松嫩平原農情遙感監測系統的設計與實現

張 亮，那曉東，臧淑英

(哈爾濱師范大學，黑龍江省普通高等學校地理環境遙感監測重點實驗室，黑龍江哈爾濱 150025)

農作物種植面積是影響糧食產量的重要因素，快速、及時、準確、高效地獲取農作物分布信息，已成為現代農業發展的一大要求，且農作物的識別與分類對社會經濟、糧食安全、生態功能以及政府政策制定等都有重要影響[1-2]。

遙感在農業監測和估產系統中應用已有較長的歷史,現已開發了一些國家級的農情遙感監測系統,而松嫩平原還沒有農情遙感監測系統的相關研究和開發[3]。目前，大多利用中高分辨率衛星Landsat、單一時相的TM、SOPT、IKONOS和ERS-1/2等數據源來進行植被遙感監測，對于農作物類型識別有一定可行性，國內的專業研究人員圍繞農作物面積遙感估算進行了比較深入的研究[4-5]。王茂新等[6]在冬小麥與同期主要大宗作物綠度-時相曲線對比分析的基礎上,對利用NOAA圖像檢測冬小麥面積的方法進行了研究。方紅亮[7]利用TM衛星數據，研究了水稻面積遙感提取方法，精度達84%以上。1991—1995年在科技部的組織下，中國科學院等單位采用Landsat /TM和NOAA /AVHRR影像數據對重點產糧區小麥、水稻、玉米種植面積和產量情況進行估算，小麥估算精度達90%，水稻和玉米估算精度為85%以上，基本掌握了利用遙感數據對作物估產的主要技術和實現途徑[8-10]。國外有研究將MODIS的NDVI時間序列應用于草地植被分類[11-14]，也有將此方法應用于濕地植被信息提取[15]。該研究中的系統以不同平原植被類型的物候特征為依據，采用基于傅里葉組分相似度指數的監督分類方法，對松嫩平原重要的農作物植被類型進行信息自動提取研究，并利用最大似然法進行監督分類,同時國內外研究將MODIS的NDVI時間序列應用于草地和濕地的植被分類之中，但將此法應用到農用地植被信息提取的研究才剛剛開始[15]。將農情監測系統應用于松嫩平原的研究尚未開始，筆者對松嫩平原農情遙感監測系統進行設計與開發，利用MATLAB語言進行系統的開發，實現自動化監測以及農作物長勢和植被信息自動提取。以下將對該監測系統的監測方法、系統設計與功能、系統實現與運行等進行詳細說明。

1 監測理論方法

1.1長勢指標監測松嫩平原農情遙感系統基于NDVI時間序列對于2000—2015年全年的23幅NDVI數據影像進行5類指標計算，即NDVI(歸一化植被指數)、VCI(某一年NDVI 與所有年份中NDVI 最大值和最小值之比)、MVCI(某一年NDVI 與某一年之前所有年份NDVI平均值之比)、RMNDVI(某一年NDVI與某一年之前所有年份NDVI中值之比)、RPNDVI(某一年NDVI與前一年NDVI之比)。

1.2自動分類采用Evans J P提出的基于傅里葉組分相似度指數的監督分類方法，采用逐像素計算影像上NDVI波形與參考像素NDVI波形的相似性方法來區分植被類型，運用于松嫩平原農情遙感監測系統的開發之中,并利用最大似然法進行監督分類。最大似然法在遙感影像分類中應用非常廣泛，具有分類精度高的特點，系統實現自動分類能夠準確快速處理需要的MODIS NDVI影像，并為更好地研究松嫩平原的農作物長勢和農作物分布監測提供可靠數據依據。利用ENVI軟件得出玉米、水稻、大豆等植被NDVI時間序列圖，玉米NDVI時間序列圖見圖1。

2 系統設計與功能

2.1系統設計

2.1.1開發語言。MATLAB是由Mathwork公司推出的一種高性能的數值計算和可視化軟件，有強大的矩陣運算及圖形顯示能力，還有多樣化的各種工具箱可供使用，在數值分析、信號處理、系統辨別、特殊函數和圖形等方面具有廣泛的應用[16]。在遙感影像分析處理中，以往研究用到MATLAB語言進行圖像處理，可以得到精確度比較高的結果，但是每次都需要研究者進行編程，缺點是處理時間久，對電腦配置要求高。現在用MATLAB編程軟件進行可視化編程，可以直接進行影像處理，優點是簡單、快捷、準確地得出影像處理結果，便于研究。

