基于國產高分衛星影像的水稻種植區提取
——以江蘇蘇中地區為例

文 | 段春華 張汛 尹凡

1. 揚州市自然資源和規劃局

2. 江蘇省測繪工程院

3. 自然資源部國土衛星遙感應用重點實驗室

一、引言

水稻是我國三大糧食作物之一，是我國60%以上人口的主食。同時，我國也是世界上最大的水稻生產國和消費國，詳細了解水稻種植信息對我國糧食安全具有重要的現實意義。隨著我國衛星遙感事業的飛速發展，遙感技術以其宏觀、快速的特點可成為耕地遙感監測的重要手段，研究遙感技術在耕地保護、利用、監督中的應用具有較強的緊迫性。國內外學者利用遙感技術開展了大量而深入的研究，從早期中低分辨率到高分辨率影像，主要的研究方法是利用單期影像的光譜和紋理信息。受制于遙感傳感器的限制，利用多期影像開展農作物遙感解譯多運用中低分辨率影像，難以適應江蘇地區圖斑破碎的情況。隨著我國國產高分辨率衛星的不斷發射并投入使用，綜合利用國產高分辨率影像可建立高時間分辨率的時序數據，為農作物的提取提供了新的可能。

本文以江蘇省蘇中地區為研究區，以國產高分辨率遙感影像為數據源，研究水稻種植區域快速提取方法。選取2018 年時序國產高分辨率遙感影像為數據源，利用易康軟件建立自適應系數遙感影像規則集，通過利用水稻的關鍵物候特征提取水稻種植區信息，并利用隨機點和KAPPA 驗證遙感提取精度。

二、研究區與研究數據

1. 研究區概況

江蘇省，位于中國東部沿海地區，介于東經116°18′～121°57′，北緯30°45′～35°20′之間，屬于溫帶向亞熱帶的過度性氣候。因氣候與海陸位置的關系，江蘇跨江濱海，河湖眾多，水網密布，農業發達，素有“魚米之鄉”之稱。江蘇主要的農作物包括水稻、小米、玉米、油菜、大豆等，其中夏季主要種植水稻和玉米。

2. 江蘇夏季農作物種植情況

江蘇省農業生產主要是一年兩熟，夏季主要大田農作物包括水稻和玉米，江蘇省種植的水稻和玉米分別是一季稻和春玉米。其中水稻 5 月中上旬播種，10 月中上旬收獲；玉米5 月中上旬播種, 9 月中上旬收獲，其生長情況如圖1 所示。從圖中可以看出，江蘇蘇中地區的水稻和玉米的種植時間均在5-10 月之間，其中水稻生長期較長，兩者主要生長期存在一定的時間差異。其他相似地物主要是零散種植的大豆、農家菜地、荒地雜草等背景植被。

圖1 江蘇典型區夏季農作物物候

3. 數據源

（1）遙感影像

數據源方面，水稻遙感解譯需要利用水稻種植不同階段的物候信息所帶來的光譜差異，又因江蘇地區農田地塊相對比較瑣碎，因此在數據源的選擇方面需要同時考慮影像數據的空間、時間和光譜分辨率。隨著近年來我國遙感衛星事業的發展，國產遙感影像數據的獲取能力得到不斷提升，1 ～2m級別的遙感數據可在一年內多次覆蓋同一片區域，給農作物的物候信息提取提供了可能。本研究綜合選用包括資源三號、高分一號和高分二號衛星作為數據源的多期遙感數據，形成涵蓋水稻生長期的時間序列影像。

數據處理方面，主要包括遙感影像的輻射定標、幾何糾正和大氣校正。其中，輻射定標參數在中國資源衛星應用中心下載獲得，利用輻射亮度轉換公式進行轉換。幾何校正是指消除或改正遙感影像幾何誤差的過程，主要是利用專業遙感影像處理軟件（如ENVI 軟件等）進行處理，影像參考為2017 年度江蘇省1：5 萬DOM，影像幾何分辨率為2m，高程參考為“十三五”基礎測繪1:1 萬DEM 數據。大氣校正利用ENVI 軟件中利用工具箱Radiometric Correction 中Atmospheric Correction 的FLAASH Atmospheric Correction 工具對遙感影像數據進行大氣校正。

時序特征構建方面，根據時間序列遙感影像提取農作物光譜特征，水稻和其他農作物在其生長的不同階段有著不同的光譜和紋理特征，利用水稻與其他農作物在時序特征上的差異，可對水稻進行有效提取。根據植被指數較好地放大水稻的光譜特征，從而方便識別。植物在遙感影像上的主要光譜特征體現在其光譜“根號”型的特征，即在綠波段及近紅外波段反射，紅波段吸收，在對植被進行解譯時可選用歸一化植被指數（NDVI），其主要特點是對綠色植被反應能力強，對土壤及水背景變化敏感。

（2）地面調查數據

地面調查數據采用實地走訪的方式確定地面驗證信息，同時收集了江蘇省典型地物光譜知識庫中農作物相關地物光譜實測數據。實地走訪數據來源于2018 年5-10 月作物生長季的實地調查工作，主要包括記錄農作物的類型、位置信息、物候情況；典型地物光譜包括農作物不同生產期的冠層光譜反射率數據。

