基于HJ—1 CCD影像的冬小麥種植面積提取研究

李峰等

摘要：針對目前省域冬小麥種植面積遙感監測業務化運行中所存在的監測精度與成本之間相互制約的問題，本研究選取冬小麥主產區——山東省為研究區域，利用HJ-1衛星提供的CCD遙感影像，采用決策樹分類法，同時以山東省土地利用類型之林地數據和野外地面調查數據作為輔助，通過分區解譯提取出山東省冬小麥種植面積和分布區域。研究表明：利用HJ-1 CCD影像進行山東省冬小麥種植面積提取是可行的，位置精度和面積總量精度分別達到93.0%和96.8%，對國產衛星的推廣應用具有良好的示范作用。

關鍵詞：HJ-1 CCD影像；山東省；冬小麥；決策樹分類

中圖分類號：S127文獻標識號：A文章編號：1001-4942（2015）05-0109-06

Study on Winter Wheat Planting Area

Extraction Based on HJ-1 CCD Images

Li Feng1， Zhao Hong1， Zhao Yujin1， Shang Lin1， Cao Zhangchi2

（1.Shandong Provincial Climate Center， Jinan 250031， China； 2.Linyi Meteorological Bureau， Linyi 276004， China）

AbstractOn account of the mutual restricting problems among the accuracy and cost in the measurement of winter wheat planting area at provincial scale， it was studied to extract its planting and distribution areas using the HJ-1 CCD images in this paper. Shandong Province as the main production area of winter wheat was selected for this research. Using the decision tree classification and partition interpretation methods， which solved the spectral difference problems caused by growth period， species and farming， the winter wheat planting and distribution areas were extracted with the forest land data and the field survey data as assist. The results showed that the position accuracy and total area accuracy were up to 93.0% and 96.8% respectively， which preferably reflected the winter wheat planting area and distribution in Shandong Province. It was also a good model for the promotion and application of domestic satellites.

Key wordsHJ-1 CCD images； Shandong Province； Winter wheat； Decision tree classification

山東是我國冬小麥生產大省，占全國總產量的20%以上。及時、準確地獲取其冬小麥種植面積及空間分布狀況信息，對于準確估計和預測產量，加強生產管理，優化種植空間格局，確保山東省乃至全國糧食安全都具有重要意義。

目前，中國法定發布的農作物種植面積數據一直采用兩種傳統的方式進行統計，一種是按行政單元逐級統計并層層上報的全面統計，另一種是抽樣調查。多年來，這兩種方式發揮了重要作用，但也存在著很大的局限性。層層上報受人為因素干擾嚴重，且費時費力，準確性差，難以達到理想精度。抽樣調查方法雖然人為干擾小、準確性高，但工作量大，人力、物力、財力投入大，且只適用于省級以上大范圍農作物種植面積監測，難以獲得區縣級別的小區域作物種植面積。此外，這兩種方法都無法提供農作物種植的空間分布狀況，因此已經不適應社會發展的新要求。

20世紀80年代以來，遙感技術以其宏觀、客觀、快速、經濟和信息量大等特點，被國內外廣泛應用于作物長勢監測和面積估算。能用于作物信息提取的遙感數據種類較多，各有其優缺點。低分辨率衛星數據（如NOAA/AVHRR、EOS/MODIS和FY-3/MERSI）重訪周期短，在作物整個發育期中可獲得多時相晴空數據，但由于空間分辨率低，其解譯精度難以保證；而中高分辨率遙感數據（如TM和SPOT）空間分辨率高，估算精度高，但其訪問周期長，掃描較窄，受天氣影響大，獲取作物關鍵生育期的全覆蓋數據困難且獲取費用昂貴，難以進行業務化推廣。因此，空間分辨率與時間分辨率的矛盾成了影響作物種植面積遙感監測與估算的關鍵因素。

2008年9月6日中國成功發射了“環境與減災監測預報小衛星星座系統”A、B星（簡稱HJ-1A/B），它是全球第一個專門用于環境與災害監測預報的小衛星星座，分別裝載2臺中分辨率多光譜CCD相機。相對于氣象衛星以及針對環境觀測的其他衛星傳感器，其獲取的影像具有空間分辨率較高（30 m）、掃幅寬（單臺CCD為360 km）、重訪周期短（1A/1B雙星協同為2 d）且數據可以免費下載的特點，這些特點使HJ-1A/B成為作物種植面積信息提取較好的遙感數據源。endprint

