地理國(guó)情普查數(shù)據(jù)在糧食補(bǔ)貼中的應(yīng)用

張艷娜

（1.山東省遙感技術(shù)應(yīng)用中心，山東 濟(jì)南 250013）

地理國(guó)情普查數(shù)據(jù)在糧食補(bǔ)貼中的應(yīng)用

張艷娜1

（1.山東省遙感技術(shù)應(yīng)用中心，山東 濟(jì)南 250013）

結(jié)合實(shí)際生產(chǎn)項(xiàng)目，探討了地理國(guó)情普查數(shù)據(jù)在糧食補(bǔ)貼中的應(yīng)用。通過快速遙感監(jiān)測(cè)花官鎮(zhèn)當(dāng)季冬小麥種植面積，并與實(shí)測(cè)面積進(jìn)行了對(duì)比分析，證明了地表覆蓋數(shù)據(jù)和正射影像的應(yīng)用大大縮減了影像分析范圍，提高了工作效率和結(jié)果精度，可以為政府決策提供更可靠的科學(xué)依據(jù)。

地理國(guó)情普查；地表覆蓋數(shù)據(jù)；糧食直補(bǔ)；冬小麥；快速遙感監(jiān)測(cè)

地理國(guó)情監(jiān)測(cè)是綜合利用現(xiàn)代測(cè)繪技術(shù)，對(duì)地表形態(tài)、地表覆蓋要素、地理國(guó)情要素進(jìn)行動(dòng)態(tài)、定量化和空間化的監(jiān)測(cè)，形成反映各類資源、環(huán)境、生態(tài)、經(jīng)濟(jì)要素的空間分布及其發(fā)展變化規(guī)律的監(jiān)測(cè)數(shù)據(jù)、地圖圖形和研究報(bào)告等，反映了地表自然和人文地理要素的空間分布、特征及其相互關(guān)系[1-2]。地理國(guó)情普查結(jié)果數(shù)據(jù)采集依據(jù)“自然、現(xiàn)狀優(yōu)先”的原則，客觀、準(zhǔn)確地反映各種地表的基本信息，地表變化及其相互關(guān)系，以地理國(guó)情信息為數(shù)據(jù)基線，整合、集成各類數(shù)據(jù)信息，可提升管理決策的科學(xué)化水平[3]。

山東省是全國(guó)小麥主要產(chǎn)區(qū)，為確保實(shí)現(xiàn)糧食直補(bǔ)政策初衷，山東省堅(jiān)持以小麥為糧食直補(bǔ)補(bǔ)貼品種，以每年實(shí)際小麥種植面積為補(bǔ)貼依據(jù)。目前，山東省小麥種植面積的申報(bào)核實(shí)程序主要是農(nóng)戶誠(chéng)信申報(bào)、村鎮(zhèn)兩級(jí)公示、逐級(jí)核實(shí)上報(bào)。糧食直補(bǔ)工作操作成本高、工作量大、開支大是各地干部普遍反映的問題[4-5]。對(duì)于冬小麥種植面積遙感測(cè)量方面的研究，從最初的目視解譯到結(jié)合地面樣點(diǎn)監(jiān)督分類[6]、分層抽樣提取[7]等統(tǒng)計(jì)分類方法，到多時(shí)相分類方法和多源數(shù)據(jù)結(jié)合的方法[8-9]，再到綠度識(shí)別方法、神經(jīng)元網(wǎng)絡(luò)方法、模糊數(shù)學(xué)方法[10]、混合像元分解[11]、支持向量機(jī)[12]等多種分類方法均取得了一定的成果。但已有研究在應(yīng)用的深度與廣度上仍存在差距，使用的影像數(shù)據(jù)源分辨率較低，監(jiān)測(cè)尺度大，成果現(xiàn)勢(shì)性不高，難以滿足政府部門精細(xì)化管理的要求。山東省財(cái)政廳創(chuàng)新工作思路，首次在全國(guó)采用衛(wèi)星遙感同步監(jiān)測(cè)小麥種植面積，通過對(duì)當(dāng)季遙感影像的分析快速得到監(jiān)測(cè)區(qū)小麥種植面積，再將監(jiān)測(cè)結(jié)果與各地統(tǒng)計(jì)匯總結(jié)果進(jìn)行對(duì)比，以快速準(zhǔn)確地獲取當(dāng)年小麥種植面積，旨在遏制糧食直補(bǔ)面積非正常增長(zhǎng)勢(shì)頭，維護(hù)種糧農(nóng)民利益，避免財(cái)政資金被侵占和補(bǔ)貼標(biāo)準(zhǔn)攤薄。鑒于此，本文基于地理國(guó)情普查數(shù)據(jù)與當(dāng)季遙感影像，探討了地理國(guó)情普查數(shù)據(jù)在快速提取冬小麥種植面積中的應(yīng)用，以促進(jìn)地理國(guó)情普查數(shù)據(jù)在糧食補(bǔ)貼中的應(yīng)用。

