高分六號衛星在農業資源遙感監測中的典型應用

文 | 劉佳 王利民 滕飛 姚保民 楊福剛 季富華 李丹丹

中國農業科學院農業資源與農業區劃研究所

一、前言

農業資源包括農業自然資源和農業經濟資源，農業自然資源是指農業生產可以利用的自然環境要素，也是當前農業資源遙感監測的對象，本文所指的農業資源遙感監測就是指農業自然資源的遙感監測。農業資源遙感監測的目標是通過遙感技術查清資源的數量、分布和質量。由于遙感技術的客觀性、可視性、可溯性的特點，自20世紀70年代以來，遙感技術在農業資源調查中得到了廣泛應用，監測內容不斷豐富、監測的精度不斷提高、監測尺度也在不斷拓展。

我國歷來重視遙感技術的發展及其在農業領域的應用。自高分辨率對地觀測系統重大專項實施以來，高分系列衛星不僅給農業領域遙感應用提供豐富的數據源，為農業遙感技術的理論認知奠定了數據基礎，也為農業遙感應用的數據安全提供了保證。與以往的高分系列衛星數據相比，高分六號（GF-6）衛星被業內人士稱為“農業衛星”，究其原因在于其寬覆蓋、高重訪、高分辨率、多譜段特征，對區域尺度農業遙感監測應用需求的滿足程度更高，更適合業務化應用。本文在農業資源遙感監測主要內容及其時空尺度需求簡要分析敘述基礎上，結合GF-6 衛星參數及農業資源遙感應用優勢分析，以示例的形式對GF-6 衛星農業遙感監測領域的典型應用進行概要敘述。

二、農業資源遙感監測主要內容及其時空尺度需求

從監測對象上看，農業資源遙感監測可以分為農業種植、畜牧水產養殖、設施農業和農業工程監測等四部分內容，并且隨著我國新農村建設的發展，農村宜居環境監測也成為主要監測內容，合計監測對象共計五個方面。農業種植監測的內容主要包括農作物種植面積、長勢、墑情、產量、品質、災害以及土壤肥力等內容的監測；畜牧水產養殖主要包括養殖場所分布、數量和面積等信息，并且結合其他信息來源也可以對牲畜數量、漁獲產量等進行估計；設施農業的監測內容主要包括各類大棚的監測，有為發展蔬菜生產的溫室，有為改善溫度和土壤濕度的大田作物拱棚，有為改善光照條件的選擇性透光棚，也有為作物提前播種的地膜覆蓋土地等；農業工程監測主要包括各級政府、企業、個人投資建設的農業工程設施，如農田平整、溝渠建設、田間道路等，更多是對工程進度及實施效果的監測；農村宜居環境建設等包括居民點數量、空間分布，以及居民點內宅基地、衛生設施、垃圾點等內容的監測應用。

農業資源的監測對象，除上述框架性的內容外，還存在著全口徑、全覆蓋、全生產期，以及空間分辨率的監測要求。以農作物種植為例，全口徑是指所有作物類型的監測應用，如冬小麥、春小麥、夏玉米、春玉米、早稻、一季稻、晚稻、大豆、油菜、棉花、馬鈴薯等作物，目前可以按照中國農業統計資料（中華人民共和國農業農村部編）所統計的30余種農作物和經濟作物為準；全覆蓋是指監測范圍，即指定的行政單元或者監測單元，習慣上有村、鎮、縣、省、國家、全球等尺度覆蓋；全生產期是指覆蓋監測對象的全生命過程，仍以農作物為例，指某種農作物類型的全生育期范圍內，各個關鍵物候時期的監測。對不同的監測對象，空間分辨率的要求雖然沒有明確提出，但由于數據獲取能力和處理能力的限制，以及監測精度的要求，實際上對空間分辨率已經有了約束。通常條件下，如全球范圍農作物種植面積一般只能以低空間分辨率開展監測，國家、省范圍內以中空間分辨率開展監測，村、鎮、縣尺度以高空間分辨率開展監測；而出于高時間分辨率的要求，國家、省級尺度上的長勢監測只能以低空間分辨率遙感數據開展監測。

三、高分六號衛星參數及農業資源遙感應用的優勢

GF-6 衛星于2018年6月2日在酒泉衛星發射中心成功發射，攜帶一臺高分相機和一臺寬幅相機。前者有2m 空間分辨率的全色（PAN）、8m 空間分辨率的4 譜段多光譜（PMS）圖像產品，后者有16m 空間分辨率的8 譜段多光譜（WFV）圖像產品。譜段范圍PAN 為0.45 ～0.90μm，PMS 譜段設置為藍、綠、紅和近紅外四個譜段，WFV 則是在PMS 譜段基礎上增加了紅邊1、紅邊2、海岸藍和黃四個譜段，按照譜段范圍從小到大新編為 0.40～ 0.45μm（B1 海岸藍譜段）、0.45 ～ 0.52μm（B2藍譜段）、0.52 ～0.59μm（B3 綠譜段）、0.59 ～0.63μm（B4 黃譜段）、0.63 ～ 0.69μm（B5 紅譜段）、0.69 ～ 0.73μm（B6 紅邊1 譜段）、0.73 ～0.77μm（B7 紅邊2 譜段）、0.77 ～0.89μm（B8近紅外譜段）。2m、8m、16m 空間分辨率圖像產品幅寬分別優于95km、優于95km 和優于860km。

