基于Sentinel-2A影像的鄉鎮農業土地利用制圖*

蔣 怡，劉忠友，董秀春，任國業，李宗南

（四川省農業科學院遙感與數字農業研究所，成都610066）

0 引言

通過長時間序列遙感、地理制圖等方法，國內外科研機構已生產多套不同時期的全球土地覆蓋、土地利用現狀［1-2］、種植結構［3-4］、作物分布產品［5-6］；中國國土部門定期開展國家土地利用變化調查與更新，農業農村部近年開展了承包土地確權調查和“兩區”劃定等工作，政府部門當前已積累海量土地利用類型、土地用途及權屬等農業空間大數據。土地利用空間信息等綜合反映了人類多種開發利用土地的信息，但對農業生產、作物種植、農業資源利用等多種內涵的空間信息描述不足，且我國鄉村地區普遍為小農經濟，地塊面積小，早期受限于遙感影像的時空分辨率、數據覆蓋不全等因素，缺乏開放使用的高時空分辨率農業空間信息。

目前，作物種植結構信息在全球、國家等尺度上有廣泛深入研究應用，其時空分辨率普遍為30～1 000 m［4-5］。大尺度信息難以準確反映多種精細作物種植結構，不能滿足鄉鎮村級農業規劃、結構調整、生產管理等數字化需求。隨著多種10～30 m分辨率遙感影像的免費獲取，農業遙感監測、農業土地分類等應用的成本得以降低，小尺度、高分辨率的作物種植結構和農業土地利用信息得到更多關注和研究，具有應用前景和潛力［7-8］。文章擬使用10 m分辨率的Sentinel-2A影像進行鄉鎮尺度農業土地利用和作物種植結構制圖，對照基于WorldView-2融合圖像生產的0.5 m分辨率種植結構圖，評價Sentinel-2A影像獲取的作物種植結構信息的精度，以期應用遙感大數據開展鄉鎮農業景觀分析、農業產業結構優化調整等提供技術參考。

1 數據與方法

1.1 研究區概況

該文選取四川省成都市以農業為主的典型鄉鎮（邛崍市原牟禮鎮）為研究區，該區位于邛崍市東南面，分別距邛崍市城區和成都市中心約25 km和60 km，交通便利，是典型的城市郊區鄉鎮（圖1）。該區域屬亞熱帶濕潤氣候，四季分明，平均氣溫17.8℃，年均降雨量約1 300 mm；區域內地勢平坦，平壩、淺丘相間，以平壩為主。該區耕地面積約23.33 km2，田間道路布局合理，排灌設施配套，隨著都市農業發展，逐步形成了規模化、專業化糧油、水果、蔬菜以及水產養殖等多種農業產業，是成都市郊區農業功能主導發展的鄉鎮。

圖1 研究區區位Fig.1 Thelocation of thestudy area

1.2 數據來源

高分辨率遙感影像是提取農業土地利用信息的主要數據來源，應用于大范圍的定期農業監測中，但基于單一高分辨率數據費用高。基于多源數據提取不同類型土地利用信息能充分發揮各類數據優勢、降低數據成本、提高信息精度。因此該文將使用當前多種開放數據和商業數據來提取研究所需的各類空間信息。該文部分歷史高分辨率影像來源于Google Earth平臺；0.5 m分辨率WorldView-2影像通過購買獲取；Sentinel-2A多光譜影像來源于歐空局的哥白尼開放存取中心（Copernicus Open Access Hub）。該文使用QGIS下載研究區的開放街區數據，并通過2018年2月5日外業調查，獲取在研究區內典型地物解譯標志和樣方內土地利用類型等數據。

1.2.1 OpenStreetMap數據

下載OpenStreetMap（OSM）開放數據，提取各類道路、居民點等建設用地信息。OSM是目前世界上使用最廣泛的開源地理空間數據庫，向用戶免費提供多種地物的空間分布矢量數據，用戶可下載元數據進一步編輯、修改和使用。

1.2.2 遙感影像

WorldView-2衛星于2009年10月6日發射升空，運行在770 km高的太陽同步軌道上，是用途廣泛的商業遙感衛星，星載多光譜遙感器可提供0.5 m全色波段影像和1.8 m分辨率的多光譜影像。多光譜影像包括4個常用標準譜段（紅、綠、藍、近紅外），還可定制獲取四個額外波段（海岸藍、黃、紅邊和近紅外2）的影像。Sentinel-2衛星是歐空局分別于2015年（A星）和2017年（B星）發射的小衛星星座，Sentinel-2單星重訪周期為10 d，A/B雙星重返周期為5 d。衛星搭載的多光譜成像儀具備13個光譜波段的感知能力，設置10 m、20 m、60 m這3種空間分辨率。在研究區范圍內獲取的影像數據包括：2013年1月24日Google Earth真彩色合成影像；2018年2月28日WorldView-2影像；2018年3月8日、2018年5月15日、2018年12月16日優質無云的Sentinel-2A多光譜影像。