1 研究區(qū)概況及數(shù)據(jù)源

本文選取廣饒縣花官鎮(zhèn)為研究區(qū)，花官鎮(zhèn)位于廣饒縣城以北，地處泰沂山北麓山前沖積平原和黃河沖淤積平原的交迭地帶，地勢(shì)由西南傾向東北，地處暖溫帶，屬季風(fēng)型氣候；總面積為116．8 km2。花官鎮(zhèn)糧食作物主要有小麥、玉米、大豆、谷子等；經(jīng)濟(jì)作物有大蒜、蒜薹、棉花、花生等；蔬菜有大白菜、蘿卜、茄子、辣椒、黃瓜、韭菜、大蔥、芹菜、西紅柿等。

2015年度花官鎮(zhèn)冬季糧食作物以小麥為主，經(jīng)濟(jì)作物以大蒜、蒜薹為主，菜地零星種植，其中北部、西南部種植小麥較多，大蒜間隙種植，東部以大蒜為主，小麥間隙種植。

通過分析各種作物物候期可以看到：10月農(nóng)作物種類很少，冬小麥剛剛播種，耕地基本呈現(xiàn)為紋理較細(xì)膩的裸土，有少量青菜種植；11月～次年1月小麥出苗，青菜收割，沒有其他作物生長(zhǎng)，冬小麥具有一定的可分性，但是種植較晚或出苗較晚的小麥與裸地沒有可分性；2月下旬～3月上旬，冬小麥快速返青，覆蓋度迅速增加，而此時(shí)基本無其他農(nóng)作物生長(zhǎng)，與其他農(nóng)作物的可分性很好，但草地會(huì)對(duì)其產(chǎn)生干擾；6 月下旬，冬小麥基本收割，而其他作物長(zhǎng)勢(shì)較好，因此冬小麥與其他植被的可分性好，但這時(shí)由于小麥?zhǔn)崭睿跋癯事阃撂卣鳎c裸露地表類型的地物的可分性較差。另外，山東省土豆8月播種，10月底～11月初收獲；春季4月底～5月上旬播種，地膜春花生9月上旬收獲，麥套、夏直播花生9月下旬、10月上旬收獲。因此，考慮到監(jiān)測(cè)結(jié)果需要實(shí)地核實(shí)驗(yàn)證，當(dāng)季冬小麥遙感監(jiān)測(cè)的最佳影像時(shí)相為3月下旬～ 5月上旬。

通過實(shí)地踏勘，本文采用的實(shí)驗(yàn)數(shù)據(jù)為RapidEye衛(wèi)星的多光譜影像，花官鎮(zhèn)數(shù)據(jù)采集于2015-04-15。影像有5個(gè)光譜段，分別為藍(lán)（440～510 nm）、綠（520～590 nm）、紅（630～685 nm）、紅邊（690～730 nm）和近紅外（760～850 nm）波段。RapidEye擁有5顆衛(wèi)星，地面采樣間隔為 6．5 m，正射影像空間分辨率為5 m，幅寬為77 km，重訪周期為每天。影像數(shù)據(jù)為3A級(jí)正射產(chǎn)品，即經(jīng)過輻射校正和傳感器校正產(chǎn)品。

2 研究方法

本文研究方法為：①搜集整理監(jiān)測(cè)區(qū)相關(guān)資料，實(shí)地踏勘，確定影像獲取時(shí)間；②遙感影像預(yù)處理；③人機(jī)交互解譯并確定外業(yè)核查疑問圖斑；④野外實(shí)地核查驗(yàn)證；⑤結(jié)果修正，編輯整理，匯總統(tǒng)計(jì)（圖1）。

