基于遙感數據的沈陽水稻種植面積提取及精度分析

李 石，宋曉巍，張 菁，慕臣英，徐全輝， 張靖萱 ，張思瑤

(沈陽市氣象局，遼寧沈陽110168)

基于遙感數據的沈陽水稻種植面積提取及精度分析

李 石，宋曉巍，張 菁，慕臣英，徐全輝， 張靖萱 ，張思瑤

(沈陽市氣象局，遼寧沈陽110168)

為研究MODIS遙感數據及提取方法對估測沈陽水稻種植面積的適用性，利用MODIS數據，采用監督分類的方法，同時結合水稻不同生長發育階段特點，對沈陽水稻種植面積進行數據提取，并制作了沈陽地區水稻種植面積分布圖。將提取的水稻種植面積結果與統計局統計的面積及Landset 遙感數據資料進行比較分析。結果表明，通過MODIS遙感監測水稻種植面積具有良好的效果，利用監督分類的方法提取的水稻種植面積精度達92%，因此，該方法用于沈陽地區水稻種植面積的提取，結果可靠，精度較高。

遙感；MODIS；水稻；種植面積

水稻是世界主要作物之一，遼寧省種植的水稻為粳稻，面積占全國面積的10%左右，沈陽市水稻種植面積占遼寧省水稻總面積的21.5%。水稻的種植生產具有季節性強、覆蓋面積廣、區域差異大等特點。對于大范圍農作物面積數據的獲得，傳統方法一般是采用農業統計報表法，主要依靠全面報表、層層上報的方法，獲取地方政府認可的作物面積數據，并配合使用抽樣調查方法，因統計結果缺少空間分布狀況的信息，難以滿足研究和決策的實效性要求。而遙感技術則是解決這個問題可行且有效的方法，與常規的統計方法相比，以遙感方法獲取作物信息具有獨特的優勢。遙感技術覆蓋面大，短時間內可重復觀測，成本相對較低，與地理信息系統和全球定位系統GPS相結合，不僅可以提取農作物的種植面積，還可以實現空間布局的準確定位[1-2]。利用遙感技術獲取大范圍的水稻種植空間分布與面積大小，對指導水稻生產具有重要意義，也可為日后實施大面積水稻遙感估產提供理論與實驗依據[3]。

利用遙感數據開展作物種植面積監測的研究越來越廣泛，國外很多研究人員開展了水稻種植面積遙感監測研究[4-5]。在國內，程乾等利用多源信息復合數據可以提高單景MODIS數據水稻種植面積的估算精度[6]；張春桂等利用MODIS數據結合水稻葉面積指數模型監測丘陵山區雙季稻種植面積，相對誤差可小于13%[7]；張海珍等利用特征二維空間選擇訓練樣本，并對篩選出的訓練樣本采用最大似然法對影像進行監督分類以提取水稻種植的空間信息，精度可達到83%[8]；馮銳等利用MODIS數據分析了東北地區水田、旱地、林地、濕地等不同下墊面在作物生長季的動態變化，建立了東北地區水稻種植面積的提取模型[9]。然而，目前還沒有利用MODIS 500 m數據對沈陽地區水稻種植面積進行提取研究的報道，故作者對此進行了研究。

1 材料與方法

1.1 資料概況

MODIS數據為2015年4—10月的圖像，來自美國對地觀測系統(EOS)TEERA衛星的MODIS傳感器。在NASA網站下載500 m分辨率的MOD02HKM文件，對其圖像進行投影變化、格式轉換、裁剪和鑲嵌等預處理，投影方式為albers投影。

1.2 研究區概況

研究區為沈陽市，地處東經122°25′～123°48′、北緯42°12′～42°17′，包括康平、法庫、遼中、新民、蘇家屯、沈北、東陵7個區縣(圖1)，農業種植主要以玉米、大豆、水稻等作物為主，一年一熟。

1.3 研究方法

以建立統計識別函數為理論基礎，依據典型樣本訓練方法進行分類的技術，即根據己知訓練區提供的樣本，通過選擇特征參數，求出特征參數作為決策規則，建立判別函數以對各影像進行圖像分類，是模式識別的一種方法。本研究采用了監督分類中最常用的最大似然法[10-11]。最大似然法是假定每個波段中每類的統計都呈現正態分布，并將計算出給定像元都歸到概率最大的那一類里。