1.3 農業空間信息提取與制圖

1.3.1 基礎空間信息整理

該文使用QGIS、ArcGIS等地理信息系統軟件完成數據清洗、整理、裁剪、編輯及更新，基于Google Earth 0.5 m分辨率影像數據進行地塊邊界信息提取以及補充OSM缺失的農田道路網、水渠網等，利用ArcGIS、ENVI遙感影像處理軟件進行制圖，研究區基礎空間信息如圖2所示。

1.3.2 農業空間信息提取

根據野外調查，樣區內土地利用類型包括農業用地和建設用地，其中，農業用地包括耕地（糧油作物、蔬菜和其他作物等）、林地、園地（以獼猴桃、葡萄、李子、柑橘等為主的果園用地）、設施農用地、坑塘水面（除天然河流外的人工坑塘、水產養殖以及灌溉蓄水池等），建設用地為建筑物和主要道路。

在ENVI 5.5中對WorldView-2影像進行數據融合、幾何配準等預處理，得到調查樣區所需的空間分辨率為0.5 m的遙感影像，通過目視解譯方法在影像中提取各類農業土地利用信息、作物種植結構信息。然后將道路、居民點建筑物等基礎空間信息與之融合，得到0.5 m分辨率的農業空間信息數據集。

對多時相Sentinel-2A衛星影像，通過幾何糾正、圖像融合、數據合成、影像裁剪和圖像融合等預處理，得到3期空間分辨率為10 m的10波段數據；計算各時期的NDWI指數，通過數據合成形成NDWI數據，使用遙感指數閾值法提取水體、河流等信息。然后使用監督分類法和已有空間信息為掩膜，逐步提取糧油作物用地、園地、林地及菜地等地物。

2 結果與分析

2.1 信息精度評價

該文利用10 m分辨率土地利用和作物用地類型信息與0.5 m分辨率的結果進行比較，評價基于Sentinel-2A影像的分類精度。在研究區隨機選取驗證樣區，結果見表1。各類地物的區域面積精度均達到92%以上，表明10 m空間分辨率的Sentinel-2A影像提取土地利用及作物用地類型信息具有較高精度，基于該農業空間信息制圖方法，利用此類衛星遙感影像高時空分辨率、數據開放免費的優勢，可快速獲取更高精度的農業空間信息產品。

表1 研究區主要土地利用及作物用地類型分類精度Table 1 Classification accuracy of major land useand crop land types in thestudy area

2.2 農業空間信息

分類結果與道路邊界矢量數據進行疊加，通過圖斑膨脹、邊緣融合等處理，對分類結果進行后處理，得到10 m分辨率的農業空間信息數據集，局部制圖效果見圖3，土地利用及作物用地類型分布如圖4所示。

圖3 土地利用及作物用地類型對比Fig 3 Comparison of land useand crop land types

圖3 顯示，解譯結果邊界模糊，存在明顯的地塊粘黏現象。基礎空間信息與Sentinel-2A多光譜影像分類結果進行疊加，可對地塊邊緣進行優化，形成封閉性的地塊邊界，能有效整合10 m分辨率影像分類結果，提高地塊邊界信息精度。

從圖4可見，園地主要集中在淺丘區，糧油作物用地、菜地和設施農用地則主要分布在平壩區，土地利用和作物用地類型存在明顯的分區。農業產業結構由傳統單一化逐漸演變多元化，產業規模化趨勢加強。

圖4 2018年春季研究區土地利用及作物用地類型分布Fig 4 Distribution of land useand crop land typesin the study area in 2018

3 討論

牟禮鎮靠近成都市區，為滿足城市居民生產生活需求，域內農作物類型多樣，土地利用情況復雜，Sentinel-2A多光譜遙感影像和WorldView-2影像具有不同的空間分辨率，空間異質性和尺度差異［9-10］會導致一定的誤差。此外，基于Google Earth的基礎空間信息補充主要依靠人工目視解譯，人力成本較大，在今后的研究中應嘗試探索更先進的方法快速完善基礎空間信息，為構建成都平原地區的農業土地時空大數據，定量分析土地利用、農業產業格局，嘗試評估土地利用變化的經濟、社會、生態綜合效應等提供技術支持。

4 結論

基于Sentinel-2A多光譜遙感影像，以邛崍市牟禮鎮為研究區，構建基于國內外開放使用的多源遙感數據和空間信息產品生產鄉鎮尺度高精度的農業空間大數據產品的方法；通過時序遙感指數閾值分類、最大似然法等完成各土地利用類型分類、作物空間信息提取，生產鄉鎮尺度農業土地利用圖，與基于WorldView-2融合圖像的0.5 m分辨率農業空間信息圖比較驗證，結果表明：（1）研究區糧油作物用地、菜地、設施農用地和園地的面積精度良好，依次為92.93%、98.98%、95.71%和95.14%，與實際面積的差異在8%以內。（2）應用OSM道路數據和歷史高分辨率影像等生產的地塊邊界、農田道路網、水渠網等空間信息與Sentinel-2A多光譜影像分類結果進行疊加制圖，能提高10 m分辨率影像分類結果的地塊邊界信息精度。