利用Landsat時序NDVI數據進行新疆石河子墾區灌溉作物分類

汪 松，王 斌，劉長征，王思遠

(1. 北京交通大學，北京 100044； 2. 石河子大學，新疆 石河子 832003； 3. 中國科學院遙感與數字地球研究所，北京 100094)

利用Landsat時序NDVI數據進行新疆石河子墾區灌溉作物分類

汪 松1，王 斌1，劉長征2，王思遠3

(1. 北京交通大學，北京 100044； 2. 石河子大學，新疆 石河子 832003； 3. 中國科學院遙感與數字地球研究所，北京 100094)

精確的農作物分類信息對于農業環境評估、水資源利用規劃非常重要，尤其是在干旱、半干旱地區。本文利用30 m分辨率的Landsat NDVI時間序列數據進行了新疆石河子墾區混合農作物精確區分的潛力研究。首先利用S-G濾波重構了Landsat NDVI時間序列，然后基于SVM模型對研究區域農業類型進行了精確分類。在SVM分類模型作用下，S-G重構后的時間序列有效地將該地區棉花、玉米、小麥等主要作物區分開來，精度高于0.86，Kappa系數大于0.82。結果表明，S-G濾波能夠有效提高NDVI時間序列數據質量；TM影像時間序列在監測干旱、半干旱地區的作物類型和種植方式隨時間的變化方面存在巨大潛力。

NDVI；S-G濾波；時間序列；SVM

隨著精準農業的發展，農業的用水評估、環境評估、農業估產都需要精確的農作物信息，特別是在干旱、半干旱地區，精確的農業分類信息在水資源保護合理利用等方面具有非常重大的意義。利用遙感手段來獲得農業的精確分類信息是一種快速有效的方法。

利用歸一化植被指數(NDVI)時間序列作大面積的農業作物種類區分已經有了廣泛的研究，早期對于區域尺度的大面積作物植被區分研究主要是通過1 km左右分辨率的NOAA-AVHRR和SPOT VGT兩種數據源[1-3]。MODIS數據出現后，由于它的高時序性和空間分辨的適度性，在區域層次中，MODIS NDVI時間序列在世界范圍內被廣泛用來分類灌溉作物區域[4]，也有將MODIS NDVI數據和一些中分辨率數據如Landsat、AWIFS結合起來描述作物的類別[5]。雖然MODIS和Landsat數據都是免費的，但是MODIS數據的空間分辨率為250～500 m，經常會出現混合像元問題。而Landsat數據30 m的分辨率會讓混合區域的作物類型區分得更加細致和精確，尤其是那些熱帶、亞熱帶中較小的農作物生產區域[6]。

盡管Landsat數據經常受到氣候、天氣等因素的影響，在世界大部分地區難以獲得大量無云覆蓋的高質量數據，限制了Landsat時間序列的應用，但是在一些干旱、半干旱地區，受氣候的影響，這些地方的數據質量還是相當可觀的。基于此，本文以新疆石河子墾區為研究區域，利用S-G濾波后的Landsat NDVI數據結合SVM分類方法進行灌溉作物的精確分類識別研究，并對Landsat NDVI時間序列分類結果進行評價。

一、數據與方法

1. 研究區域

本文研究區域為新疆石河子墾區，石河子墾區地處天山北麓中段，古爾班通古特大沙漠南緣，地理坐標位于84°58′E—86°24′E，43°26′N—45°20′N。該地區屬于典型的溫帶大陸性氣候，冬季長而嚴寒，夏季短而炎熱。

墾區農業主要依靠灌溉用水，灌溉農業用水占瑪納斯河流域總用水量的95%以上[7-8]。由于溫暖的氣候條件及肥沃的土地條件影響，該地區種植了各種各樣的農作物，主要有棉花、小麥、玉米等。這些作物中，棉花和玉米位于高密度灌溉用水區域，收獲時間大概為7—9月；小麥有春小麥和冬小麥，分別于7—8月和6月之前收獲。棉花是夏季作物，種植時間稍微會晚點。該地區也種植一些大豆、西紅柿及其他各種蔬菜，蔬菜種植區域一般除了冰雪覆蓋時間，常年都會處于種植生長收獲期。作物的一般種植和收獲時期如圖1所示。

圖1 主要作物種植收獲時期

2. Landsat數據及S-G濾波重構NDVI

(1) Landsat NDVI

NDVI是遙感監測中反映植被在可見光、近紅外波段與土壤背景之間光學差異的指標,是對地表植被活動的簡單、有效和經驗的度量[9]。計算公式為

(1)

