基于灰度共生矩陣的甘蔗保護區作物種類監測方法

賀雨晴 何永寧 經 波 寧文怡 蔣宇雯

（廣西壯族自治區自然資源信息中心，廣西南寧 530023）

甘蔗是廣西農業生產的優勢特色產業，近二十年來，廣西糖料蔗種植面積和產糖量均占全國產量的60%以上[1-2]。廣西糖料蔗種植機械化水平低、種植分散，導致種植成本居高不下。此外，進口糖價低廉，國際糖價下跌，沖擊國內市場，導致區內甘蔗種植面積逐年減少[3]。為確保國家食糖安全，保障國內食糖供應，廣西糖辦開展了全區甘蔗保護區劃定工作，以遏制甘蔗種植面積連年減少的局面。由于休耕、輪作等因素，如何及時監測作物種類變化、掌握甘蔗實際種植面積成為亟待解決的問題。

遙感技術被普遍應用于大規模作物監測估產中[4]。隨著技術的不斷發展，遙感影像的空間分辨率不斷提高，覆蓋周期逐年縮短，數據使用成本降低，高分辨率遙感影像解譯技術不斷成熟，已實現破碎地塊地類性質明顯改變的快速檢索與發現，如耕地、林地變為建筑物等。廣西作物種類繁多，對于農作物的精細劃分，傳統的基于像素值的分類方法缺乏有效的解決方案。

20世紀70年代，Haralick等[5]提出了針對紋理信息的灰度共生矩陣（gray level co-occurrence matrix，GLCM）以及由此導出的能量、熵、對比度、均勻性等14種統計量，該方法已被廣泛應用于圖像識別中。He等[6]運用該方法對南寧城區的棚戶區進行了準確識別提取。除甘蔗以外，保護區內常見玉米、桉樹、水稻等作物，其光譜信息類似，但紋理信息略有不同，本文對是否能利用GLCM進行準確分類進行了探究。

1 數據與方法

1.1 任務區與數據來源

橫州市（原橫縣）位于廣西東南部，是南寧市糖料蔗主要種植區之一，2019年全年農作物播種面積16.58 萬hm2，其中糧食種植面積7.43 萬hm2，甘蔗種植面積2.12 萬hm2，其他農作物主要有玉米、花生、茉莉花等[7]。

“高景一號”（Super View-1）衛星由2顆0.5 m分辨率的光學衛星組成，于2016年12月成功發射，具有專業級的圖像品質、高敏捷的機動性能、豐富的成像模式和高集成的電子系統等特點[8]。本文利用2020年10月0.5 m分辨率高景一號多光譜遙感影像與甘蔗保護區劃定數據進行外業核查，獲取地塊范圍與作物屬性信息，作為樣本數據基礎。

高分辨率影像下甘蔗、玉米、桉樹及水稻的光譜特征如圖1所示。

圖1 高分辨率影像下甘蔗、玉米、桉樹及水稻的光譜特征

1.2 理論基礎

灰度共生矩陣能反映圖像灰度關于方向、相鄰間隔、變化幅度的綜合信息，是分析圖像的局部模式和排列規則的基礎。14個導出參數中，能量（energy）是對圖像紋理的灰度變化穩定程度的度量，反映了圖像灰度分布均勻程度和紋理粗細度；對比度（contrast）反映了圖像的清晰度和紋理的溝紋深淺；相關性（correlation）反映了圖像紋理的一致性；二階距（angular second moment，ASM）值越大則圖像越均勻、變化越規則。

本文所使用的部分參數計算公式如下：

式中：p（i，j）——GLCM矩陣；i，j——矩陣坐標。

1.3 方法

經過外業核查，對甘蔗地保護區內的各類作物進行標注，選取隨機樣本點，生成甘蔗、玉米、桉樹、水稻四類共2 196個21×21像素的影像樣本點。

通過調用OpenCV中的GLCM模塊，分別計算影像四個波段的能量、對比度、相關性、差異性、同質性以及二階距。利用最鄰近算法分別對單一波段、可見光波段（三波段）、可見光與紅外波段（四波段）三種情況進行監督分類。

2 結果與分析

分類結果中的生產者精度指正確分類樣本數與實際樣本數的比值，單一波段、可見光波段、可見光與紅外波段最鄰近算法分類混淆矩陣如表1～表3所示。

表1 單一波段最鄰近算法分類混淆矩陣

表2 可見光波段最鄰近算法分類混淆矩陣

表3 可見光與紅外波段最鄰近算法分類混淆矩陣

由表1～表3結果可看出，由灰度共生矩陣提取出的甘蔗、桉樹特征值，在最鄰近算法監督分類下可獲得90%以上生產者精度，其中單一波段的甘蔗準確率最高，達95.31%。

玉米在任何情況下生產者精度均不足50%，絕大多數被誤分為甘蔗，說明兩者紋理有極高的相似性，在可見光波段分類時精度最高，為45.36%。玉米與桉樹、水稻與桉樹極少存在誤分情況，說明其紋理特異性強。

增加紅外波段后，甘蔗、水稻分類精度有小幅提升，但玉米、桉樹精度略有回落。

用戶精度為正確分類樣本數與分類結果的比值，桉樹用戶精度處于較高水平，達到97%以上，與生產者精度相比，水稻的用戶精度普遍提高，達到88%以上。甘蔗分類的用戶精度顯著低于生產者精度，多波段方式優于單一波段。

玉米的生產者精度均優于55%，其中四個波段參數分類方式達到60.52%。

綜合各項因素，采用多波段參數分類精度普遍優于單一波段。就總體精度而言，三種模式均達到80%以上，依次為81.6%、83.20%、83.52%，多波段精度顯著高于單一波段，四波段最高精度最高，但較三波段優勢不甚顯著。

3 結語

本文引入了計算機圖像識別技術中常用的灰度共生矩陣算法，對甘蔗保護區內常見的幾類作物的紋理特征進行了探究，初步驗證了利用紋理特征進行農作物精分類識別的可行性。下一步可引入更多灰度共生矩陣參數、調整樣本尺度，并利用支持向量機（SVM）、人工神經網絡（ANN）等監督分類方法，進一步提升分類精度?；谠摷夹g，可有效解決傳統遙感自動解譯方法難以實現高精度作物分類以及人工目視解譯高度依賴作業員經驗、解譯精度不穩定、作業效率低下等問題，真正形成面向全區范圍的甘蔗種植面積快速監測技術體系，實現農田精細化管理以及準確估產，助推廣西糖業高質量發展。