利用改進決策樹分類法提取邯鄲市夏玉米信息的研究

[摘 要] 玉米是我國主要的糧食作物之一，及時準確地獲取玉米的種植面積和空間布局信息，對我國農(nóng)業(yè)政府部門的宏觀調(diào)控政策決策，甚至區(qū)域大范圍的糧食安全至關(guān)重要。相較傳統(tǒng)的農(nóng)業(yè)數(shù)據(jù)統(tǒng)計而言，運用遙感技術(shù)對農(nóng)作物信息進行提取能夠取得更為及時、精確的統(tǒng)計效果。本文選取河北省邯鄲市為研究對象，以邯鄲市2016年3、6月和9月的Landsat8OLI遙感影像為研究數(shù)據(jù)，結(jié)合農(nóng)作物的物候期規(guī)律、地面調(diào)查樣本等輔助資料，采用決策樹分類和波段運算相結(jié)合的分類方法對遙感影像進行分類，提取出邯鄲市的夏玉米信息。結(jié)果表明，利用這種方法提取出的夏玉米信息，能夠獲得夏玉米在邯鄲市的空間分布格局和種植面積信息。其中，種植面積信息達到86.8%的提取精度，表明了本文的研究方法在農(nóng)作物信息提取中的有效性和適用性。

[關(guān)鍵詞] 遙感；Landsat8OLI；夏玉米；信息；邯鄲市

[中圖分類號] TP79 [文獻標識碼] A [文章編號] 1674-7909（2017）10-95-2

玉米的種植面積及長勢遙感識別分析，對準確獲取玉米種植信息有重要意義。運用遙感數(shù)據(jù)提取玉米信息的方法可以分為兩大類型：以Landsat數(shù)據(jù)為代表的中高分辨率影像和以MODIS為代表的低分辨率影像[1-3]。前者大都通過單一時相的影像分類，后者則主要通過時序的數(shù)據(jù)變化來提高分類精度。雖有研究表明選擇玉米生長的最佳時相可以提高提取精度，但單一時相的玉米信息提取不能從玉米生長過程中最大程度地發(fā)現(xiàn)與背景地物的差異。而MODIS數(shù)據(jù)雖然時間分辨率高，但混合像元的存在又嚴重影響了提取精度。因此，本文利用多幅高空間分辨率的遙感影像，結(jié)合玉米的多個關(guān)鍵生育期，逐步剔除地物，實現(xiàn)夏玉米信息的提取。

本文選取的研究區(qū)域為河北省邯鄲市，地理位置為北緯36°21′～36°44′、東經(jīng)114°03′～114°40′，位于太行山脈東麓，東部為華北平原，與豫、晉、魯三省接壤。邯鄲市地勢總體多變不平，高差懸殊，地貌類型復雜，中部和東部地勢較為平坦。屬于暖溫帶大陸性季風氣候，全年無霜期200 d，全年日照時間2 557 h，年平均氣溫13.5 ℃，四季分明，氣候溫和，光熱條件較好，降水較為豐富。

1 材料與方法

1.1 數(shù)據(jù)預處理

選取邯鄲市3、6月和9月的Landsat8OLI遙感影像，對其進行遙感影像的分類處理，從中提取出邯鄲市的夏玉米信息。為了提高研究的提取精度，在進行分類處理前，首先要進行遙感影像的數(shù)據(jù)預處理，其中包括輻射定標、大氣校正、影像鑲嵌和影像裁剪等處理步驟。

1.2 夏玉米信息提取原理

對遙感影像進行不同地物類型的分類，進而可以提取出目標地物的信息。對邯鄲市夏玉米信息的提取原理為：結(jié)合夏玉米的物候期，利用夏玉米獨特的光譜特征，以及適宜于不同地物類型提取的指數(shù)因子，將夏玉米信息從邯鄲市的遙感影像中分離出來。表1為邯鄲市夏玉米的物候期。