圖1 沈陽市區域圖

2 結果與分析

2.1 時相的選擇

利用遙感數據對農作物信息進行提取研究時，遙感數據的時相選擇至關重要，選擇最佳時相的遙感數據可將工作量最小化。水稻在移栽前，稻田需要灌水以便于插秧和保證水稻的生長，且灌水期一直持續到成熟期。水稻在移栽期禾苗較小，此時遙感獲取的水稻田信息既包含水的信息也包含植被的信息。這是水稻區別于其它作物的特殊時期，本研究利用水稻移栽期地表覆蓋的特殊性這一特點，可以實現水稻田的識別，因此，確定沈陽地區水稻的移栽期，是選擇合適時相MODIS數據的關鍵。水稻各生育期見表1。

表1 沈陽地區水稻生長發育時期

2.2 MODIS數據選擇

MODIS數據涉及36個波段，分布在0.4～1.4 μm的電磁波譜范圍內，本研究使用的MODIS 500 m數據為多源多通道數據，數據波段參數以及主要用途見表2。

表2 MODIS數據主要波段及用途

2.3 監督分類方法提取水稻種植面積

經過多次試驗，發現在提取的訓練樣本中應用監督分類方法時，水體面積跟水稻種植面積很難辨識，因此在監督分類前先將沈陽市常水體去除掉，以此排除沈陽地區常水體對分類結果的影響，進而提高分類的精度。

本研究是在RSD運行平臺上進行操作的。首先建立蒙版，以蒙板為區域對象，完成沈陽地區目標遙感數據的區域分割，然后添加衛星數據，將swath數據格式轉成柵格數據(Grid)；根據已掌握典型地區的地面情況，在圖片上選擇訓練區，訓練樣本包括綠地、城市、水稻、林地、陸表等訓練樣本；根據選擇的各類訓練區的圖像數據進行計算；分類，將訓練區以外的圖像像元逐個逐步的代入公式，對于每個相元，通過運算，選擇最大值得出類別。

通過監督分類法得到沈陽地區水稻種植面積為118 350 hm2，根據圖2可以看出，沈陽地區的水稻種植面積分布主要集中在遼中、新民地區，這些地區正是沈陽地區水稻種植的主產地。在康平、法庫地區水稻分布稀疏，這些地方主要以種植玉米為主，因而得到MODIS遙感數據提取的水稻種植面積趨勢與實際情況大致相符(表3)。

表3 基于MODIS遙感數據提取的水稻種植面積與統計數據對比分析

2.4 沈陽市水稻種植面積提取結果評價

為分析沈陽地區水稻種植面積空間分布的準確性，本研究將提取的水稻種植面積分布圖(圖3)與landset圖像進行空間疊加得到圖4，可以看出沈陽地區提取出的水稻種植面積的空間分布與landset圖像水稻種植面積分布具有較好的吻合度。

2.4.1 市級水稻種植面積精度評價。將基于MODIS遙感數據評估的水稻種植面積與2015年基于統計數據的區縣水稻種植面積進行對比，分析MODIS遙感數據提取水稻種植面積的精度。結果如表4所示，2015年沈陽市應用遙感技術提取的水稻種植面積為118 350 hm2，同年度該市統計局統計的水稻種植面積為108 944 hm2，利用MODIS遙感數據估測的沈陽水稻種植面積比統計數據中的水稻播種面積偏高了9 406 hm2，估測精度達到92%。

圖2 沈陽水稻種植面積提取圖 圖3 基于MODIS 500m提取的水稻種植面積分布圖 圖4 提取水稻種植面積Landset疊加發布

表4 2015年沈陽市水稻估測面積和統計數據及其二者之間偏差

注：統計數據來源于2015年沈陽市統計局。

2.4.2 區縣級水稻種植面積精度評價。從表3可見，MODIS數據識別2015年水稻種植面積結果與統計局統計數據的誤差在15%以上的只有康平地區，可能是由于臥龍湖周邊水淺且長有水生植被與水稻移栽期圖像相似所導致，誤差在10%以上的地區為法庫、沈北和蘇家屯，誤差小于10%的地區有新民、遼中、于洪/鐵西，水稻種植面積提取較精確。

3 結論與討論

本文基于MODIS 500 m分辨率遙感數據進行水稻種植面積識別研究，結合地面實際數據，經驗等先驗知識，利用監督分類、人工判讀等方法對水稻種植面積進行了判斷，根據當地水稻物候特點選取適當時相的遙感數據，并針對分辨率遙感影像混合相元的特點，進行抽取訓練樣本和檢驗，參照抽取的訓練樣本對數據進行監督分類，實現精準提取水稻種植面積的目的。可為水稻產量預報奠定基礎[12]。

