基于Landsat_8衛星影像數據的紅棗種植面積估算研究

檀博軒

摘? 要：紅棗是新疆特色林果業的重要組成部分，為快速準確地獲取紅棗的種植信息，適應農業管理現信息化，該文以新疆阿拉爾地區為例利用Landsat_8遙感衛星影像結合GoogleEarth以及戶外實地定標，通過訓練樣本進行機器學習后進行支持向量機分類將紅棗分類，并通過Majority和Minority分析與聚類分析分別對分類結果進行優化，結果表明：兩種分類優化后的準確度分別為93.7%與89.5%以上。該方法運用遙感技術獲取計算棗樹種植信息，可為相關管理部門在紅棗種植面積的估算中提供一個實時有效的參考方法。

關鍵詞：Landsat_8? 阿拉爾? 棗樹面積? 支持向量機分類

Abstract： Jujube is an important part of Xinjiang's characteristic forest and fruit industry. In order to quickly and accurately obtain planting information of jujube， and to adapt to the current informatization of agricultural management， this article uses the Landsat_8 remote sensing satellite image combined with GoogleEarth and outdoor field calibration in the Alar region of Xinjiang as an example. The training samples are machine-learned and then classified by support vector machine. The dates are classified by Majority and Minority analysis and cluster analysis. The results show that the accuracy of the two classifications is 93.7% and 89.5%， respectively. the above. This method uses remote sensing technology to obtain information about jujube planting， which can provide a real-time and effective reference method for the relevant management departments in the estimation of jujube planting area.

Key Words： Landsat_8; Alar; Jujube area; Support vector machine classification

林果產業是新疆農業的特色優勢產業，紅棗業是阿拉爾市（Alar）特色林果業發展的重要組成部分，也是當地農民增收的重要產業之一。在種植信息統計方面傳統的面積計算存在著耗時費力、時效性差的一些局限性[1]，隨著遙感技術的日益發展，遙感技術在農業資源調查與測量中的作用也日益重要。目前我國對農業遙感監測的主要工作大多運用在水稻和小麥方面，對新疆特色林果業的研究較少，林果種植的遙感識別對疆內林果產業發展情況監測及預測有著非常現實的意義[2]。該文以南疆地區阿拉爾市為例運用遙感技術來監測棗樹種植面積在新疆棗樹種植面積很大的地方很有意義。該文通過ENVI軟件基于Landsat_8衛星遙感影像數據信息進行分析處理后通過機器學習將地物進行識別并分類，從而分辨出阿拉爾地區的紅棗種植信息并初步估算出紅棗種植面積，再通過Majority和Minority與聚類分析的不同分析方法對初步的分類結果進行優化從而提高精確度并對其差異進行對比分析研究。旨在實時、快速地獲得阿拉爾紅棗種植面積，為阿拉爾主要林果紅棗業的種植、生產與價格預估提供技術支持[3，4]。

1? 研究區域

該研究以新疆阿拉爾地區作為研究區，阿拉爾地處天山南麓，塔里木盆地北部，塔里木河上游，地理位置位于東經80°30′～81°58′，北緯40°22′～40°57′之間。阿拉爾市地處塔里木河沖積細土平原，屬于暖溫帶極端大陸性干旱荒漠氣候，極端最高氣溫35℃（沙井子墾區每隔5～10年遇最高溫40℃），極端最低氣溫-28℃（四團墾區最低氣溫為-33.2℃）。墾區太陽輻射年均133.7～146.3kcal/cm2。年均日照2556.3～2991.8h，日照率為5869%。墾區雨量稀少，冬季少雪，地表蒸發強烈，年均降水量為40.1～82.5mm，年均蒸發量1876.6～2558.9mm[5]。隨著大力推動特色林果業發展以及防風治沙、退耕還林等政策的實施[6]，現如今阿拉爾墾區紅棗的種植面積和產量位居當地林果業首位。對其種植信息的監測也應有更先進的技術。

2? 技術路線

該研究是通過Landsat_8衛星影像為基本的成圖數據，并結合GoogleEarth影像以及實地調查通過全球定位系統（Global Positioning System）獲取的坐標數據作為訓練樣本，通過對圖像信息進行正射校正、輻射定標、大氣校正以及鑲嵌于裁剪的預處理分析后通過支持向量機（Support Vector Machine，SVM）的監督分類方法獲取地物在影像上的特征，從而得出紅棗的特征信息，最終解譯出研究區里紅棗空間栽種的分布信息并通過Majority和Minority與聚類分析對分類結果分別進行小斑塊去除處理并對不同方法進行對比分析。

3? 數據收集

該研究的數據采用Landsat 8 OLI_TIRS不同時期的衛星數字產品，數據來源于地理數據空間云。選擇Landsat8遙感數據，波段8全色影像分辨率為15M，覆蓋阿拉爾市及阿瓦提縣、沙雅縣部分地區，包括2017年和2018年的影像。遙感圖像覆蓋面積如圖1所示。

由于阿拉爾地區NDVI最明顯時期的紅棗與棉花的光譜特征相似容易混淆，針對此問題該研究采用通過研究其物候信息，選取了7月28日LC81460322018115LGN00遙感影像與4月26日LC81460322017208LGN00遙感影像，通過同地不同時的衛星數據，根據棉花播種前后的不同光譜對紅棗與棉花進行對比區分，可有效減少“同譜異物”帶來的誤差[7]。遙感信息如表1所示。

