吉林一號在廣西甘蔗種植區提取中的應用

文 | 范澤琳 曲春梅 朱瑞飛 高放 江晟

1.長光衛星技術有限公司 2.吉林省衛星遙感應用技術重點實驗室3.吉林省遙感信息技術應用創新基地

一、概述

廣西是中國最主要的甘蔗生產基地，種植面積及甘蔗產量約占全國的60%[1-2]。快速精確地對當地甘蔗種植面積信息的獲取，對當地農業指導部署，制糖企業生產管理，以至食糖進出口計劃和貿易相關政策變化都有著重要意義。

遙感，作為一種大面積、高時效、低成本的監測手段，在區域性的甘蔗種植區提取中有著明顯的優勢。同時，豐富的衛星影像數據源，為甘蔗的遙感提取提供了充足保障。馬尚杰等人基于多時相環境減災小衛星影像數據，采用非監督分類和決策樹相結合的方式，對甘蔗種植面積進行提取并對其收割過程進行了監測[2]。丁美花采用監督分類和多時相NDVI逐步提取相結合的方法，對EOS/MODIS數據進行處理，獲取了廣西甘蔗的種植面積[3]。陳劉鳳等人采用美國陸地衛星（Landsat-8） OL1數據對甘蔗種植區的提取進行了研究[4]。上述的研究均基于中低分辨率衛星影像對甘蔗進行提取，適用于大區域的甘蔗種植面積近似提取，其提取精度難以到達地塊級別，尤其在甘蔗地塊分布離散且細碎的情況下，上述數據將無法應用。

近年來，吉林一號衛星數據已經在農林、城市、交通、目標監測及救災應急等諸多領域得到了充分的應用[5-10]。其中吉林一號視頻04-08星是目前國內僅有的搭載紅邊譜段的米級分辨率衛星，在農作物精細分類中有著特有的優勢，本文對該衛星數據在廣西宜州某地區甘蔗精細化提取中的應用進行了探究，研究區域地理位置見圖1。

圖1 研究區域地理位置

二、假彩色影像展示及光譜分析

基于包含紅邊譜段的吉林一號視頻04星推掃數據，將利用了紅邊譜段的假彩色（R：NIR，G：Red_Edge，B：Green）顯示結果與原始真彩色展示結果進行對比，可以發現區域內的甘蔗、林地及其他四類作物的差異特征在假彩色影像中得到了更直觀的表現，而在真彩色影像中，采用目視觀察的方式很難將上述地物進行準確區分（見圖2）。

圖2 真彩色影像及地物分布展示

根據上述劃分的6種相似類別，為了減少隨機誤差，對于每個類別隨機選取10個以上的采樣點，且在研究區內離散分布，并繪制了其對應的光譜曲線（見圖3）。可以發現，相較于紅綠藍三譜段，這6類地物在紅邊譜段和近紅外譜段都表現出了明顯的差異。為了進一步量化差異，統計這6類地物在紅邊及近紅外譜段上的均方差，見表1。表中，紅邊譜段處的均方差僅次于近紅外，為0.0514，這表明紅邊譜段包含了足夠多描述植被特征差異的信息量，為植被更精確的分類提供了數據支撐。

圖3 6類地物的光譜曲線

表1 6類地物在各譜段上的均方差

三、利用吉林一號數據的甘蔗提取

本次實驗共使用了474個甘蔗實測點，影像使用包含紅邊譜段的吉林一號視頻04星于2018年10月3日獲取的多光譜影像，影像參數見表2，其假彩色影像及甘蔗采樣點如圖4所示，可以發現甘蔗種植區在假彩色影像中呈現為棕褐色。

表2 吉林一號視頻04星推掃影像詳細參數

圖4 影像的假彩色效果及甘蔗采樣點（紅點）分布

首先，采用多尺度分割算法對衛星影像進行分割，將像素單元轉換為對象單元，采用面向對象的思路對研究區進行甘蔗種植區提取，分類器選擇貝葉斯分類器。從甘蔗采樣點中選取239個樣本作為學習樣本，同時補充354個非甘蔗區學習樣本；剩余的235個甘蔗采樣點作為驗證樣本，同時補充394個非甘蔗驗證樣本。接下來，根據選取特征的不同，獨立地進行4組實驗，實驗所采用的特征見表3，其中，紅邊指數為

edNDVI=[mean(nir)-mean(red_edge )]/[mean(nir)+mean(red_edge )][11]

4組實驗的提取效果如圖5所示，根據驗證樣本得到的提取精度見表4。表4中的精度指驗證樣本與分類結果的匹配程度，Kappa系數用于一致性檢驗，也可以用于衡量分類精度。可以發現，加入紅邊信息后，提取精度都得到了明顯提高，且加入mean(rededge)和std(rededge)特征的第2組分類實驗精度最高，相較于實驗1精度提高了0.0835，kappa系數提高了0.1634。而輸入特征最多的第4組實驗結果卻不如第2、3組實驗，這說明冗余的信息量不但不能提高提取的精度，反而會產生反作用。

表3 4組實驗參數表

圖5 甘蔗種植區提取結果

表4 4組實驗的提取精度

四、采用其他數據的甘蔗提取對比試驗

為了探究吉林一號視頻04星推掃數據在高分辨率且包含紅邊譜段情況下的優勢，采用同期的高分一號數據（20181007）和哨兵二號數據（20181003）進行甘蔗提取對比實驗。其中，高分一號及哨兵二號數據的影像參數見表5，圖6為高分一號及哨兵二號數據展示。

表5 高分一號及哨兵二號影像參數

續表5

圖6 高分一號及哨兵二號數據展示

考慮到研究區內存在較多離散分布的規則狹長狀甘蔗地塊，寬度較小，采用中低分辨率數據進行提取時，面向對象的提取方式將難以將此類地塊分離出來，因此在這種情況下，面向對象的提取方法不再適用。在此，采用基于像元的監督分類方法對高分數據和哨兵數據進行處理，采用SVM分類器提取甘蔗種植區，提取結果如圖7所示，學習及驗證樣本與本文第三節甘蔗種植區提取實驗中的學習及驗證樣本相同，最后驗證得到的分類精度見表6。基于高分一號數據和哨兵二號數據的甘蔗種植區提取精度分別為87.76%和84.04%，均低于吉林一號最高94.06%的提取精度，從提取結果直觀來看，這兩種情況均存在明顯的甘蔗種植區錯提現象，分析認為是由于這兩種數據均無法兼顧高分辨率且具備紅邊譜段的特點，導致其分類精度的不足。

圖7 基于三種數據的甘蔗提取結果對比

表6 甘蔗提取精度對比

五、總結

本文基于吉林一號視頻04星推掃數據，對其在廣西宜州某地區甘蔗提取中的應用開展了研究。通過光譜分析，假彩色合成及面向對象的分類提取技術，證明了吉林一號紅邊譜段的加入，有利于相似作物的差異化識別，提高了甘蔗提取的精度。此外，分別基于鄰近時期的高分一號數據和哨兵二號數據開展甘蔗提取的對比實驗，進一步證明了吉林一號在具備紅邊譜段且分辨率較高的情況下，有著更高的甘蔗提取精度。下一步，將搜集更為詳細豐富的地面點采樣數據，開展吉林一號在精細化作物分類中的應用研究。