圖1 技術(shù)流程圖

2.1 資料搜集和實(shí)地踏勘

搜集監(jiān)測(cè)區(qū)相關(guān)資料，了解作業(yè)區(qū)域的自然地理、人文、經(jīng)濟(jì)、作物結(jié)構(gòu)及有關(guān)的統(tǒng)計(jì)數(shù)據(jù)和其他文獻(xiàn)資料。實(shí)地踏勘花官鎮(zhèn)冬小麥長(zhǎng)勢(shì)，返青苗情況，小麥普遍長(zhǎng)勢(shì)較好（麥苗20 cm以上）則可進(jìn)行影像拍攝，確定影像拍攝時(shí)間。實(shí)地踏勘過程中遇到特殊樣例標(biāo)本需要采集解譯標(biāo)志，整理花官鎮(zhèn)地理國(guó)情普查影像數(shù)據(jù)、地表覆蓋層數(shù)據(jù)，提取耕地、林地、園地、草地層，并進(jìn)行坐標(biāo)轉(zhuǎn)換、格式轉(zhuǎn)換等。

2.2 影像預(yù)處理

為盡量減少影像信息損失，3A級(jí)數(shù)據(jù)直接生產(chǎn)5 波段16 bit產(chǎn)品，再進(jìn)行幾何糾正和裁切。

1）幾何糾正。基于廣饒縣的0．3 m正射影像數(shù)據(jù)和1∶5萬DEM對(duì)廣饒縣多光譜數(shù)據(jù)進(jìn)行幾何糾正。選取了15個(gè)控制點(diǎn)，主要分布在道路交叉點(diǎn)、圍墻角或水系轉(zhuǎn)折點(diǎn)，且在待糾正影像上均勻分布。本文采取三階多項(xiàng)式校正，利用鄰近域方法重采樣，選取15 個(gè)檢查點(diǎn)對(duì)糾正后影像進(jìn)行精度評(píng)價(jià)，得出數(shù)據(jù)的內(nèi)部幾何誤差小于1個(gè)像元，滿足實(shí)驗(yàn)要求。

2）影像裁切。利用花官鎮(zhèn)的行政區(qū)劃對(duì)影像進(jìn)行裁切。花官鎮(zhèn)鎮(zhèn)界采用地理國(guó)情普查數(shù)據(jù)——行政單元鄉(xiāng)鎮(zhèn)層。裁切后花官鎮(zhèn)影像如圖2所示。

圖2 花官鎮(zhèn)2015-04-15影像圖

2.3 影像解譯

2.3.1 自動(dòng)提取

本文采用eCognition進(jìn)行影像自動(dòng)解譯。花官鎮(zhèn)的冬小麥多是大面積種植，在部分地區(qū)與經(jīng)濟(jì)作物大蒜、菜地、棉花等間隙種植，有部分空地、撂荒長(zhǎng)草或收割后玉米地。首先以地理國(guó)情普查地表覆蓋層數(shù)據(jù)作為主要專題矢量數(shù)據(jù)參與影像分割，通過地塊的邊界將遙感影像分割成許多個(gè)基本地塊單元；再按照地表覆蓋數(shù)據(jù)屬性值將其合并為5大類：耕地、林地、園地、草地和其他；然后在大類中依次分割影像，分析各地物影像特征，利用地物光譜信息及函數(shù)組合依次分小類；最終提取出冬小麥地塊（圖3）。

花官鎮(zhèn)大面積冬小麥地塊多存在于耕地層中，林地、園地、草地和其他類中小麥多以零星小面積地塊或窄條狀地塊出現(xiàn)。經(jīng)過多次試驗(yàn)，對(duì)比了多種閾值得到的同質(zhì)對(duì)象與地塊輪廓邊界后，本文耕地層分割尺度采用60，形狀因子為0．2，緊致度因子為0．3，藍(lán)、綠、紅、紅邊、近紅外波段權(quán)重依次為：1、0、2、4、4。利用小麥綠色植被特點(diǎn)NDVI＞0提取小麥地塊，提取出來的地塊可能包含其他綠色植被，如菜地、大蒜、大棚、撂荒草地、空地等；再采用垂直植被指數(shù)（DVI）＞2 100、藍(lán)波段值＞6 100、近紅外波段值＞4 800和土壤指數(shù)值（SIOL）＞0．08、紅波段值＜4 300、NDVI＜0．15等把非小麥地塊去除；并用DVI＞500和紅波段值＜3 000提取疑似小麥地塊。耕地中大面積植被主要是小麥和大蒜，由于大蒜是覆地膜種植，因此采用地塊之間的DVI指數(shù)鄰近關(guān)系值加藍(lán)波段值區(qū)分大蒜和小麥。林地層分割尺度采用40，形狀因子為0．4，緊致度因子為0．6，藍(lán)、綠、紅、紅邊、近紅外波段權(quán)重依次為：1、0、2、1、4。利用近紅外值Layer5＞4 350和藍(lán)波段值＜6 200提取小麥；并用紅邊波段值＞4 250和亮度值＞5 000提取疑似小麥地塊。最后處理園地層、草地層和其他層，在此基礎(chǔ)上，可以得到較好的同質(zhì)對(duì)象（圖4）。

