5月11日）的NDVI影像减去播种期（2015年10月16日）的NDVI影像，即可获取两期NDVI的差值影像，如图3所示。

10月份的影像图中，冬小麦刚刚播种，此时麦田的NDVI数值较小，5月份时候的影像图小麦处于灌浆期，此时麦田的NDVI数值较大，因此在此差值影像上冬小麦种植区域的像元数值相对较大，非小麦区域的像元数值相对较小，此时只需设置相应的阈值即可把冬小麦种植区域提取出来。对于阈值的设置，通过反复尝试并与原图进行对比来的方法进行选取，当像元值大于设定的阈值时认为该像元为冬小麦种植区域，小于设定阈值的像元认定为非冬小麦种植区域，采用这样的方法最终将图像变为1（冬小麦种植区）和0（非冬小麦种植区）的图像，从而提取出研究区冬小麦种植区域，之后统计冬小麦种植区域的像元个数，每个像元的面积为900平方米，两者相乘最终计算得到研究区的冬小麦种植面积。

2.2  最大似然法种植面积提取

五月中旬时冬小麦处于灌浆期，此时冬小麦生长茂盛，植被覆盖信息也最为丰富，因此采用最大似然法对灌浆期影像进行监督分类，进而提取冬小麦的种植面积。首先选取监督分类样本，通过目视判读将影像上的地物类别分为四类，分别为水体、植被、冬小麦和居民地，选取相应的监督分类样本和验证样本，确保选取的样本符合1.8～2.0，若值少于1.8，就要对ROI就行修改，直到符合标准为止，之后选择分类器，进行最大似然法分类，如图4所示。采用聚类分析方法对分类后的影像进行后处理，对影像上的小斑点进行去除，将相似样本信息进行合并或者剔除，最终提取出研究区冬小麦种植区域。

2.3  冬小麦面积提取精度评定

将两种方法提取的冬小麦种植区域结果分为两类，一类为冬小麦种植区，另一类为非冬小麦种植区，冬小麦种植区填充为绿色，非冬小麦种植区填充为白色，结果如图5所示。

从图5可以直观的看出，新郑市冬小麦种植区域主要分布于研究区西南部和中部偏北部分地区，中部和北部为新郑市区和龙湖镇，为城镇建成区，基本无冬小麦种植。为了评价两种方法提取的精度，以新郑市官方统计局提供的当年辖区冬小麦种植面积数据作为真值，分别统计两种方法提取的冬小麦种植面积、与官方统计数据的差值以及两种方法提取的相对误差，结果如表1所示。

从表1中可以看出，采用物候知识法提取的新郑市辖区冬小麦种植面积为25 324公顷，与新郑市官方统计局数据相比少了24公顷，相对误差为0.10%;最大似然法提取的新郑市辖区冬小麦种植面积为25 443公顷，与官方统计局数据相比多算了95公顷，相对误差为0.37%。通过定量对比，物候知识法提取的冬小麦面积精度较最大似然法的提取精度要高。B01A86D0-EB3A-46CC-A46F-BC0598190637

3  结  论

为了及时有效的监测冬小麦的种植面积，文中基于播种期和灌浆期两期Landsat 8 OLI卫星遥感影像为主要数据源，选取河南省新郑市为研究区，结合研究区冬小麦生长物候特点，分别采用物候知识法与最大似然法提取冬小麦种植面积，并与官方统计数据对比进行精度评定。從空间分布上看，研究区冬小麦种植区域主要分布于西南部和中部偏北地区，中部新郑市区和和北部龙湖镇基本无冬小麦种植。基于物候知识的冬小麦面积提取方法结合冬小麦物候特点，通过将灌浆期与播种期NDVI的差值影像设置合理阈值，提取出研究区冬小麦的种植面积为25 324公顷，与统计数据相差24公顷，相对误差为0.10%，最大似然法提取的冬小麦面积为25 443公顷，与官方统计局数据相比相差95公顷，相对误差达0.37%，物候知识法提取的冬小麦种植面积的精度高于最大似然法。但物候知识法阈值的选择需要人工不断的反复试验，才可能会得到较为合理的精度，最大似然法冬小麦农作物种植面积提取精度的关键取决于样本的精确获取。相比较之下，采用物候知识法能够高效地获取研究区冬小麦的种植面积，而最大似然法的精度依旧需要更深层次的改善。

参考文献：

[1] 权文婷，王钊.冬小麦种植面积遥感提取方法研究 [J].国土资源遥感，2013，25（4）：8-15.

[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（6）：166-171.

[3] 赵莲，张锦水，胡潭高，等.变端元混合像元分解冬小麦种植面积测量方法 [J].国土资源遥感，2011（1）：66-72.

[4] 李卫国，蒋楠.基于面向对象分类的冬小麦种植面积提取 [J].麦类作物学报，2012，32（4）：701-705.

[5] 黄青，李丹丹，陈仲新，等.基于MODIS数据的冬小麦种植面积快速提取与长势监测 [J].农业机械学报，2012，43（7）：163-167.

[6] 权文婷，王钊.冬小麦种植面积遥感提取方法研究 [J].国土资源遥感，2013，25（4）：8-15.

[7] TANG Y，SUN R，FENG L，et al. Extracting winter wheat planting area in Henan province based on mixed pixels decomposition [C]//International Conference on Remote Sensing，Environment and Transportation Engineering.Nanjing：IEEE，2012：1-5.

[8] JULIEN Y，SOBRINO J A，Jimenez-Munoz J C. Land use classification from multi-temporal Landsat imagery using the yearly land cover dynamics（YLCD） method [J].International Journal of Applied Earth Observation and Geoinformation，2011，13（5）：711-720.

[9] TURNER M D，CONGALTON R G. Classification of multi-temporal SPOT-XS satellite data for mapping rice fields on a West African floodplain [J].International Journal of Remote Sensing，1998，19（1）：21-41.

[10] ZHANG J K，CHENG Y P，ZHANG F W，et al. Multi-temporal remote sensing image-based extraction on the crops planting information [J].International Journal of Remote Sensing Applications，2012，2（4）：31-40.

[11] 潘学鹏，李改欣，刘峰贵，等.华北平原冬小麦面积遥感提取及时空变化研究 [J].中国生态农业学报，2015，23（4）：497-505.

[12] 赵丽花，李卫国，杜培军.基于多时相HJ卫星的冬小麦面积提取 [J].遥感信息，2011（2）：41-45+50.

[13] 朱长明，骆剑承，沈占锋，等.基于地块特征基元与多时相遥感数据的冬小麦播种面积快速提取 [J].农业工程学报，2011，27（9）：94-99.

[14] 王庆林，李卫国，王荣富.基于不同时相遥感的冬小麦种植面积的提取 [J].江苏农业学报，2014，30（6）：1286-1291.

作者简介：刘伟诚（1987.09—），男，汉族，江西吉安人，工程师，硕士研究生，研究方向：精密工程测量与遥感 ;马静（1981—），女，汉族，福建龙岩人，高级工程师，硕士研究生，主要研究方向：水资源规划及环境保护。

收稿日期：2022-02-09

基金项目：河南省高等学校重点科研项目（21A420003）B01A86D0-EB3A-46CC-A46F-BC0598190637