在水稻移栽期，水體特征比較顯著，選擇移栽期的MODIS數據，利用其對水體和植被較為敏感的特征指數監測水田信息，可得到較好的效果。而對提取的水稻種植面積進行驗證的結果表明，基于MODIS遙感數據，利用監督分類的方法估測的沈陽水稻種植面積精度達到了92%，高于馮銳等利用MODIS數據對東北地區一季稻面積的提取結果[9]，也高于于文穎等利用MODIS數據提取遼寧盤錦地區移栽期水田面積的精度[13]。因此，該方法對水稻種植面積的估測結果可靠，精度較高。

[1]吳炳方,張 峰,劉成林,等.農作物長勢綜合遙感監測方法[J].遙感學報,2004,8(6):498-514.

[2]楊邦杰,周清波.我國農情遙感監測關鍵技術研究進展[J].農業工程學報,2002,18(3):191-194.

[3]張 莉,吳文斌,左麗君,等.基于EOS/MODIS 數據的南方水稻種植面積提取技術[J].中國農業資源與區劃,2011,32(4): 39-44.

[4]SHIBAYAMA M, AKIYAMA T. Estimating grain yield of maturing rice canopies using high spectral resolution reflectance measurements[J].Remote Sensing of Environment,1991,36(1):45-53.

[5]TENNAKOON S B, MURTY V V N, EIUMNOH A. Estimation of cropped area and grain yield of rice using remote sensing data[J]. International Journal of Remote Sensing,1992,13(3):427-439.

[6]程 乾,王人潮.數字高程模型和多時相MODIS數據復合的水稻種植面積遙感估算方法研究[J].農業工程學報,2005,21(5): 89-92.

[7]張春桂,林 晶,吳振海,等.基于MODIS數據的水稻種植面積監測方法研究[J].自然資源學報,2007,22(1):1-8.

[8]張海珍,馬澤忠,周志躍,等.基于MODIS數據的成都市水稻遙感估產研究[J].遙感信息,2008(5):63-67.

[9]馮 銳,張玉書,錢永蘭,等.基于多時相MODIS數據的東北地區一季稻面積提取[J].生態學雜志,2011,30(11):2570-2576.

[10]吳非權,馬海州,沙占江,等.基于決策樹與監督、非監督分類方法相結合模型的遙感應用研究[J].鹽湖研究,2005,13(4):9-13.

[11]楊 鑫.淺談遙感圖像監督分類與非監督分類[J].四川地質學報, 2008,28(3):251-254.

[12]張 莉.基于EOS/MODIS數據的晚稻面積提取技術研究[D]. 北京：中國農業科學院,2011.

[13]于文穎,馮 銳,紀瑞鵬,等.利用 MODIS 數據提取水稻種植面積及精度分析[J].中國農學通報,2013,29(33):32-36.

Extraction of Rice Planting Areas in Shenyang City Based on MODIS Data and its Precision Analysis

LI Shi, SONG Xiao-wei, ZHANG Jing, MU Chen-ying, XU Quan-hui

(Meteorological Bureau of Shenyang City, Shenyang 110168,China)

The current research aimed to assess the applicability of the method of extracting rice planting areas in Shenyang City based on the MODIS remote sensing data. To accomplish this goal, the MODIS data were analyzed by using the method of supervised classification and also taking into account the characteristics of the different stages of rice growth and development in Shenyang. As a result, rice planting areas in Shenyang were extracted, and their distribution map was also made. The results of extracted rice planting areas were compared with the statistical data obtained by the statistical bureau and the data resulting from Landset remote sensing. Consequently, the extraction method based on the MODIS remote sensing data proved to be effective; the accuracy of the extracted rice planting areas reached 92% with the MODIS supervised classification method. Thus, the method can be used to extract rice planting areas in Shenyang, whose accuracy is high.

Remote sensing;MODIS;Rice planting area.

2016-09-09

沈陽市科技創新專項資金“農業科技攻關專項”(F14-113-3-00)

李 石(1982—)，女，工程師，碩士，主要從事應用氣象方面研究及業務。E-mail:leestone0229@163.com。

S127

A

1673-6486-20160257

李石,宋曉巍,張菁,慕臣英,徐全輝,張靖萱,張思瑤.基于遙感數據的沈陽水稻種植面積提取及精度分析[J/OL].大麥與谷類科學,2016,33(4):63-66[2016-12-19].http://www.cnki.net/kcms/detail/32.1769.S.20161219.1717.005.html