（3）規則集實現

選擇5 月和6 月影像，其中，5 月影像用于判斷農作物，利用6 月水稻田漫灌期特征提取水稻。規則集主要包括幾個步驟：①影像分割，采用面向對象的方法對影像進行多尺度分割，其中尺度設置為100，形狀因子0.3，緊致度0.5，分塊進行遙感解譯；②統計計算，分別統計前時相和特征時相影像的NDVI 均值和標準差，利用生態分布中均值與標準差原理，自動確定識別閾值，以前時相NDVI數據為基礎確定農作物范圍；③以前時相提取的農作物范圍為基礎，通過計算6 月影像的NDVI 情況，計算農作物5 月與6 月的NDVI 差值，放大水稻6月漫灌期的光譜特征信息，同時綜合農田紋理特征，提取水稻種植范圍；④整理提取的圖斑并導出水稻遙感解譯成果。

三、水稻遙感提取

1. 農作物光譜特征

江蘇省測繪工程院在2016-2020 年利用ASD Fieldspec 4 地物光譜儀采集水稻、玉米地物光譜，建立了江蘇省典型地物光譜知識庫。采集的水稻和玉米的光譜信息如圖2 所示，水稻和玉米整體光譜特征較為相似，表現在可見光部分（被葉綠素吸收）有明顯的吸收谷，在近紅外波段（受葉片內部結構影響）有較高的反射率，可以形成突峰。根據江蘇地區水稻的種植特點，水稻與其他農作物相比，最主要的特征是在6 月下旬有漫灌期特征，在真彩色影像上呈現暗綠色，亮度較低，近紅外反射率低。

圖2 水稻（左）、玉米（右）實測光譜曲線

選擇2018 年4 月29 日、2018 年5 月20 日、2018 年6 月23 日、2018 年7 月24 日、2018 年9 月14 日以及2018 年10 月24 日影像，根據現場確認的玉米、水稻點位，獲取其影像平均光譜信息見表1，同時提取玉米、水稻的NDVI 如圖3所示。

表1 玉米、水稻不同時間光譜信息

圖3 玉米、水稻生長期NDVI

玉米、水稻5 月上旬播種，4 月呈現出土壤光譜特征，6 月水稻漫灌期，NDVI 明顯下降，9 月玉米收購，10 月僅水稻呈現植被特征。本研究最終選擇5 月和6 月影像用于遙感提取，其中6 月為水稻的特征時相。

2. 紋理特征

水稻紋理特征的描述是基于共生灰度矩陣（GLDM）的方法實現，該方法是20 世紀70 年代初由R.Haralick 等人提出，它是在假定圖像中各像素間的空間分布關系包含了圖像紋理信息的前提下，提出的具有廣泛性的紋理分析方法。共生灰度矩陣主要包括能量、熵、對比度、均勻性、相關性等參數，已經集成在易康軟件中。

3. 水稻遙感提取

利用2018 年5 月20 日、2018 年6 月23 日遙感影像，開展基于物候期光譜特征的米級遙感影像解疑實驗，提取水稻信息。

通過對比5 月和6 月的近紅外影像，可以看出，由于水體近紅外波段反射率低，種植水稻的區域在近紅外影像上明顯發黑。利用易康軟件建立提取規則集開展遙感解譯提取的水稻種植信息結果如圖4所示。

圖4 遙感解譯提取的水稻種植信息

4. 精度評價

精度評價采用隨機點驗證的方式進行，在研究區共計均勻獲得了90 個隨機點，并實地調查種植情況，其對遙感解譯成果進行精度評價，結果如表2 所示。本方法的提取精度為0.89，KAPPA 系數為0.83。

表2 遙感解譯精度評價

四、結論

在水稻種植區遙感提取中，國產遙感影像相比于其他方法具有以下優勢：

一是遙感技術能在較短的時間內，對大范圍地區進行對地觀測，獲取信息的速度快，周期短，具有成本低效率高的特點，大大提高了工作效率。并且可在長期工作中形成同尺度可比對的工作成果，不僅可以得到當年信息，并且方便開展大尺度長期趨勢性的研究工作。

二是水稻遙感提取主要利用水稻特殊生長時段的遙感特征，對遙感數據的時間分辨率有著較高的要求。自2011 年資源一號02C 衛星成功發射以來，國產陸地遙感衛星近年來不斷發射，2m 分辨率級別的遙感影像在資源三號、高分等系列衛星的協同利用下，已經完全滿足水稻遙感提取的需要，并且隨著未來更多遙感衛星的發射使用，更高時間、空間、光譜分辨率的遙感數據將給水稻及其他農作物的遙感提取提供更大機會。

采用國產時序遙感影像數據，對江蘇省水稻種植情況進行遙感解譯有以下結論：在江蘇地區水稻的生長期主要為5 月到10 月，其中6 月水稻的漫灌期特征是水稻遙感提取的重要物候特征；利用時序影像及重要物候特征的方法開展江蘇典型區水稻遙感提取實驗，結果的提取精度為0.89，KAPPA系數為0.83。本方法需要獲取到6 月中下旬水稻物候特征的影像，另外由于農業生產中可能存在水稻田間灌水先后的時間差，可能會影響提取精度。實驗證明該方案是一種較為有效的水稻種植區域提取方法。