1. 覆蓋范圍的優勢

結合上述農業資源遙感監測的內容和需求分析，GF-6 衛星的最大優勢是實現了16m 中空間分辨率全國陸地范圍的高頻率重訪觀測。采用中國資源衛星應用中心網站（http://www.cresda.com/CN/）上提供的2019年全國范圍內每景GF-6 WFV影像覆蓋數據，全國范圍內各省（市、區）WFV影像每月的平均覆蓋次數的平均值、最小值、最大值如表1 所示。由表1 可見，從分省情況看，全國WFV 數據月平均覆蓋次數7.3 次，最小和最大覆蓋次數分別為3.5 和9.6 次。

表1 基于2019年數據的GF-6 WFV 影像各月覆蓋頻次統計

結合國家氣象科學數據中心網站（http://data.cma.cn/）上提供的1981-2010年（月）平均總云量分布圖，全國陸地云量覆蓋最高的區域在四川省、重慶市、貴州省和云南省交界，云覆蓋率為80%，云量覆蓋最低的內蒙古大部、遼寧部分、吉林部分區域為30%。以此推算，云量最高、最低區域，GF-6 WFV數據晴空獲取能力分別為0.8次和7.0次，全國平均每月3.87 次。當然這個數據是采用全國年平均晴空數據推算的，具體到每月會有變化，但也能說明GF-6 WFV 數據獲取能力了。

這項晴空覆蓋能力雖然距離物候期（10-15 天）的要求還有一定差距，但也較以往數據晴空獲取能力有了較大提高，在依據時間序列獲取農作物種植面積，以及高分辨長勢監測中都具有極大的優勢。

2. 紅邊等新增譜段的優勢

GF-6 衛星數據在農作物遙感識別中另一個顯著的作用是多譜段的優勢。選擇山東省棲霞市局部區域，以包括玉米、花生、紅薯等在田農作物與果樹、裸地、水體、云等地物類型為區分對象，對WFV 的8 譜段數據相較于GF-1 WFV 的4 譜段數據進行對比研究（表2）。由表2 可見，與原始的4 譜段數據相比，單獨增加一個紅邊2 精度能提升3.3%以上。其他無論哪種原始4 譜段+包括紅邊2 譜段在內的組合，精度提升都在3.2%～3.5%之間；而其他沒有紅邊2 的組合，精度提升范圍在0.0 ～0.8%之間，都沒有大于1.0%。可見新增譜段對農作物遙感監測精度能夠具有較大程度的提升。由此可以說明，新增各譜段對農作物識別精度都有一定的提升能力，尤以紅邊2 的提升作用最為明顯。

3. 空間分辨率的優勢

與其他高分衛星2m、8m 數據相一致，GF-6衛星的兩個高分辨率傳感器數據，同樣提高了農作物地物類型的識別精度。圖1 是2019年9月22日16m WFV 影像和2019年11月14日2m PAN、8m PMS 影像下山東省金鄉縣三種分辨率對大蒜的識別效果。由圖1 可見，2m 分辨率的數據能夠有效識別地塊的邊界；8m 則能夠對地塊內的類型進行區分，并且地塊的邊界仍然較為清晰；16m 空間分辨率的數據對地塊的識別能力則相對下降。一般情況下，2m、8m 數據都是結合使用，滿足對地塊尺度需求較高的監測應用。

表2 不同GF-6 WFV 譜段組合的農作物種植面積提取精度

圖1 三種GF-6 數據對大蒜的識別能力

四、高分六號衛星農業資源遙感監測的典型應用

由于G F-6 衛星在載荷設計方面，充分考慮了農業行業應用特點，在重訪周期、空間分辨率高低搭配、譜段設置等方面都給農業遙感監測提供了較大應用空間。從投入在軌運行以來，在當前農業資源遙感監測的所有領域，G F-6 衛星都程度不同的得到了廣泛應用，特別是在農作物種植領域的應用更為廣泛，以下分別示例說明。如果沒有特別說明，示例中的精度標準一般是指該類數據的最高識別能力。

1. 農業種植領域應用示例

農作物種植面積、農作物長勢以及農作物產量是農作物種植領域監測最為核心的內容。圖2（a）是利用2020年4月22日GF-6 WFV 影像，基于格網化訓練樣本，采用隨機森林分類方法提取的河北省東南部、山東省西北部區域的冬小麥分布圖；圖2（b）是利用2018年7月31日影像，采用非監督分類結合目視修正方法，提取的河南省鹿邑縣玉米、大豆、花生等大宗作物。采用格網化目視識別的樣本點進行的精度驗證結果表明，圖2 中兩個區域總體精度分別達到了94.6%和90.7% 以上。該數據目前已經在農作物種植面積監測上廣泛應用，并發揮了重要作用。

