水稻種植面積提取遙感方法研究
——以黑龍江省綏濱縣為例

張有智

（黑龍江省農業科學院遙感技術中心，哈爾濱 150086）

水稻種植面積提取遙感方法研究
——以黑龍江省綏濱縣為例

張有智

（黑龍江省農業科學院遙感技術中心，哈爾濱 150086）

農作物種植面積及其空間分布是制定糧食政策和調整種植結構的重要依據。文章選擇黑龍江省綏濱縣作為訓練區，選取TM8衛星數據，采用人工目視解譯與計算機自動分類等2種方法，進行對訓練區水稻種植面積提取。假定目視解譯的結果為真值，在時間效率和解譯精度2個方面，對自動分類結果進行對比分析，自動分類水稻面積的準確率在95%左右，但時間節省了數十倍。說明利用計算機自動分類方法提取水稻種植面積的方法是可行的。

目視解譯 自動分類 遙感 水稻

我國水稻面積十分廣泛，從南方到北方都有種植，其在糧食作物中占的比重相當高。黑龍江省具有得天獨厚的自然環境和優越的地理條件優勢，水稻種植面積2015年已超400萬hm2。作為黑龍江省兩大主要高產糧食作物之一，水稻的播種面積對該省糧食總產頗具意義。及時、快速、準確的水稻種植面積及空間分布，可以更好地為各級管理部門指導農業生產提供基礎數據，為國家糧食安全提供強有力的保障。

1 研究區概況

綏濱縣位于黑龍江省東北部，地處松花江與黑龍江匯合口處，屬三江沖積平原。位于東經13 l°8'12"～132°，北緯47°11'55"～47°45'23"之間，東與同江市、南與富錦市、樺川縣隔松花江相望，縣段界江線長148 km；北與俄羅斯一江相隔，縣內國界線長89 km；西與蘿北縣毗鄰，縣界線長60 km。縣界三線相接形似菱形，東西長117.4 km，南北寬40 km，總面積為3 335.216 km2。

縣境內無山少崗，是全國唯一沒石頭的縣份。該縣地勢低平、土壤肥沃、土地資源豐富，平均海拔55 m。河流除北境的黑龍江和南境的松花江外，還有人工河—蜿蜒河。年平均氣溫2.9℃，1月平均氣溫-20.1℃，7月平均氣溫22.5℃，年降水496 mm，無霜期140 d。

縣屬總土地面積為16.99萬hm2，其中耕地面積6.74萬hm2，人均分別占有1.299 hm2和0.513 hm2。縣境三面環水，境內溝河縱橫，泡澤眾多，水資源豐富。全縣總水域面積為2.23萬hm2，人均0.12 hm2。而地下水資源更為豐富，總凈儲水量292.5億m3。地下礦藏資源有煤（儲量為5.3億t）、砂金、天然氣和石油。

全縣經濟以農業為主，畜牧業發展較快，漁業在全縣經濟中占重要地位。國內生產總值13.764 2億元，其中第一產業7.323 5億元；第二產業2.285 8億元；第三產業4.154 9億元；人均國內生產總值7 415元。農林牧漁業總產值4.512 3億元，其中農業3.025 7億元；林業249萬元；牧業1.311 2億元；漁業1 505萬元。主要農作物產量為糧食18萬t、油料385 t、甜菜50 t。

2 數據源及利用

研究選用美國的TM8免費下載的遙感數據。分辨率為30 m，時相為2015年9月14日。衛星數據無云，質量好。波段組合采用R4G5B3，光譜特征明顯，易于水稻面積的提取。

遙感數據預處理，包括：

（1）轉換投影。將遙感數據利用Erdas軟件轉換成Albers投影，具體參數信息：

Projected Coordinate System：Krasovsky_1940_Albers

Projection：Albers

False_Easting：0.00000000

False_Northing：0.00000000

Central_Meridian：105.00000000

Standard_Parallel_1∶25.00000000

Standard_Parallel_2∶47.00000000

Latitude_Of_Origin：0.00000000

Linear Unit：Meter

Geographic Coordinate System：GCS_Krasovsky_1940

Datum：D_Krasovsky_1940

Prime Meridian：Greenwich

Angular Unit：Degree

（2）圖像裁剪。根據1∶25萬縣界進行裁切，獲取綏濱縣TM8影像圖1。

3 玉米面積提取

文章采用監督分類與人工解譯相2種分類方法做試驗，在剪裁好的綏濱縣遙感影像圖1上，波段組合為4、3、2，依據野外調查GPS記錄的解譯標志點，進行分類解譯，產生水稻種植區域圖2。假定人工目視解譯成果為真值，對2種方法在解譯精度，時間效率，人力效率等方面進行對比分析，在保證精度的情況下，提出更方便、快捷的解譯方法。

圖1 綏濱縣遙感影像

圖2 綏濱縣水稻種植面積自動分類結果

圖3 綏濱縣水稻種植面積目視解譯分類結果

4 結果比對

水稻種植面積分類的結果從2個方面來進行比對：（1）分類面積的準確性；（2）解譯的時間效率。

4.1 水稻面積準確性的評價

文章采用首先在ERDAS軟件進行非監督分類30個類別，依據野外GPS實測點確定的解譯標準，進行分類統計，算出面積為16.69萬hm2。另外，在人工目視解譯的情況下見圖3，通過ARCGIS軟件進行面積統計，水稻面積為15.92萬hm2。

面積的準確性按公式計算：

P=（m/n）*100%

式中的P：準確率；m：自動分類面積；n：目視解譯面積；水稻面積的準確率：P=166 904.28/159 202.01* 100%=1.05%。由此可見，自動分類的面積與人工目視解譯的面積還是存在一定的差距，誤差在5%左右，也就是說解譯的精度在95%左右。

4.2 時間效率的評價

時間效率的評價是指，在完成同一樣工作，人員與時間上的差距對比。在試驗過程中，自動分類的情況下，1個工作人員在用時半個工作日即可完成；人工目視解譯，同樣的工作，1個技術人員需要耗時10個工作日才可完成。

5 結論

（1）通過面積的準確性和時間效率2方面的評價，可以看出，通過利用遙感衛星數據，進行水稻面積的自動分類方法可行，準確率在95%左右，節約了大量的人力和時間，符合遙感監測的標準。

（2）由于遙感圖像獲取的時間不確定性，有些時相存在同譜異物或者同物異譜的問題，不能完全利用自動分類來解決，需要人工進行干預。但是，仍然以自動分類為主，人工干預為輔。由此可見，計算機自動分類將是作物面積分類的方向。

[1] 黃振國，陳仲新，劉芳清，等．地塊數據利用SPOT5影像提取水稻種植面積的研究—以湖南株洲市區為例．湖南農業大學學報，2013，（2）：137～140

[2] 林子晶，李衛國，申雙和，等．HJ星和GF1號數據在水稻種植面積提取中的應用．江蘇農業學報，2016，（1）：111～182

[3] 黃維，黃進良，王立輝，等．多時相遙感影像檢測平樂縣晚稻種植面積變化．農業工程學報，2014，（21）：174～182

[4] 王迪，陳仲新，周清波，等．冬小麥種植面積空間抽樣樣本布局的優化設計．中國農業科學，2014，（18）：3 545～3 556

[5] 唐曉玲，王杰，劉珂，等．基于TM數據耕地吉林省水田種植面積的遙感監測．氣象災害防御，2014，（3）：40～42