阿拉爾地區主要種植與紅棗光譜相似度高的為棉花的苗期至開花期，阿拉爾地區紅棗與紅棗的物候信息如表2、表3所示;表4為實地獲取的部分棗園坐標作為訓練樣本表;圖2為LC81460322018115LGN00原始遙感信息圖。

4? Landsat_8遙感數據處理

4.1 遙感數據預處理

該文研究主要使用Landsat8遙感數據，參考數據為通過全球定位系統實地獲取的地物位置經緯度信息。為提高圖像數據信息提高分類精度在分類之前先對遙感信息進行正射校正、輻射定標、大氣校正以及鑲嵌于裁剪的預處理如圖3所示。

4.2 遙感圖像的輻射量校正（輻射定標）

在遙感圖像產生的過程中受太陽角度、大氣狀況等因素影響，難以避免的會產生不同程度的失真，為獲得準確的輻射特征就必須消除失真，所以就需要對圖像進行輻射校正[8]。

4.3 傳感器輻射校正

傳感器所獲得的目標測量值與目標光譜反射率之間的差值成為輻射誤差，傳感器的輻射校正一般傳感器可自動完成，主要的操作還是在大氣校正上。

4.4 大氣校正與圖像鑲嵌剪裁處理

通過正射校正、輻射定標以盡可能消除因太陽位置及角度條件、傳感器自身條件及霧霾等因素引起的失真現象;通過大氣校正來盡量消除大氣、光照等因素對反射造成的影響使不同地物的植被歸一化指數差異較大提高分類精度。

在該研究中運用了Atmospheric Correction Module模塊通過波段的對比對阿拉爾地區進行大氣校正。

最后將阿拉爾地區從大氣校正后的遙感信息圖中進行裁剪處理得到阿拉爾地區的遙感信息預處理圖，如圖4所示。

5? 結果分析

5.1 種植信息提取

將預處理完成的遙感信息圖的RGB調整為5、4、1波段的非標準假彩色圖像使地物圖像豐富鮮明、層次好，使植被信息顯示更為突出有利于研究植物分類，如圖5所示。

將已知的紅棗、棉花、空地、水以及建筑物位置選出作為ROI分類，然后將所選的感興趣區域作為進行支持向量機（Support Vector Machine）分類的訓練樣本進行訓練學習（圖6），最終得到分類結果如圖7所示的深色區域為棗樹種植區域。

在通過支持向量機（Support Vector Machine）分類后會存在一些小斑塊影響到最終統計結果的精確度，在該研究中分類之后有通過Majority和Minority分析與聚類分析兩種方法來進行小斑塊去除，并通過對比找到效果較好的一種方法。兩種不同分析進行的小斑塊去除效果如圖8、圖9所示。

5.2 結果分析

分類統計獲得聚類分析后對紅棗種植信息的統計結果如圖9所示，其種植面積為676895.4畝，與統計年鑒上紅棗面積為682723畝相比誤差在5%以內，Majority和Minority分析進后獲得的紅棗種植面積為733945.05畝，與統計年鑒上紅棗面積誤差為6.98%，可以判斷兩種方法精度基本都達到要求。因統計年鑒中數據具有一定主觀性，為保證結果客觀將實地獲取樣本50%作為訓練樣本，剩余50%作為檢驗樣本，通過對檢驗樣本的對比驗證，兩種不同分類最終驗證結果準確率分別為93.7%與89.5%。圖10為聚類分析統計結果圖。

6? 結語

由結果分析可以認為該研究可行準確度較高，在阿拉爾地區紅棗的種植面積信息的獲取中Majority和Minority分析比聚類分析所得結果在精度上更高一些。該方法的準確率較高，通過ENVI的監督分類遙感技術快速識別計算出棗樹種植面積可行，該方法也可以廣泛應用于滿足條件的南疆墾區，通過此方法可以快速地掌握紅棗種植信息為阿拉爾市紅棗業發展提供信息支持，助力阿拉爾市紅棗產業健康發展，也為南疆林果業種植信息化發展提供一種可供參考的方案。

參考文獻

[1] 李子藝，王振錫，岳俊，等.基于BP神經網絡的高光譜果樹樹種識別研究[J].江蘇農業科學，2016，44（5）：410-414.

[2] 李金葉，袁強，蔣慧.基于區域適應性的特色林果業發展探討[J].新疆農業科學，2010，47（4）：741-749.

[3] 吳桂芳，蔣益虹，王艷艷，等.基于獨立主成分和BP神經網絡的干紅葡萄酒品種的鑒別[J].光譜學與光譜分析，2009，29（5）：1268-1271.

[4] 邵詠妮，何勇，鮑一丹.基于獨立組分分析和BP神經網絡的可見/近紅外光譜蜂蜜品牌的鑒別[J].光譜學與光譜分析，2008（3）：602-605.

[5] 師市概況，第一師阿拉爾市人民政府網[EB/OL].[2019-09-23].https：//www.ale.gov.cn/ssgk/ssgk1.

[6] 訾莉莉.阿拉爾墾區棗樹“兩蟲一病”的防治研究[D].塔里木大學，2018.

[7] 徐翔燕，侯瑞環，牛榮.基于GF-1號的紅棗種植面積提取方法[J].塔里木大學學報，2019，31（3）：32-38.

[8] 韋玉春，湯國安，楊昕.遙感數字圖像處理教程[M].北京：科學出版社，2007.