基于多时相卫星影像的复杂山区烤烟种植区域提取

刘 芸，宋善海，李 雪，廖 瑶，李慧璇，王 伟

（1.贵州省生态气象和卫星遥感中心，贵州 贵阳 550002；2.贵州省特种水产工程技术中心，贵州 贵阳 550025）

0 引言

烤烟是我国重要的经济作物，其种植和产量受到严格管控，其定量化管理对维护市场秩序有着重要意义[1]。卫星遥感具有监测范围广、时效性高、使用成本低等特点，在农作物面积监测方面具有广泛的应用。研究者基于多源遥感影像开展了烤烟种植信息的提取：吴孟泉等[2]应用监督分类法研究了复杂山区烟草种植的提取；董梅等[3]通过无人机影像对烟草种植面积进行了提取和监测；李天坤[4]利用面向对象分类方法研究了烟草种植面积的提取；符勇[5]应用SAR 雷达卫星研究了烟草产量估测。作物的生长发育随着生育期的变化具有不同的物候特征，其光谱信息也会随之发生改变，因此，基于多时相卫星遥感影像的作物提取更具优势。刘吉凯等[6]基于多时相Landsat8 OLI 影像，根据作物农事历，基于作物光谱特征及植被指数，采用决策树分类模型，完成了对研究区的种植结构信息提取；邓刘洋等[7]基于光谱特征及地块信息开展了多时相遥感影像的冬小麦种植面积提取。但目前基于多时相卫星影像的烤烟种植区域提取还很少见。

贵州省是我国烤烟生产大省，2019 年烤烟播种面积为13 万hm2，居全国第2 位，产量为21.58 万t，居全国第3 位，占全国总产量的10.68%[8-9]。贵州地处云贵高原，地形以喀斯特山地丘陵为主，耕地资源匮乏且分散，耕地细碎化，传统单一时相卫星遥感数据无法满足耕地细碎化条件下作物提取的精度。为进一步提升卫星遥感影像对烤烟种植区域的提取精度，基于多时相影像序列，根据烤烟不同生长期的物候特征，构建多时相烤烟种植区域提取模型，完成研究区域烤烟种植区域提取。

1 研究区概况及影像选择与预处理

1.1 研究区概况

石阡县（107°44～108°33E，27°17～27°42N），隶属于贵州省铜仁市，位于贵州省东北部，铜仁市西南部，总面积为2 173 km2。石阡县为典型贵州山地地貌，山地面积占77.3%，丘陵、谷地占22.7%。石阡县属中亚热带季风湿润气候区，年平均气温17.6 °C，年降雨量1 301.2 mm，年日照时数1 060.4 h[10]。研究区位于贵州省铜仁市石阡县西部，包括河场坝乡、本庄镇、白沙镇和聚凤乡4 个乡镇，占地面积690.6 km2，烤烟为该地区重要的经济作物。

1.2 卫星影像资料选择及预处理

农作物在生长发育不同阶段会表现出不同的物候特征，这就造成了其在卫星影像上的光谱差异[11]。烤烟大田生育期分为还苗期、伸根期、旺长期和成熟期等阶段，如表1 所示[4]。因此，选择2019 年5 月23 日（还苗—伸根期）、7 月3 日（旺长期）及8 月13 日（成熟期）的高分六号2 m 分辨率卫星影像资料，并对卫星影像进行辐射定标、大气校正、正射校正和影像融合等预处理。

2 研究方法

2.1 技术路线

烤烟种植区域提取流程如图1 所示。

2.2 烤烟种植区光谱特征及植被指数特征分析

2.2.1光谱特征分析

根据外业GPS 调查采集到的样本点，将研究区地物大致分为烤烟、其他植被、水体、建设用地和裸地5 种地物类型，统计每一类地物样本点在不同时相卫星影像上的光谱特征，并绘制其光谱曲线，如图2 所示。

结合实际调研和图2 可知，烤烟在5 月还苗生根期为覆膜种植，其光谱曲线与建设用地及裸地相似；而到了7、8 月，烤烟叶片迅速生长，其光谱曲线明显呈现出植被的特征，即在第2 波段的DN值高于第3 波段，并且第4 波段上的DN值明显增大，但烤烟与其他植被的光谱差异体现在近红外波段烤烟DN值明显大于其他植被。7 月烤烟处于旺长期，因此，其在第2 波段（绿波段）的DN值明显高于8 月。经过反复尝试，确定单一时相烤烟光谱的划分阈值。