目前國內許多研究人員已利用HJ-1A/B CCD影像在作物面積提取方面開展了相關的研究，取得較好效果。其中郭偉等利用多時相HJ-1 CCD影像，采用決策樹分類模型，對吉林省長春市的玉米種植面積信息進行提取，面積總量提取精度為92.57%。王來剛等利用HJ-1 CCD影像，得出了2009/2010年度河南省冬小麥種植面積年際變化率，結合冬小麥地面樣方的監測精度達到了96.7%。梁益同等利用不同時期的HJ-1A/B CCD影像，采取最大似然分類法提取湖北省冬小麥和油菜分布信息，精度達95.48%。余凌翔等利用HJ-1 CCD遙感影像，根據橡膠林特有的影像特征，通過監督分類方法對西雙版納橡膠種植分布區信息進行提取，解譯精度達到97.6%。鐘仕全等利用HJ-1B CCD影像，采用決策樹分類方法對廣西賓陽縣水稻作物信息進行了提取研究，總精度為94.9%。丁美花等利用多時相HJ-1 CCD衛星數據，采用監督分類、決策樹分類和逐步剔除相結合的遙感方法，提取南寧市甘蔗種植信息，分類精度達到92.3%。李莉等利用多時相HJ-1 CCD衛星影像，采用監督分類、決策樹分類和逐步剔除相結合的遙感方法，準確提取了廣西甘蔗種植信息。趙麗花等利用HJ-1 CCD衛星影像，借鑒分層信息提取法原理，綜合利用監督分類和非監督分類法，結合人機交互目視解譯和實地定位調查等資料提取了姜堰市的冬小麥種植面積，總體面積提取精度達到90.22%。這些研究成果為本研究提供了豐富的方法技術借鑒。本文以山東省范圍內的冬小麥為研究對象，探討研究利用HJ-1 CCD影像，采用決策樹分類法，結合山東省土地利用類型和野外地面調查數據，通過分區解譯，提取了全省冬小麥種植面積信息，為山東省冬小麥種植產業區劃、氣象災害監測和估產提供參考依據，同時對促進國產衛星遙感數據在地方經濟建設中的示范應用具有重要的實際意義。

1研究區概況及數據來源

1.1研究區概況

山東省地處中國東部沿海、黃河下游，東臨黃海，北濱渤海，全省包括半島和內陸兩部分。地理位置介于114°47′E～122°43′E、34°22′N～38°24′N之間，總面積15.71萬平方千米。境內中部山地突起，西南、西北低洼平坦，東部緩丘起伏，形成以山地丘陵為骨架、平原盆地交錯環列其間的地形大勢，地表類型的多樣化是大宗作物面積遙感提取需要解決的一個關鍵問題。

山東省屬于典型的暖溫帶季風氣候，降水集中，雨熱同季，春秋短暫，冬夏較長。年平均氣溫11～14℃，年平均日照時數2 200～2 800 h，年平均降水量600～750 mm。冬小麥是山東省最主要的糧食作物，全省冬小麥播種面積、總產量均居全國第二位。

1.2HJ-1 CCD影像的獲取及處理

HJ-1衛星是中國第一個多星多載荷民用對地觀測系統。其中HJ-1A光學衛星搭載了2臺寬覆蓋多光譜相機（簡稱CCD）和1臺超光譜成像儀（簡稱HIS）；HJ-1B光學衛星搭載了2臺寬覆蓋多光譜相機和1臺紅外相機（簡稱IRS）。CCD相機技術指標見表1，其影像數據具有寬幅、中高分辨率的特點，適用于區域的大范圍中尺度覆蓋監測，是日常監測較好的數據源，能夠滿足大尺度冬小麥種植面積業務化監測對光譜信息的要求。