圖2 基于GF-6 WFV 影像的大宗農作物識別效果示例

葉面積指數和葉片氮含量是標示農作物長勢的兩個重要指標。圖3 是根據2018年9月23日WFV 數據，基于地面觀測數據，或者其他平行遙感數據監測結果，采用相關分析方法獲取的河北省廊坊市北部地區夏玉米葉面積指數（a）、葉片氮含量（b）反演結果，根據地面觀測及平行遙感數據的精度驗證結果表明，結果反演精度分別都達到了91.0% 以上。

生物量與作物產量是農作物生產能力的評價，生物量的準確估算有利于對農業環境問題的評價，產量則是農業生產決策制定的最終依據。圖4 是根據2018年9月23日WFV 數據，基于地面觀測數據，或者其他平行遙感數據監測結果，采用相關分析方法獲取的河北省廊坊市北部地區夏玉米生物量（a），采用光合有效輻射總量估計產量結果（b），根據地面觀測及平行遙感數據的精度驗證結果表明，結果反演精度分別都達到了90.0% 以上。

圖3 基于GF-6 WFV 影像的河北省廊坊市北部夏玉米葉面積指數及葉片氮含量反演結果

圖4 基于GF-6 WFV 影像河北省廊坊市北部地區夏玉米生物量反演及產量估測結果

2. 畜牧水產養殖應用示例

隨著人民生活水平的提高，畜牧水產養殖狀況在農業生態環境和食品安全中受到越來越多的重視，成為農業生產信息獲取的重要內容。圖5 是基 于GF-6 衛 星2018年10月30日 的PAN/PMS 影像、2018年11月23日WFV 數據，采用面向對象和目視解譯相結合的分類方法，識別并提取了湖南省湘陰縣陸地水產養殖水面的分布狀況，采用與更高分辨率獲取結果相比較的方法進行精度驗證的結果表明，PAN/PMS 結果相差1.4%，WFV 結果相差15.3%，對面積精準量算和區域普查估計兩種場景都具有較高的應用價值。

圖5 GF-6 影像陸地水產養殖水面分布調查

3. 設施農業應用示例

設施農業是“菜籃子”工程的基礎和保證，當前已經成為城鄉居民生活蔬菜的重要來源。圖6 是基于2018年9月22日 的PAN/PMS，采用目視解譯方法對河北省饒陽縣局部區域的蔬菜大棚進行了識別。由圖可見，夏季作物呈綠色，林地呈墨綠色，裸地呈土黃色，設施農業呈亮灰色。設施農業是人造地物，具有規則的幾何外形和邊界，在影像中其形狀特征與圖形結構清晰可辨。各地物光譜及紋理特征差異明顯，可以很好地進行區分。采用地面實際測量結果進行精度評價，面積吻合度達到95.3%以上。

圖6 基于GF-6 PAN/PMS 融合數據的設施農業識別

4. 農業工程應用示例

出于提高農業生產效率，改善農業生態環境的需要，各級政府、企業、個人在農業領域的投資越來越普遍，投資的力度也在逐步加強。在我國東北地區，玉米大豆輪作休耕監測就是一個典型實例。圖7 是采用2018年9月9日GF-6 WFV 影像對玉米、大豆不同譜段組合效果的說明，（a）圖為近紅外、紅邊1 和黃譜段進行合成的假彩色圖像，（b）圖是采用近紅外、紅、綠譜段合成的假彩色圖像。影像范圍內，水稻、玉米和大豆均處于成熟期，（a）圖中暗紅色區域是玉米種植區，橙色是大豆種植區，米白色是水稻種植區，影像的色彩紋理清晰，差異明顯；相對（b）圖采用傳統近紅外、紅、綠譜段合成的假彩色圖像的色彩更豐富，采用目視方法可以很好地區分。該數據及方案也已在我國東北地區監測中普遍采用。

圖7 吉林敦化地區GF-6 WFV 不同譜段組合的識別效果

五、高分六號衛星農業應用的啟示

從農業應用的實際效果來看，GF-6 衛星在國產衛星農業遙感中起到了承上啟下的作用。主要體現在兩個方面，一方面重訪周期、譜段選擇、空間分辨率等參數的設置更符合農業遙感監測應用要求，極大地推動了農業遙感監測數據的國產化應用；另一方面，系統化的數據獲取能力，為農業遙感監測產品生產系統的研制帶來穩定的數據源，也使生產系統的研制具有更高的價值和意義。

從農業遙感應用技術發展角度看，出于高效使用GF-6 衛星的目的，衛星研制與應用部門緊密配合，強化了衛星設計系統性、高效性等星地一體化理念，進一步將星地一體化設計的理念向應用領域延伸，向農業應用領域延伸，這就給農業行業專業化的指標設計帶來了契機，也將促進農業領域應用更為注重理論性、機理性的研究，對推動農業遙感理論研究具有積極的意義，也會為其他行業應用起到積極的示范作用。