改進指數(shù)特征的面向?qū)ο筮b感分類張掖市農(nóng)作物種植提取

周俊利 楊振

（河南省遙感測繪院，河南 鄭州 450003）

1 引言

我國是農(nóng)業(yè)大國，同時也是糧食需求大國，及時、準(zhǔn)確地獲取農(nóng)作物種植面積及空間分布是關(guān)系社會發(fā)展、農(nóng)業(yè)政策、國家糧食安全等的重要問題[1]。如何準(zhǔn)確獲取高原地區(qū)農(nóng)作物種植面積一直是農(nóng)業(yè)調(diào)查工作的重中之重。傳統(tǒng)的農(nóng)作物種植面積信息獲取不僅費時費力、效率低下，而且難以獲取準(zhǔn)確面積[2]。遙感技術(shù)是一種遠距離、非接觸的探測技術(shù)，具有重訪周期短、覆蓋范圍廣、現(xiàn)勢性強、數(shù)據(jù)獲取與處理簡便等優(yōu)勢，為農(nóng)作物信息的精準(zhǔn)獲取提供了強有力的手段[3]。近年來，農(nóng)業(yè)遙感的應(yīng)用越來越廣泛，使遙感技術(shù)成為快速、準(zhǔn)確獲取農(nóng)情信息的主要途徑[4-6]。基于遙感影像的農(nóng)作物分類與提取是目前農(nóng)業(yè)遙感領(lǐng)域的熱點問題[7,8]。張有智等采用人工目視解譯與計算機自動分類方法對水稻進行提取，結(jié)果顯示計算機自動分類的精度與人工目視解譯精度相似，但效率提高十倍[9]。計算機自動分類已經(jīng)成為目前應(yīng)用最廣泛的農(nóng)作物分類方法，較常用的分類方法為決策樹分類、最大似然法分類、隨機森林分類、支持向量機分類等[10]。面向?qū)ο蠓诸惙椒ㄊ墙晏岢龅囊环N新的分類方法，是一種基于目標(biāo)的分類方法，可以充分利用高分辨率影像的空間信息，綜合考慮光譜特征、形狀、大小、紋理特征等一系列因素，并對多種特征進行綜合計算與分類識別，得到具有較高精度的分類成果[11]。目前國內(nèi)專家學(xué)者利用面向?qū)ο蠓诸惙椒ㄩ_展了大量農(nóng)作物種植面積提取研究[12-15]，然而我國西部山區(qū)的農(nóng)作物遙感提取研究較少，其難點在于山地地區(qū)的農(nóng)作物易受林草影響出現(xiàn)錯分類現(xiàn)象，同時受山區(qū)陰影影響，也會降低農(nóng)作物分類精度[16]。

歐空局發(fā)布的Sentinel-2A/B 影像具有重訪周期短、波段多、波普范圍廣等優(yōu)勢[17]，在農(nóng)業(yè)遙感中已有大量應(yīng)用[18,19]。張掖市位于我國西北部高原地區(qū)，農(nóng)作物多種植在山谷、山坡、河灘地，相對于平原以及盆地地區(qū)，傳統(tǒng)的分類方法容易出現(xiàn)錯分漏分情況，基于此，本研究選用Sentinel-2 哨兵多光譜影像，采用多波段組合的紅邊指數(shù)作為改進的指數(shù)特征參與到面向?qū)ο蠓诸愔校源颂岣咿r(nóng)作物分類精度。

2 研究區(qū)及數(shù)據(jù)

2.1 研究區(qū)介紹

張掖市位于甘肅省西北部，河西走廊中段，地處東經(jīng)97°20′～102°12′，北緯37°28′～39°57′，東靠武威、金昌，西至嘉峪關(guān)、酒泉，南與青海省接壤，北和內(nèi)蒙古毗鄰。張掖市屬冷溫帶干旱和祁連山高寒帶半干旱半濕潤兩種氣候類型。其特點是夏季短而酷熱，冬季長而嚴寒，干旱少雨，且降水分布不均，晝夜溫差大。張掖有全國第二大內(nèi)陸河黑河水灌溉，地勢平坦，土壤肥沃，物產(chǎn)豐饒，以烏江米為有名，盛產(chǎn)小麥、玉米、水稻、油菜、胡麻等農(nóng)作物，為全國重點建設(shè)的12 個商品糧基地之一。