根據山東省冬小麥的物候特征及遙感影像質量，該研究所需的2014年6景HJ-1 CCD遙感影像從中國資源衛星應用中心網站（http：//www.cresda.com/n16/index.html）下載，影像時間選擇在3月下旬～4月上旬。該時期山東省的冬小麥處于返青期或拔節期，土壤背景影響較小，其余綠色植被除大蒜和山區常綠植被外均處于枯萎狀態，非常適合冬小麥種植面積的提取，并且也符合政府決策的時間范圍。在進行冬小麥種植區提取前，首先對遙感影像進行輻射校正，然后利用山東省1∶5萬基礎地理信息數據作為幾何校正參照，以河流交叉點、道路交叉點等明顯地物作為影像參考點，應用多項式校正模型和最近鄰距離重采樣模型對原始圖像進行幾何精校正，校正誤差控制在1個像元左右。對各個時段的遙感影像進行鑲嵌處理，獲得山東省HJ-1 CCD影像拼圖，最后利用矢量邊界精確裁剪出山東省HJ-1 CCD影像圖。

1.3地理背景資料

地理背景資料主要包括山東省1∶25萬土地利用類型數據，由TM數據分類而得。山東省各縣（市、區）行政邊界1∶5萬矢量數據，來自國家測繪局。

1.4野外調查數據

研究期間攜帶GPS赴山東省冬小麥和大蒜主要產區進行野外考察，獲取了比較準確詳細的樣區地物特征數據和樣點經緯度資料，便于了解各冬小麥和大蒜主要產區的地形地貌、冬小麥和大蒜種植情況，以用于處理遙感影像時的識別和驗證。

2結果與分析

2.1冬小麥遙感監測分區

由于山東省東西范圍跨度較大，氣候條件差異顯著，尤其是東部沿海地區與西部內陸地區，冬小麥發育期最大相差近20天，而且各地種植制度和方式也有很大不同。此外山東省山地、丘陵、平原和盆地等地貌類型多樣，土壤類型豐富，遙感數據的同物異譜與異物同譜現象嚴重，直接影響冬小麥面積的解譯精度。因此在利用基于NDVI的決策樹分類方法提取冬小麥種植面積時，必須對全省進行分區，否則，達不到理想的效果。根據全省農業氣候區劃的結果，綜合考慮作物發育期、地貌、氣候條件、種植制度等要素，在原始遙感影像背景下，通過目視分析和實地調查，將全省劃為6個區域，詳見表2。

2.2冬小麥種植信息提取

山東省冬小麥一般在每年的10月上中旬播種，來年的6月上中旬收獲。3月下旬～4月上旬，冬小麥處于返青和拔節期，作物長勢較好，光譜特征較穩定，NDVI值較高，易于識別。同時，山東也是大蒜的主產地，大蒜一般于每年的9月下旬至10月上旬播種，來年的5月中下旬收獲，冬、春季的生長狀態與冬小麥極為相似，是冬小麥種植信息提取的重要障礙因素。此外，調查發現山區常綠植被（柏樹和松樹）也會影響冬小麥的提取精度。endprint

為了排除大蒜和山區常綠植被等地物的干擾，本研究基于山東省HJ-1 CCD影像鑲嵌圖，利用不同地物在不同波段、不同時相與其他地物明顯的差異，采用決策樹分類法，通過設定決策樹節點閾值，建立分層決策樹判別模型，同時以山東省土地利用類型數據和野外調查數據作為輔助，進行冬小麥種植面積提取，技術流程見圖1。

具體步驟為：

（1）首先將HJ-1 CCD全省鑲嵌影像通過疊加山東省土地利用類型數據——林地信息，剔除研究區內的山區常綠植被，獲取冬小麥可能種植區域。

（2）在利用決策樹分類法進行冬小麥的提取過程中，由于需要進行歸一化植被指數（NDVI）的分析，因而本研究在對HJ-1 CCD影像進行幾何校正和輻射校正得到對應的反射率影像后，首先計算歸一化植被指數NDVI，即

NDVI=ρ4-ρ3ρ4+ρ3

式中，ρ3和ρ4分別為CCD相機第3（紅外）和第4（近紅外）波段的反射率。

根據野外調查采集的典型地物樣本點信息，計算研究區（以濟寧和棗莊市為例）主要地物類型的NDVI值，發現，居民地、水域、鹽堿地等植被指數值均在0.22以下，冬小麥、大蒜的NDVI值域范圍分別為0.31～0.58和0.33～0.50，二者存在部分重疊，但是與居民地、水域和鹽堿地等差異較大，因此，利用NDVI值可剔除居民地、水體和鹽堿地等區域。將影像進行掩膜處理后，得出冬小麥、大蒜分布范圍。通過采用上述決策樹分類法，設置NDVI閾值T，分別得到各分區內的冬小麥和大蒜分布范圍后，再利用ArcGIS將各分區的分類圖拼接在一起，得到全省范圍內的冬小麥和大蒜種植分布區域。