式中，Rnir為近紅外波段反射率；Rr為紅波段反射率。筆者從美國地質勘探局(USGS)數據中心下載了研究區域2013年12景Landsat8 TM影像(path 144，row 29)來構建NDVI時間序列。其中，1—3月與12月份數據云量覆蓋較大，但由于石河子墾區這段時間都處于冰雪覆蓋時期，地表真實NDVI的輻射率處于很低的水平，因此這些數據對于研究影響基本可以忽略不計。

(2) S-G濾波重構NDVI時間序列

NDVI反映植被生長過程的時間序列曲線通常是連續平滑的，但由于傳感器本身性能、數據傳輸過程等不同因素的影響，得到的NDVI時間序列呈鋸齒狀的不規則波動，對陸地生態系統監測、植被覆蓋變化分析和信息提取等產生諸多干擾[10]。因此，本文利用S-G濾波方法重構Landsat時序NDVI。Savitzky和Golay提出的S-G濾波器的設計思想是能夠找到合適的濾波系數(Ci)以保護高階距，即在對基礎函數進行近似時，不是常數窗口，而是使用高階多項式實現滑動窗內的最小二乘擬合。其基本原理是：通過取點xi附近固定個數的點擬合一個多項式，多項式在xi的值，就給出了它的光滑數值gi。基于S-G濾波原理，NDVI時間序列數據的S-G濾波過程公式為

(2)

3. SVM分類方法

研究表明，SVM分類方法在處理NDVI時間序列、高維模式識別中具有獨特的優勢[11]。SVM是一種基于統計學理論的模式識別方法，對于非線性問題，能把樣本非線性映射到高維核空間,在高維核空間創建具有低維的最優分類超平面。在線性可分的情況下，通過求解一個約束條件下的極值問題，轉化成它的對偶問題，就會得到簡化的不等式約束極值問題，最終得到最優分類函數為

(3)

(4)

目前常用的核函數有：①線性核函數(Linear)；②多項式核函數(Polynomial)；③徑向基核函數(Radial Basis Function)；④S形核函數(Sigmoid)。

二、試驗結果與分析

1. NDVI時間曲線

本文利用TIMESAT 3.2重構了Landsat NDVI時間序列，設置好NDVI有效值域、原始NDVI值權重、噪聲去除閾值、滑動窗口大小、迭代次數等參數，利用S-G濾波重構的時間序列，結果如圖2所示。

從整體來看，S-G濾波提高了NDVI水平，這種濾波結果比較符合植被覆蓋地區的一般季節變化規律。如圖2中棉花的NDVI變化曲線，未經過濾波的原始NDVI曲線在2月份棉花未種植時期就出現了較低的峰值，而在6月份生長期回落了，違背了棉花的生長變化規律；S-G濾波降低了2月份而提高了6月份的NDVI波譜值，使得NDVI時間曲線更加符合棉花的種植生長規律，有益于對棉花的精確識別。也有一些作物經過S-G濾波后也不能完全符合作物的變化規律，如冬小麥的NDVI時間曲線難以完整反映冬小麥的生長態勢變化。一般冬小麥在冬季NDVI會呈現高亮度顯示，但石河子地區受冬季冰雪覆蓋的影響，冬小麥種植區NDVI值也會較低。雖然經過S-G濾波還是會存在一些誤差，但是整體上改善了NDVI時間序列的質量，也有助于進行精確的作物識別。

圖2 NDVI時間曲線

2. SVM分類結果及精度評價

根據圖2顯示的不同作物的時間光譜特性的差異及統計的墾區作物種植數據，本文選取了108個像素作為訓練樣本。將這些樣本點應用于支持向量機分類模型，分類的結果見表1。從分類結果來看，石河子墾區的主要農業灌溉作物為小麥、棉花、玉米3大類，其中棉花占的比例最大。除這3大主要產品外，也有一些甜菜、打瓜、西紅柿等蔬菜的種植，但是占的比例十分有限。

表1 分類精度評價

本文搜集了Google地圖中0.2 m分辨率的高分影像和石河子墾區的農業規劃信息作為試驗的檢驗數據。根據農場的規劃信息和高分影像，以及從視覺上估計的各種作物每個時期的NDVI波譜特性檢驗分類方法的效果，一共有180個檢驗點(如圖3所示)。