2.2 數(shù)據(jù)及預(yù)處理

本研究采用的數(shù)據(jù)為Sentinel-2 多光譜影像，下載地址為歐空局哨兵數(shù)據(jù)下載官網(wǎng)（https://scihub.copernicus.eu/）。Sentinel-2 是高分辨率多光譜成像衛(wèi)星，攜帶一枚多光譜成像儀（MSI），用于陸地監(jiān)測。Sentinel-2 分為2A 和2B 兩顆衛(wèi)星，一顆衛(wèi)星重訪周期為10 天，兩顆協(xié)同拍攝，重訪周期為5 天。Sentinel-2 衛(wèi)星影像具有13 個波段，是唯一一顆在紅邊范圍具有3 個波段的衛(wèi)星，Sentinel-2 衛(wèi)星影像具有覆蓋范圍廣、波段多、分辨率高等優(yōu)點，用于陸地監(jiān)測，可提供植被、土壤和水覆蓋、內(nèi)陸水路及海岸區(qū)域等圖像，Sentinel-2 影像預(yù)處理利用Python代碼進行重采樣及轉(zhuǎn)投影，最終得到IMG 或者TIFF 格式的WGS1984 坐標(biāo)系的柵格影像。

3 理論與方法

面向?qū)ο蠓椒ǖ奶崛☆愃茮Q策樹的構(gòu)思，從簡到繁，先剔除其他無關(guān)信息，再經(jīng)過多次篩選找出有用的地物類別，實現(xiàn)地物的分層提取。與傳統(tǒng)分類方法相比其最大的不同是：面向?qū)ο蠓诸惙椒ǖ牟僮鞒叨葐卧皇腔趩蝹€像素，而是基于影像對象。面向?qū)ο蠓诸惙椒ǚ譃椋憾喑叨确指睢⑻卣鬟x擇、規(guī)則建立與分類。面向?qū)ο蠓诸惥唧w流程如圖1 所示。

圖1 面向?qū)ο蠓诸惲鞒?/p>

規(guī)則建立是指根據(jù)影像特征及地物之間的關(guān)系建立各層之間的規(guī)則以及層內(nèi)子類型與父類型的規(guī)則；根據(jù)建立的分類規(guī)則，選取合適的分類方法進行影像分類。

4 結(jié)果與分析

4.1 植被多時相對比分析

張掖市地處高原，植被僅在生長季會存在變化，其他時段植被在影像上隨時間的變化不明顯[20]。如每年的11 月份至翌年4 月份，植被指數(shù)數(shù)值多集中在0.2以下，本研究選取的影像時段為2020 年5 月至10 月，即植被變化較明顯的生長季作為研究時段。對處理后的無云覆蓋的高質(zhì)量Sentinel-2 影像進行歸一化植被指數(shù)NDVI 計算，對各時期NDVI 進行均值計算，以時間維橫軸進行多時期NDVI 變化趨勢展示，如圖2 所示，張掖市地區(qū)植被變化趨勢整體符合植被生長季植被指數(shù)變化趨勢，即植被指數(shù)呈現(xiàn)由低到高、由高到低的變化趨勢，植被較明顯的時段為2020 年7 月4 日、2020 年8 月13 日、2020 年8 月18 日，其 中2020 年7 月4 日NDVI 數(shù)值最高，說明此時段植被長勢最好，故本研究采用的最優(yōu)影像時間節(jié)點為2020 年7 月4 日。

圖2 張掖市植被生長季變化趨勢

以張掖市東南部區(qū)域為例，進行植被指數(shù)變化斜率計算，斜率空間變化如圖3 所示，植被變化斜率絕對值最大區(qū)域集中在平原地區(qū)，即農(nóng)作物種植區(qū)域，山地地區(qū)植被變化斜率絕對值整體低于農(nóng)作物種植區(qū)域，引起這種斜率變化特征的主要原因是農(nóng)作物在5月至10 月分別處于耕種、出芽、拔節(jié)、成熟、收獲等物候階段，該特征較好地區(qū)分出了農(nóng)作物與林草，基于次特征進行植被指數(shù)及紅邊指數(shù)計算，可較好地提取出農(nóng)作物種植面積。同時，植被變化斜率特征為勾畫農(nóng)作物分類樣本提供指示作用，減少外出采樣工作量，也為后期分類及精度驗證提供樣本支撐。