（3）依據山東省大蒜栽培習慣，為了增加大蒜產量，大蒜播種后需要覆膜，其出苗期內（10月中下旬）的植被指數低于正值出苗期的冬小麥植被指數，因此本研究又下載了一景10月中下旬（2013-10-22）能覆蓋山東省大蒜主產區的HJ-1 CCD影像，把大蒜和冬小麥的野外采集點數據導入該影像，發現大蒜的NDVI值域范圍為0.05～0.11，冬小麥的NDVI值域范圍為0.17～0.26。因此，利用步驟2中獲取的冬小麥和大蒜區域對2013-10-22的影像進行掩膜，獲取冬小麥和大蒜種植區域，再設置NDVI閾值剔除研究區內冬小麥信息，獲取該影像內的大蒜種植區域。

（4）最后將步驟3獲取的大蒜區域對步驟2中獲得的冬小麥和大蒜區域范圍進行掩膜，剔除研究區內的大蒜信息，最終獲得基于HJ-1 CCD影像提取的山東省冬小麥種植空間分布示意圖，圖中綠色為冬小麥（圖2）。與隋學艷等利用MODIS影像提取的山東省冬小麥種植面積和分布區域相比，冬小麥的主產區尤其是魯西北和魯西南地區發生了很大變化，魯西北地區隨著棉花種植面積的逐年減小，冬小麥種植面積在不斷擴大。而魯西南地區隨著大蒜種植面積的逐年增大，冬小麥種植面積卻在不斷減小。而且文獻[18]中只給出了山東省冬小麥總的種植面積，未能給出每個地市的種植面積，無法開展進一步的精度分析工作。

2.3冬小麥種植區提取精度

冬小麥種植區提取的精度結果必須從位置精度和面積總量精度兩個方面進行評價。位置精度評價通常是通過研究區樣本像素的分類結果與參照數據的比較而實現的。在ArcGIS平臺下，利用野外調查的357個冬小麥種植區GPS定位點數據與冬小麥解譯結果進行空間疊加分析，如表3所示，占93.0%（332個）的定位點位于所解譯的冬小麥區域里，僅7.0%（25個）未在所解譯的冬小麥區域里，出現漏判的主要原因為漏判點位于冬小麥和大蒜的混種區域或冬小麥比較稀疏的區域，不具備冬小麥光譜特征或光譜特征不明顯。

最后，在ArcGIS平臺下，將冬小麥分類結果與山東省矢量數據進行疊加處理，得到基于HJ-1 CCD影像提取的全省及17地市冬小麥種植面積，并與統計部門提供的面積數據進行了比較。結果（表4）表明：在山東省平原地區，基于HJ-1 CCD影像提取的種植面積與統計部門提供的面積之間相差較小；而山地丘陵地區兩類數據之間的差異較大。除青島、東營、威海、日照和萊蕪外，其他地市冬小麥種植面積均被高估。

基于HJ-1 CCD影像提取的面積結果和統計部門提供的數據之間有所區別，其原因可能有如下幾個方面：（1）本研究中使用的山東省土地利用類型——林地數據信息是基于TM數據獲得的，解譯精度會對山地、丘陵地區冬小麥面積提取產生影響。（2）在實際種植冬小麥時，為了便于田間管理，會留有田間道路，但在本文中未對此信息進行剔除。（3）本研究只考慮了對冬小麥遙感提取影響最大的常綠植被和大蒜種植信息，并未考慮同期其他田間作物對冬小麥提取精度的影響。

3結論與討論

本研究利用多時相HJ-1 CCD影像，采用決策樹分類法，以山東省土地利用類型數據和野外調查數據作為輔助，通過分區解譯獲取了較為準確的山東省冬小麥種植面積和分布范圍，得到以下主要結論：