圖3 影像自動(dòng)提取流程圖

圖4 花官鎮(zhèn)影像解譯圖

2.3.2 內(nèi)業(yè)編輯

本文內(nèi)業(yè)編輯主要是精化圖斑，進(jìn)行分塊閾值增刪。小麥圖斑中會(huì)存在小麥地塊中間的細(xì)條，可能是空地、菜地或其他經(jīng)濟(jì)作物，需要?jiǎng)h除。遺漏的小麥圖斑多為寬度在1～3個(gè)像素的長(zhǎng)勢(shì)較差的細(xì)條小麥，菜地、大蒜、大棚或其他作物中間細(xì)條小麥和居民點(diǎn)周圍的自留地種植總面積較小的小麥地塊，需要手工添加此類圖斑。同時(shí)需要利用2014年度土地變更調(diào)查數(shù)據(jù)中線狀地物刪除麥田中寬度大于2 m的溝渠和農(nóng)村道路。遵循“5 m定性，高分定邊”的原則，使用地理國(guó)情普查正射影像修正小麥地塊準(zhǔn)確的邊界，減少由5 m分辨率混合像元帶來的較大誤差，編輯剩余小量的“同物異譜”、“異物同譜”地塊，幫助零星地塊的解譯，如大蒜地塊之間的寬度為2～7 m的細(xì)條小麥或小麥地塊之間細(xì)條大蒜等。同時(shí)以道路順暢為原則，選擇需要實(shí)地核查的圖斑。內(nèi)業(yè)產(chǎn)生的疑問圖斑不能全部一一核實(shí)，需要按照類別核實(shí)疑問圖斑，并依據(jù)野外實(shí)地核查情況進(jìn)行修正。

3 結(jié)果分析及精度評(píng)價(jià)

本文利用地理國(guó)情普查數(shù)據(jù)，通過影像解譯、外業(yè)核查及編輯，得到花官鎮(zhèn)2015年度遙感監(jiān)測(cè)冬小麥種植面積為48．8 km2。在2015年1月前對(duì)花官鎮(zhèn)冬小麥種植面積進(jìn)行了實(shí)地測(cè)量，結(jié)果見表1，遙感監(jiān)測(cè)精度為95．78%，精度較高，可滿足政府決策需要。

表1 實(shí)地測(cè)量與影像解譯結(jié)果

表2為地表覆蓋面積與實(shí)地測(cè)量面積、遙感監(jiān)測(cè)面積的比較，從表中可以看出：①花官鎮(zhèn)耕地面積占鄉(xiāng)鎮(zhèn)面積的70%，說明該鎮(zhèn)是農(nóng)業(yè)主體鄉(xiāng)鎮(zhèn)。②耕地中小麥種植面積占花官鎮(zhèn)耕地面積的61．08%，說明該鎮(zhèn)是非小麥主產(chǎn)區(qū)，耕地中種植了其他作物，受中國(guó)家庭聯(lián)產(chǎn)承包制影響，作物混種較嚴(yán)重，增加了遙感監(jiān)測(cè)難度。③旱地中小麥種植比重最高達(dá)98．23%，說明旱地是影像解譯的重要分析目標(biāo)。其他地表覆蓋區(qū)小麥種植面積較少，可根據(jù)鄉(xiāng)鎮(zhèn)具體情況選擇影像解譯手段。④草地中小麥種植比重次之。花官鎮(zhèn)草地面積占鄉(xiāng)鎮(zhèn)面積的9．27%，受黃河三角洲地理位置影響，存在一定面積的鹽堿地，鹽堿地中草地與小麥種植互換度較高，因此鹽堿地區(qū)草地是影像解譯第二主要分析目標(biāo)。另草地中遙感監(jiān)測(cè)精度誤差較大，說明高密度草地與小麥影像解譯分類難度較大。⑤林地中小麥遙感監(jiān)測(cè)誤差為9．14%，比園地、草地中小麥誤差低，說明林地較園地和草地易與小麥區(qū)分。⑥由于地理國(guó)情普查地表覆蓋數(shù)據(jù)采集時(shí)限制圖斑最小上圖面積，小面積圖斑采用就近歸并原則，糧食直補(bǔ)則采取“種糧則補(bǔ)，不種不補(bǔ)”原則，不存在最小上圖面積，除耕地外地表覆蓋層中小麥種植對(duì)總體小麥面積誤差有一定的影響，故在利用地理國(guó)情普查數(shù)據(jù)時(shí)需要對(duì)所有地表覆蓋數(shù)據(jù)層進(jìn)行分析。