1.3 研究方法

本文結(jié)合夏玉米的物候期和光譜特征，利用邯鄲市3、6月和9月遙感影像，采取決策樹分類與波段運算相結(jié)合的方法，對邯鄲市的地物類型做分類處理。首先通過分析目視解譯多幅影像，3月影像中種有大量小麥，6月影像中小麥種植區(qū)域變?yōu)槁愕兀Y(jié)合玉米物候期，得知為玉米播種期，所以利用6月影像根據(jù)NDVI值使用決策樹分類（閾值設(shè)為0）將綠色植被先剔除，再分析9月影像中裸地變綠，玉米到了乳熟期，在9月影像上計算建筑指數(shù)（NDWI），其中NDWI>0且NDVI<0判定為建筑，將其剔除，然后計算水體指數(shù)（NDBI），其中NDBI>0且NDVI<0判定為水域，將其剔除，最終剩下的即為夏玉米[4]。

在遙感影像地物類型的監(jiān)測中，常用的指數(shù)因子有歸一化植被指數(shù)（NDVI）、歸一化差值水體指數(shù)（NDWI）和建筑指數(shù)（NDBI），其計算公式如表2所示[5]。

2 結(jié)果與分析

已知研究所選用的數(shù)據(jù)為Landsat8OLI遙感衛(wèi)星數(shù)據(jù)，其空間分辨率為30 m[6]。由ENVI軟件的統(tǒng)計數(shù)據(jù)可知，而從中提取出的邯鄲市夏玉米的總像元數(shù)為4 193 058，估測面積約為37.73萬hm2，根據(jù)統(tǒng)計數(shù)據(jù)，邯鄲市夏玉米的實際面積約為33.33多萬hm2，估測精度約為86.8%。精度的計算公式如下：

[Acc=1-A1-A0A0×100%]

其中，Acc為面積精度，A1為遙感影像信息提取得到的邯鄲市夏玉米面積，A0為統(tǒng)計數(shù)據(jù)得到的邯鄲市夏玉米面積。

3 結(jié)論與討論

本研究用決策樹分類和波段運算相結(jié)合的分類方法，對邯鄲市遙感影像進行地物類型分類處理，從中提取出邯鄲市的夏玉米信息，提取結(jié)果圖如圖1所示。

該研究達到了對邯鄲市夏玉米信息提取的目的，并且取得了較為理想的提取精度。但是，在研究的實施過程中仍然存在著較多的問題，這些問題可能影響信息提取的精度。總體來講，可以總結(jié)出以下幾條問題與展望：①針對不同的區(qū)域，分析者所選擇的分類方法會對最后的分類精度結(jié)果產(chǎn)生很大的影響，邯鄲市地物分布簡單，但考慮到地物復雜的區(qū)域，需考慮更細致的分類方法，所以方法的普適性有待提高；②遙感影像的質(zhì)量是影響遙感信息提取精度的重要因素，尤其是云陰影的影響，如何消除云的影響是進一步研究中需要解決的問題。

參考文獻

[1]劉佳岐.基于Landsat8遙感影像的扶風縣蘋果園地信息提取研究[D].咸陽：西北農(nóng)林科技大學，2015.

[2]高玉蓉.基于決策樹的土地利用現(xiàn)狀信息提取研究[D].杭州：浙江大學，2006.

[3]翁中銀，何政偉，于歡.基于決策樹分類的地表覆蓋遙感信息提取[J].地理空間信息，2012（2）：110-112.

[4]Friedl MA，Brodley CE，Strahler AH. Maximizing land cover classification accuracies produced by decision trees at continental to global scales[J].IEEE Transactions on Geoscience and Remote Sensing，1999（2）：969-977.

[5]Gallego FJ. Remote sensing and land cover area estimation[J].International Journal of Remote Sensing，2004（15）：3019-3047.

[6]Grace K，Husak GJ，Harrison L，et al. Using high resolution satellite imagery to estimate cropped area in Guatemala and Haiti[J].Applied Geography，2012（2）：433-440.