2.1.2數據庫。所使用的MODIS產品數據是 2000—2015年全年的23幅NDVI影像數據，對應的具體時間是每年1月1日—12月18日。由于松嫩平原地跨兩景MODIS影像，采用Erdas9.2軟件完成數據的鑲嵌，并將影像由地球投影系統( SIN )投影到阿爾伯斯系統(Albers)；利用MODIS產品批處理工具MRT(modis reprojection tool)軟件對MODIS進行空間拼接、投影轉換和重采樣等處理，最終輸出成Albers投影，空間分辨率統一為250 m反射率數據[17]。高時間分辨率數據結合物候信息在大區域作物空間分布及土地覆被監測中發揮了重要作用[18-20]。利用MODIS植被指數時間序列及作物物候特征并融合中高分辨率數據，利用閾值或模型等來分析作物分布格局[21-23]等。

2.2開發環境農情遙感監測系統后臺構建的數據庫采用的是系統文件，可以加載相同類型數據影像。系統開發利用可視化編程技術基于MATLAB語言編寫而成。實現直接通過編輯M腳本文件產生GUI,通過MATLAB圖像用戶界面開發環境GUIDE(graphical user interface development environment)來形成相應文件，具有簡單、運算功能強大、安全、面向對象等優點。

2.3系統設計流程農情遙感監測系統運行主要是農作物長勢指標計算、區域農作物自動分類等。計算5類長勢指標，并進行數據分析、處理和總結等。自動分類可以將研究區域農作物進行分類，并進行估產和多年對比研究，評價分析某類經濟作物種植面積變化趨勢。農情系統設計流程見圖2。

圖2 系統設計流程Fig.2 The flow of the system design

2.4界面框架松嫩平原農情監測系統界面由文件區(對比選擇——年內和年間、周期、文件列表、指標類型)、工具欄(放大、縮小、pan、拖放、home、刷新、上一個、下一個、確定像素值、定義狀態/平原、定義矩形、進入、刷新圖層、下載、清除、顯示、統計數據、配置文件、截圖)、功能按鍵(計算、分類)、輸出界面(圖3)組成。

圖3 輸出界面Fig.3 Output interface

輸出結果可以用來研究整個松嫩平原農作物長勢和對農作物進行估產。同時可以對任何數據影像進行邊界裁剪，實現完全自動化。

3 系統實現與運行

3.1系統運行

3.1.1長勢監測。系統對2000—2015年多時相16 d合成的250 m分辨率MODIS-NDVI數據進行處理分析，松嫩平原農情監測系統根據不同植被類型物候特征的差異，首先將NDVI數據分為11個區間(圖4)，充分直觀展示松嫩平原MODIS影像植被生長狀況。通過NDVI影像對其他4類長勢指標進行計算，得到不同植被條件指標，VCI、MVCI、RMNDVI、RPNDVI(圖5)。VCI在0～1時被分為9個區間，MVCI、RMNDVI、RPNDVI被分為7個區間。MVCI和RMNDVI 從正數到負數，長勢由優到差；VCI和RPNDVI 數值越大證明長勢越好，可以非常科學直觀通過圖像和圖例數值體現農作物長勢。

圖4 歸一化植被指數Fig.4 Normalized difference vegetation index

圖5 植被指數Fig.5 Vegetation index

3.1.2自動分類。作物遙感估產包括農作物長勢、產量趨勢監測及產量的早期預報[24]。目前國內外普遍將農情監測系統應用于長勢監測和估產，而對于自動分類研究才剛剛開始。該系統可以自動對MODIS NDVI影像進行分類，通過分類可以對農作物產量進行更加準確的預報，并且可以進行逐年對比研究，使研究結果更加直觀。筆者列舉了2013年松嫩平原農作物分類圖像(圖6)，該圖例包含大豆、玉米、水稻，同時將林地、濕地、草地、建筑用地和河流、湖泊歸為1種顏色。由于大豆、玉米、水稻是松嫩平原主要的經濟作物，所以該系統對此3類農作物進行分類。

圖6 影像分類Fig.6 Image classification

3.2運行環境系統主要采用MATLAB語言編寫而成，需要用戶下載 MATLAB客戶端，系統主要完成各類應用，包括圖像處理、專題信息提取、統計分析等，由于處理對象為遙感影像、矢量信息等，因而對計算機性能要求較高，在普通個人計算機上安裝MATLAB 2013版本以上軟件即可運行[25]。

4 結論與展望

基于MATLAB語言對松嫩平原農情監測系統進行開發，可以實現平原農作物遙感監測流程系統化，松嫩平原管理效率有效提高。筆者查閱國內外文獻后，針對各類監測系統進行分析，認為松嫩平原農情遙感監測系統已經比較完善，將農情遙感監測農作物長勢指標類型增加到5類，并比較其他遙感監測系統不足之處，同時增加利用傅里葉組分提取特征信息，并利用最大似然法建立概率模型，系統自動提取農作物的分布信息，實現自動分類，并對松嫩平原農作物長勢進行監測，計算各類農作物種植面積和歷年農作物面積變化，同時進行作物估產，為政府農業經濟生產決策提供依據與信息。

該系統還需要進一步開發和優化，批量進行影像分類，這樣會節約使用者時間，優化算法，提高分類精度。同時設計在線監控松嫩平原農作物長勢，實時監測研究區域作物生長狀態。該系統推進了松嫩平原實時監測的推廣和應用，今后可不斷完善和增加各項有關研究農作物長勢的功能。

[1] 陳思寧,趙艷霞,申雙和.基于波譜分析技術的遙感作物分類方法[J].農業工程學報, 2012,28(5):154-160.