（1）HJ-1 CCD影像分辨率高，重訪時間短，可以有效解決作物種植信息遙感測量業務運行的時、空分辨率的矛盾。

（2）考慮到冬小麥發育期、地貌、氣候條件、種植制度等要素對冬小麥光譜信息的影響，將全省分成6個冬小麥種植區域，提高了冬小麥面積遙感解譯精度。

（3）通過分析研究區主要作物關鍵生育期特點，利用大蒜出苗期需要地膜覆蓋的特點，選取10月下旬一景HJ-1 CCD影像參與分類，有效解決了冬小麥和大蒜發育期混淆的問題，提高了分類精度。

基于以上研究成果，以HJ-1 CCD影像為數據源，將多源信息引入決策樹分層分類模型進行冬小麥種植面積遙感估算業務運行的方法是可行的；同時，將環境衛星應用于該研究對于其他國產衛星的推廣應用具有很好的示范作用。

但是，本文的研究方法仍存在一些問題有待解決。經檢驗，誤判的像元主要位于各類作物交界處。這主要是由于HJ-1 CCD影像的分辨率雖然為30 m，但仍容易形成混合像元，通過目視解譯也很難區分，這也在很大程度上限制了提取精度的進一步提高。因此，下一步研究的重點是在現有的基礎上融合更高分辨率的遙感影像來提高提取精度。endprint

參考文獻：

[1]陳仲新，劉海啟，周清波，等.全國冬小麥面積變化遙感監測抽樣外推方法的研究[J].農業工程學報，2000，16（5）：126-129.

[2]焦險峰，楊邦杰，裴志遠.基于分層抽樣的中國水稻種植面積遙感調查方法研究[J].農業工程學報，2006，22（5）：105-110.

[3]國家統計局農調總隊.多目標復合抽樣方法與實例[R].2003-09.

[4]馬強，閔小平，徐曉青.衛星遙感技術在農業調查中的初步應用[J].中國農業資源與區劃，2003，24（2）： 14-16.

[5]王茂新，裴志遠，吳全，等.用NOAA圖像監測冬小麥面積的方法研究[J].農業工程學報，1998，14（3）： 84-88.

[6]景毅剛.利用EOS/MODIS信息提取陜西冬小麥種植面積研究[J].陜西農業科學，2008（2）：95-98.

[7]許文波，張國平，范錦龍，等.利用MODIS遙感數據監測冬小麥種植面積[J].農業工程學報，2007，23（12）： 144-149.

[8]李劍萍，鄭有飛.氣象衛星混合像元分解研究綜述[J].中國農業氣象，2000，21（2）：44-47.

[9]鄭長春，王秀珍，黃敬峰.基于特征波段的SPOT-5衛星影像水稻面積信息自動提取的方法研究[J].遙感技術與應用，2008，23（3）：294-299.

[10]郭偉，趙春江，顧曉鶴，等.鄉鎮尺度的玉米種植面積遙感監測[J].農業工程學報，2011，27（9）： 69-74.

[11]王來剛，鄭國清，陳懷亮，等.基于HJ-CCD影像的河南省冬小麥種植面積變化全覆蓋監測[J].中國農業資源與區劃，2011，32（2）： 100-103.

[12]梁益同，萬君.基于HJ-1A/B-CCD影像的湖北省冬小麥和油菜分布信息的提取方法[J]. 中國農業氣象，2012，33（4）：573-578.

[13]余凌翔，朱勇，魯韋坤，等.基于HJ-1CCD遙感影像的西雙版納橡膠種植區提取[J].中國農業氣象，2013，34（4）：493-497.

[14]鐘仕全，莫建飛，陳燕麗，等.基于HJ-1B衛星遙感數據的水稻識別技術研究[J].遙感技術與應用，2010，25（4）：464-468.

[15]丁美花，譚宗琨，李輝，等.基于HJ-1衛星數據的甘蔗種植面積調查方法探討[J].中國農業氣象，2012，33（2）：265-270.

[16]李莉，匡昭敏，鐘仕全，等.基于HJ-1-A/B數據提取廣西甘蔗信息技術初步研究[C]//Proceedings of International Conference on Remote Sensing（ICRS），2010：288-292.

[17]趙麗花，李衛國，杜培軍.基于多時相HJ衛星的冬小麥面積提取[J].遙感信息，2011（2）：41-45.

[18]隋學艷，朱振林，李少昆，等.基于種植制度利用MODIS數據提取冬小麥種植面積[J].農業工程學報，2010，26（1）：225-230.endprint