圖3 張掖市東南部植被變化斜率空間分布

基于Sentinel-2 影像的紅邊波段計算得出的紅邊指數(shù)NDVIre1、NDVIre2、NDVIre3，分別與NDVI 進行相關(guān)分析，分析三個紅邊指數(shù)與NDVI 指數(shù)的相關(guān)性，結(jié)果如圖4 所示，其中圖4（a）為植被指數(shù)NDVI 與紅邊指數(shù)NDVIre1的相關(guān)系數(shù)空間分布，圖4（b）為植被指數(shù)NDVI 與紅邊指數(shù)NDVIre2的相關(guān)系數(shù)空間分布，圖4（c）為植被指數(shù)NDVI 與紅邊指數(shù)NDVIre3的相關(guān)系數(shù)空間分布。由圖可知，山地地區(qū)植被指數(shù)NDVI 與3 個紅邊指數(shù)均呈現(xiàn)顯著正相關(guān)關(guān)系，相關(guān)系數(shù)均在0.5 以上，而地勢較平坦的農(nóng)作物種植區(qū)域，植被指數(shù)NDVI 與3 個紅邊指數(shù)多呈顯著負相關(guān)關(guān)系，引起這種差別的主要原因是植被在紅光波段與紅邊波段對太陽光的吸收與反射。通過此特征，可證實本研究構(gòu)建的3 個紅邊指數(shù)在植被反演中具有良好的可用性，將其帶入多特征分類器中勢必會提高分類精度。

圖4 植被指數(shù)與紅邊指數(shù)相關(guān)系數(shù)空間分布

4.2 面向?qū)ο蠖嗵卣鞣诸?/h3>

采用植被長勢最好的2020 年7 月4 日Sentinel-2影像作為數(shù)據(jù)源，分別進行紋理特征計算與植被指數(shù)、紅邊指數(shù)計算，并將所有特征波段進行組合，輸入面向?qū)ο蠓诸惼髦羞M行分類，分類結(jié)果如圖5 所示。由圖可知，張掖市農(nóng)作物種植集中分布在山谷地區(qū)，其中黑河流域沿岸農(nóng)作物分布較多，河流山區(qū)源頭至張掖市城區(qū)段，農(nóng)作物種植分布較少，主要原因為該地區(qū)為山地，多為林地、草地，且灌溉條件較差；而東南部地區(qū)雖然河流水系較少，但該地區(qū)地勢相對平坦，灌溉條件較好，農(nóng)作物種植也較多。改進指數(shù)特征的面向?qū)ο蠓诸惙椒ǎ^好地剔除了林地草地對分類成果的影響，本研究分類成果中，東南部的林地草地幾乎沒有影響農(nóng)作物提取，同時在西南部地物覆蓋類型復(fù)雜區(qū)域，也較好地提取了農(nóng)作物。

圖5 張掖市周邊農(nóng)作物遙感提取成果

結(jié)合植被變化斜率對分類結(jié)果進行精度驗證。將分類結(jié)果套合到植被變化斜率成果上，以此驗證農(nóng)作物提取精度。上文通過研究得出結(jié)論：農(nóng)作物種植區(qū)域植被變化斜率絕對值較高，套合解譯成果后可知，解譯成果范圍內(nèi)植被變化斜率絕對值整體較高，與上文植被變化分析結(jié)果相符合，即農(nóng)作物在5 月至10 月生長季經(jīng)歷了播種、發(fā)芽、拔節(jié)、孕穗、收獲等時期，其地表光譜特征變化較大，不同時段的植被指數(shù)相差較大，導(dǎo)致變化斜率絕對值整體偏高。改進指數(shù)特征后的面向?qū)ο蠼庾g成果與此結(jié)論相符，即本研究整體分類可信度較好，提取精度較高。

5 結(jié)論

本研究基于Sentinel-2 遙感影像，進行了張掖市植被生長變化分析，篩選出植被生長最優(yōu)時段，并進行了影像的紋理、植被紅邊指數(shù)等特征的計算，通過面向?qū)ο蠖嗵卣鞣诸惙椒ㄟM行張掖市周邊農(nóng)作物種植遙感提取，本研究在植被紅邊指數(shù)上進行了改進，以此提高分類精度，通過實驗得出以下結(jié)論：

（1）通過長時間序列植被生長變化分析，得出了適用于張掖市周邊農(nóng)作物提取的最優(yōu)時段。

（2）基于Sentinel-2 影像計算的紅邊指數(shù)與植被指數(shù)NDVI 呈顯著負相關(guān)關(guān)系。

（3）改進指數(shù)特征的面向?qū)ο蠖嗵卣鞣诸惙椒ㄔ趶堃词修r(nóng)作物提取中具有良好的適用性，整體分類結(jié)果精度較高。

本文對農(nóng)作物進行分類時，是基于像元尺度，會出現(xiàn)椒鹽現(xiàn)象，后續(xù)會進行更深層次的分類研究。此外，本文并未對特征信息進行篩選，不可避免會存在數(shù)據(jù)冗余現(xiàn)象，后續(xù)研究會進行不同地區(qū)的最優(yōu)特征選取，在保證總體分類精度的同時，進一步提高感興趣地物的提取精度。