[2] 吳炳方.中國農情遙感速報系統[J].遙感學報,2004,8(6):481-497.

[3] 蒙繼華,吳炳方,李強子,等.全球農作物長勢遙感監測系統的設計和實現[J].世界科技研究與發展,2006,28(3):41-44.

[4] LIU J Y, LIU M L,TIAN H Q,et al.Spatial and temporal patterns of China’s cropland during 1990-2000:An analysis based on Landsat TM data[J].Remote sensing of environment,2005,98(4):442-456.

[5] VERBEIREN S,EERENS H, PICCARD I,et al.Sub-pixel classification of SPOT-VEGETATION time series for the assessment of regional crop areas in Belgium[J].International journal of applied earth observation and geoinformation,2008,10(4):486-497.

[6] 王茂新，裴志遠，吳全，等.用NOAA圖像監測冬小麥面積的方法研究[J].農業工程學報，1998，14(3)：84-88.

[7] 方紅亮.兩種水稻種植面積遙感提取方案的分析[J].地理學報,1998,53(1): 58-65.

[8] 夏德深,李華.國外災害遙感應用研究現狀[J].國土資源遙感,1996,29(3):1-8.

[9] 國家“八五”科技攻關項目辦公室.國家“八五”遙感科技攻關取得重大成果[J].遙感技術與應用,1995,10(1):40-41.

[10] 陳沈斌,孫九林.建立我國主要農作物衛星遙感估產運行系統的主要技術環節及解決途徑[J].自然資源學報,1997,12(4):363-369.

[11] BECK P S A,ATZBERGER C,HφGDA K A,et al.Improved monitoring of vegetation dynamics at very high latitudes: A new method using MODIS NDVI[J].Remote sensing of environment,2006,100(3):321-334.

[12] GEERKEN R,ZAITCHIK B,EVANS J P.Classifying rangeland vegetation type and coverage from NDVI time series using fourier filtered cycle similarity[J].International journal of remote sensing,2005,26(24):5535-5554.

[13] EVANS J P,GEERKEN R.Classifying range land vegetation type and coverage using a Fourier component based similarity measure[J].Remote sensing of environment ,2006,105(1):1-8.

[14] GEERKEN R,BATIKHA N,CELIS D,et al. Differentiation of rangeland vegetation and assessment of its status:Field investigations and MODIS and SPOT VEGETATION data analyses[J].International journal of remote sensing,2005,26(20):4499-4526.

[15] 那曉東,張樹清,李曉峰,等.MODIS NDVI時間序列在三江平原濕地植被信息提取中的應用[J].濕地科學,2007,5(3):227-236.

[16] 陳懷銘,蔡劍卿,黃春暉. JAVA和MATLAB混合編程及其應用[J]. 科學技術與工程,2008,8(14):3953-3956.

[17] 吳炳方,張淼,曾紅偉,等.大數據時代的農情監測與預警[J].遙感學報,2016,20(5):1027-1037.

[18] 熊勤學,黃敬峰.利用NDVI指數時序特征監測秋收作物種植面積[J].農業工程學報,2009,25(1):144-148.

[19] XIAO X M, BOLES S, LIU J Y, et al. Mapping paddy rice agriculture in southern China using multi-temporal MODIS images [J].Remote sensing of environment,2005,95(4):480-492.

[20] WARDLOW B D,EGBERT S L.Large-area crop mapping using time-series MODIS 250 m NDVI data:An assessment for the U.S.Central Great Plains [J]. Remote sensing of environment,2008,112(3):1096-1116.

[21] 陳穎姝,張曉春,王修貴，等.基于Landsat8 OLI與MODIS數據的洪澇季節作物種植結構提取[J].農業工程學報,2014, 30(21): 165-173.

[22] 潘耀忠,李樂,張錦水,等.基于典型物候特征的MODIS-EVI時間序列數據農作物種植面積提取方法：小區域冬小麥實驗研究[J].遙感學報,2011,15(3): 578-594.

[23] 黃青,唐華俊,周清波,等.東北地區主要作物種植結構遙感提取及長勢監測[J].農業工程學報,2010,26(9):218-223.

[24] 裴志遠,郭琳,汪慶發.國家級作物長勢遙感監測業務系統設計與實現[J].農業工程學報,2009,25(8):152-156.

[25] 吳炳方.全國農情監測與估產的運行化遙感方法[J].地理學報,2000,55(1):25-35.