圖3 作物分類圖

在180個隨機抽樣的樣本中，蔬菜種植地、冬小麥區域的分類精度都很高，這主要是因為其NDVI周期特征十分明顯：蔬菜種植地區的NDVI值波動性大且常年處于活躍狀態，一年中出現多次NDVI值波峰波谷；冬小麥種植區域整體的NDVI周期持續時間長，在植物繁茂的夏季出現間歇性的NDVI值低谷，而深秋季節在一般植被處于枯萎期時顯示相對較高的NDVI值。其他的一些春種秋收的作物由于與正常植物的生長周期相似，提取的精度會稍微有所下降。有些非農業用地被錯誤分類到農業地區，這主要是因為非農業區域存在一些非農業的植被干擾，如路邊的一些樹木、雜草等。在檢驗數據中，春小麥、玉米、棉花都有像素被錯誤分到非農業用地中，這可能是由于這些植物生長勢態遭到破壞或病態原因，也有可能是由于傳感器的誤差造成了它們和非農業用地的NDVI時間光譜特性相似。盡管存在一些并不理想的區分效果，但是該試驗的整體精度可以滿足農業部門的分析規劃和當地機構對農業用水管理、合理安排的需求。

三、結 論

本文以新疆石河子墾區為試驗區域進行了灌溉作物的精確識別分類研究，綜合分析了不同灌溉作物的生長特征，以Landsat NDVI時間序列作為研究基本數據，經過S-G濾波重構時間序列，然后利用SVM分類方法處理時間序列，并對分類結果進行了精度評價。

試驗結果表明：利用30 m分辨率的Landsat NDVI時間序列數據開展干旱、半干旱地區灌溉作物識別分類研究是可行的，分類結果有效反映了石河子墾區作物種植的宏觀格局。S-G濾波方法重構NDVI時間序列在一定程度上改善了時間序列數據的精度，提高了NDVI時間序列區分于不同作物的能力。支持向量機分類方法在處理干旱、半干旱地區的Landsat NDVI時間序列上具有很強的適用性，可以用來挖掘干旱、半干旱地區Landsat時間序列的應用潛力。但是研究中作物的提取精度受到了遙感數據的時間和空間分辨率上的限制，更深一步的灌溉作物與水資源等農業環境關系的綜合分析和評估并未完善，未來需圍繞這些需求展開進一步的研究工作。

[1] 童慶禧，丁士心，鄭蘭芬，等.應用NOAA氣象衛星圖象資料估算草場生物量方法的初步研究[J].自然資源學報，1986(1)：87-95.

[2] 肖乾廣，周嗣松，陳維英，等.用氣象衛星數據對冬小麥進行估產的試驗[J].環境遙感，1986，1(4)：160-269.

[3] STIBIG H J，MALINGREAU J P，王勝.用低空間分辨率的新近衛星圖像對東南亞島嶼的森林覆被進行制圖[J].AMBIO-人類環境雜志，2003，32(7)：469-475.

[4] VINTROU E，DESBROSSE A，BEGUE A，et al. Crop Area Mapping in West Africa Using Landscape Stratification of MODIS Time Series and Comparison with Existing Global Land Products[J]. International Journal of Applied Earth Observation and Geoinformation，2012，14(1)：83-93.

[5] THENKABAIL P S，WU Z. An Automated Cropland Classification Algorithm(ACCA) for Tajikistan by Combining Landsat, MODIS, and Secondary Data[J]. Remote Sense，2012，4(10)：2890-2918.

[6] ZHENG B，MYINT S W，THENKABAIL P S，et al. A Support Vector Machine to Identify Irrigated Crop Types Using Time-series Landsat NDVI Data[J].International Journal of Applied Earth Observation and Geoinformation，2015，34(1)：103-112.

[7] 范文波，李小娟，張鳳華.石河子墾區農業水資源供需平衡分析[J].水土保持通報，2008，28(2)：212-214.

[8] 鄭旭榮，李明思，樊曙光.新疆干旱地區農業用水利用研究[J].中國農村水利水電，2002(2)：38-41.

[9] 任志明，李永樹，蔡國林.一種利用NDVI輔助提取植被信息的改進方法[J].測繪通報，2010(7)：40-43.

[10] 宋春橋，柯靈紅，游松財，等. 基于 TIMESAT的 3 種時序 NDVI 擬合方法比較研究——以藏北草地為例[J].遙感技術與應用，2011，26(2)：147-154.

[11] 徐芳.航空影像中地物識別的 SVM 方法研究[J].測繪通報，2004(2)：43-45.

ResearchonIdentificationofIrrigatedCropTypesinShiheziReclamationAreaUsingTime-seriesLandsatNDVI

WANG Song，WANG Bin ，LIU Changzheng，WANG Siyuan

NDVI=(Rnir-Rr)/(Rnir+Rr)

汪松，王斌，劉長征,等.利用Landsat時序NDVI數據進行新疆石河子墾區灌溉作物分類[J].測繪通報，2016(9)：56-59.

10.13474/j.cnki.11-2246.2016.0292.

P237

B

0494-0911(2016)09-0056-04

2015-12-22

兵團科技攻關與成果轉化計劃(2015AD108)

汪 松(1990—)，男，碩士生，主要研究方向為遙感理論與應用。E-mail：13121160@bjtu.edu.cn