表2 地表覆蓋面積、實(shí)測(cè)小麥面積與遙感監(jiān)測(cè)冬小麥面積統(tǒng)計(jì)

4 結(jié) 語(yǔ)

本文主要得到以下結(jié)論：①地表覆蓋層數(shù)據(jù)作為自動(dòng)解譯信息提取時(shí)控制邊界的數(shù)據(jù)，縮小了冬小麥提取作業(yè)范圍，提高了小麥種植面積遙感監(jiān)測(cè)的準(zhǔn)確性，減少了外業(yè)工作量，提高了作業(yè)效率；②地理國(guó)情普查正射影像分辨率為0．5 m，小麥面積遙感監(jiān)測(cè)數(shù)據(jù)源為5 m分辨率，使用地理國(guó)情普查正射影像既有助于找到小麥地塊的準(zhǔn)確邊界，減少由于5 m分辨率混合像元帶來的誤差，又可減少“同物異譜”、“異物同譜”現(xiàn)象帶來的誤差，幫助零星地塊的解譯。隨著地理國(guó)情普查工作的深入和地理國(guó)情監(jiān)測(cè)的開展，地理國(guó)情普查成果將會(huì)在糧食直補(bǔ)工作中發(fā)揮越來越大的作用。

[1] 國(guó)發(fā)[2013]9號(hào)．國(guó)務(wù)院關(guān)于開展第一次全國(guó)地理國(guó)情普查的通知[S]．北京∶ 國(guó)務(wù)院辦公廳,2013

[2] GDPJ 01-2013．地理國(guó)情普查內(nèi)容與指標(biāo)[S]．北京∶國(guó)務(wù)院第一次全國(guó)地理國(guó)情普查領(lǐng)導(dǎo)小組辦公室,2013

[3] 李德仁,邵振峰,丁霖．地國(guó)情理信息的多極網(wǎng)絡(luò)化表達(dá)[J]．地理空間信息,2014,12(1)∶1-5

[4] 韓喜平,蔄荔．我國(guó)糧食直補(bǔ)政策的經(jīng)濟(jì)學(xué)分析[J]．農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2007(3)∶80-84

[5] 黃季焜,王曉兵,智華勇,等．糧食直補(bǔ)和農(nóng)資綜合補(bǔ)貼對(duì)農(nóng)業(yè)生產(chǎn)的影響[J]．農(nóng)業(yè)技術(shù)經(jīng)濟(jì),2011(1)∶4-12

[6] 吳炳方．全國(guó)農(nóng)情監(jiān)測(cè)與估產(chǎn)的運(yùn)行化遙感方法[J]．地理學(xué)報(bào),2000,55(1)∶25-35

[7] 王乃斌．中國(guó)小麥遙感監(jiān)測(cè)與估產(chǎn)[M]．北京∶中國(guó)科學(xué)出版社,1996

[8] 龐新華．基于決策樹和混合像元分解的P6 AWiFS遙感影像小麥播種面積測(cè)量方法研究[D]．北京∶北京師范大學(xué),2008

[9] 劉婷,任銀玲,楊春華．3S技術(shù)在河南省冬小麥遙感估產(chǎn)中的應(yīng)用研究[J]．河南科學(xué),2001,19(4)∶429-432

[10] 尤淑撐,張瑋,嚴(yán)泰來．模糊分類技術(shù)在作物類型識(shí)別中的應(yīng)用[J]．國(guó)土資源遙感,2000(1)∶39-43

[11] 徐希孺,周蓮芳,朱曉紅．混合像元的因子分析方法及其在大范圍冬小麥播種面積估算中的應(yīng)用探討[J]．科學(xué)通報(bào),1989,34(12)∶946-949

[12] 張錦水,何春陽(yáng),潘耀忠,等． 基于SVM的多源信息復(fù)合的高空間分辨率遙感數(shù)據(jù)分類研究[J]．遙感學(xué)報(bào),2006,10(1)∶49-57

P237

B

1672-4623（2016）09-0043-04

10.3969/j.issn.1672-4623.2016.09.014

張艷娜，碩士，工程師，主要研究方向?yàn)檫b感技術(shù)應(yīng)用、國(guó)土資源監(jiān)測(cè)、地理信息系統(tǒng)工程。

2016-03-08。