图2 地物光谱特征曲线Fig.2 Spectral characteristic curve of ground features

2.2.2植被指数特征分析

归一化植被指数（NDVI）能够很好地将植被和非植被区分开来，计算如下。

式中NIR—近红外波段

RED—红光波段

通过野外采样得到的烤烟样本点，绘制NDVI特征曲线，如图3 所示，研究区烤烟在5 月还苗伸根期，NDVI最小，接近于0；在7 月旺长期，烤烟叶片呈现绿色，NDVI达到最大值，接近1（均值为0.72）；到了8 月，烤烟处于成熟期，其叶片逐渐变黄，呈现黄绿色，NDVI较7 月有所降低。经过反复尝试，确定单一时相烤烟植被指数划分阈值：5 月NDVI≤0.48，7 月NDVI≥0.62，8 月NDVI≥0.54。

图3 NDVI 特征曲线Fig.3 NDVI characteristic curve

2.2.3面积特征分析

考虑到烤烟属于经济作物，种植面积一般＞0.067 hm2（1 亩），因此，剔除面积＜166 像元的小图斑。

2.3 基于单一时相烤烟种植区提取

利用烤烟光谱特征、NDVI特征和面积特征，建立单一时相烤烟提取规则，采用面向对象分类法，分别对3 个时相影像进行烤烟种植区提取，得到单一时相烤烟提取结果T1、T2、T3。

2.4 基于多时相植被指数特征的烤烟种植区域提取

基于烤烟在不同种植期的NDVI特征，利用归一化植被指数的差值和商，计算多时相植被指数如下

式中NDVI0523、NDVI0703、NDVI0813—分 别 为5 月23 日、7 月3 日、8 月13 日影像的归一化植被指数

经过反复尝试，确定基于多时相植被指数特征的烤烟种植区划分阈值：NDVI1≥0.29，NDVI2≥0.21，1.3 ≤NDVI3≤11，1.6 ≤NDVI3≤8.3，得到多时相植被指数烤烟种植区初步提取结果T4。

3 提取结果及精度评价

将单一时相烤烟种植区提取结果T1、T2、T3及多时相植被指数烤烟种植区提取结果T4，进行交叉验证，生成研究区烤烟种植区提取结果T，如图4 所示。

图4 研究区烤烟种植区提取结果分布Fig.4 Distribution of extraction results of flue-cured tobacco planting area in study area

采用随机抽样的方法对分类结果进行精度验证，精度评价结果如表2 所示。

由表2 可知，本分类方法的分类总体精度高达94.67%，总Kappa 系数为0.94，分类质量达到很好水平。在单一时相的面向对象分类中，8 月13 日影像的分类结果精度最高，总精度为90%，Kappa 系数为0.9。多时相分类结果比8 月13 日分类总体精度提升了4.67个百分点，Kappa 系数提升了0.04，错分率降低了个百分点。多时相分类的效果优于单一时相分类，总体精度提升，且错分率明显降低。

表2 分类精度评价结果Tab.2 Classification accuracy evaluation results

4 结束语

（1）以高分六号卫星影像作为数据源，根据烤烟生长物候期特征及贵州烤烟种植特点，抓住研究区烤烟在不同物候期的卫星影像光谱差异，选择合适的卫星影像时序，构建多时序遥感影像烤烟种植区域的提取模型，采用面向对象分类法，完成了烤烟种植区域的多时相提取，分类精度为94.67%，Kappa 系数为0.94。此方法能够在很大程度上减少因单一影像云量差异、异物同谱和同物异谱现象、烤烟生长差异等造成的错分和漏分现象，分类精度得到了明显提升，能够在贵州复杂山区地块破碎、种植分散的条件下，较为准确地提取烤烟种植区域。

（2）以4 个乡镇为研究区试验方法，相对于以某个坝区或某个乡镇作为研究区域，研究范围相对较大，种植结构更为复杂，说明试验方法具有一定的普适性。

（3）试验方法存在地块与地块之间界限不清晰的情况，下一步拟基于地块进行分割，解决地块边界光谱与地块内部光谱变异混合问题，进一步提高提取精度。