基于高光譜遙感衛(wèi)星時序序列玉米種植面積的提取

屈旭洲，施 冬

(長江大學(xué) 地球科學(xué)學(xué)院，湖北 武漢 430100)

1 引言

玉米是我國三大糧食作物之一，玉米的生產(chǎn)發(fā)展關(guān)系到我國國民經(jīng)濟(jì)的發(fā)展和人民的生活[1]。及時、準(zhǔn)確地獲取玉米的種植面積，可為相關(guān)部門進(jìn)行農(nóng)業(yè)規(guī)劃、種植結(jié)構(gòu)調(diào)整、災(zāi)害監(jiān)測、加強田間生產(chǎn)管理等提供重要的基礎(chǔ)信息[2]。隨著遙感技術(shù)的迅速發(fā)展，遙感監(jiān)測已成為提取農(nóng)作物種植面積的重要技術(shù)手段之一[3～5]。遙感所具有的宏觀觀測、動態(tài)監(jiān)測、多樣化的技術(shù)手段為提取玉米種植區(qū)域提供了更加便利的方法。劉珂、周清波、吳文斌等反演了冬小麥葉面積指數(shù)，分析了光譜分辨率、高光譜數(shù)據(jù)波段選擇和模型參數(shù)不確定性對葉面積指數(shù)反演精度和穩(wěn)定性的影響[6]。

本研究以吉林省四平市梨樹縣為例，基于GF-1 WVF影像針對2019年梨樹縣玉米的歸一化植被指數(shù)時序序列進(jìn)行分析、計算與選取，結(jié)合多種分類方法，驗證時序序列選取樣本在梨樹縣的玉米提取精度上的效果，為梨樹縣農(nóng)業(yè)部門提供一定的決策支持。

2 研究來源與方法

2.1 研究區(qū)概況

梨樹縣隸屬于吉林省四平市，位于吉林省西南部，地處松遼平原腹地，農(nóng)業(yè)是梨樹縣的基礎(chǔ)產(chǎn)業(yè)，正常年景糧食產(chǎn)量17億kg，其中玉米產(chǎn)量14億kg，每年有10億kg糧食進(jìn)入銷售市場或深加工[7]。從2020年四平市統(tǒng)計年鑒可得，2019年梨樹縣總糧食產(chǎn)量在19.96億kg，玉米產(chǎn)量占18.86億kg，人均占有糧食、貢獻(xiàn)糧食、糧食單產(chǎn)和糧食商品率均在全國名列前茅，是國家重點商品糧基地縣[8]。

2.2 數(shù)據(jù)獲取

本文實驗數(shù)據(jù)主要包括衛(wèi)星影像GF1-WVF數(shù)據(jù)；實測點數(shù)據(jù)2020年9月13日梨樹縣的玉米區(qū)域?qū)崪y點(圖1)。

GE1WVF2019年9月15日、2019年10月2日、2019年10月21日

2.3 數(shù)據(jù)處理

對高分影像進(jìn)行預(yù)處理，得到遙感影像進(jìn)行波段運算；對實測點數(shù)據(jù)進(jìn)行矢量化，一共26個實測點，其中8個作為樣本點的選擇依據(jù)，18個作為提取精度驗證的依據(jù)。

2.4 研究方法

2.4.1 研究方法綜述

本次實驗是根據(jù)玉米生長的物候信息來提取玉米范圍，梨樹縣的玉米是從4月底5月初就開始播種，到10月份左右開始收獲，首先計算所獲取遙感影像的歸一化植被指數(shù)，利用歸一化植被指數(shù)來凸顯梨樹縣的植被長勢，利用梨樹縣玉米生長的物候信息，觀察出玉米在收獲前后歸一化植被指數(shù)的巨大變化情況，取玉米收獲前后3幅影像計算的歸一化植被指數(shù)，按加色法原理賦予他們顏色，凸顯紋理信息，依據(jù)實測點選擇樣本，最后選擇2個傳統(tǒng)分類方法：最大似然法、最小距離法，以及2個深度學(xué)習(xí)方法：神經(jīng)網(wǎng)絡(luò)法語支持向量機的方法對合成影像進(jìn)行分類，并驗證精度(圖2)。

圖2 數(shù)據(jù)流圖

2.4.2 歸一化植被指數(shù)

研究證明,歸一化植被指數(shù)( normalized difference vegetation index, NDVI)是監(jiān)測地區(qū)和全球植被及生態(tài)環(huán)境的有效指標(biāo)，是反演植被覆蓋狀況的最佳指示因子[8]。通過公式(1)計算出各個時期的NDVI數(shù)據(jù)。

NDVI=(NIR-R)/(NIR+R)

(1)

2.4.3 玉米的提取

2.4.3.1 影像信息增強

將紅色附給2019年5月5日NDVI，綠色附給2019年5月17日NDVI，藍(lán)色附給2019年6月28日NDVI，根據(jù)梨樹縣玉米的物候信息，在查詢金谷糧食網(wǎng)的數(shù)據(jù)時發(fā)現(xiàn)梨樹縣玉米的收獲時間為10月1日，且通過目視判讀發(fā)現(xiàn)5月5日、5月17日、6月28日的NDVI影像符合要求；原因是5月5日、5月17日分別處于冬小麥長勢正好的時候，遙感影像計算得到的NDVI上應(yīng)該是大于0.4，而2019年10月1日處于玉米成熟之后，利用目視解譯發(fā)現(xiàn)，此處的玉米均已收割完畢，所以遙感影像計算得到的2019年6月28日的NDVI應(yīng)該在0.3以下；利用加色法原理，將不同的顏色賦予這三個月的NDVI影像，此時可以得到一個信息明顯增強的影像。

2.4.3.2 監(jiān)督分類提取玉米

將上一步得到的影像，使用最大似然法、最小距離法、神經(jīng)網(wǎng)絡(luò)法與支持向量機4種方法進(jìn)行監(jiān)督分類，樣本分離度都在1.9以上，降低樣本間的關(guān)聯(lián)性，為分類精度提供保證。四種方法使用同樣的樣本，在歸一化植被指數(shù)組合影像上進(jìn)行分類提取，尋找最適合的當(dāng)?shù)赜衩追诸惙椒ā?/p>

3 結(jié)果與分析

3.1 提取結(jié)果與提取精度驗證

四種分類方法分類結(jié)果得出如圖3，結(jié)果表明歸一化植被指數(shù)與最大似然法和支持向量機結(jié)合的玉米方法提取效果最好，精度最高(表1)。

表1 提取精度

3.2 分析與結(jié)果

梨樹縣是玉米產(chǎn)量占糧食產(chǎn)量比重較大的地區(qū)之一，通過歸一化植被指數(shù)對梨樹縣地物圖像信息進(jìn)行增強，得到信息經(jīng)過強化后的影像，再依據(jù)實測點數(shù)據(jù)選擇分類樣本，達(dá)到圖像中地物區(qū)分有明顯差別，選擇的樣本有科學(xué)依據(jù)，再對其使用4種分類方法進(jìn)行分類提取，得到最終結(jié)果。

圖3 提取結(jié)果

根據(jù)提取的結(jié)果與提取精度最大似然法與支持向量機的方法精度較高與梨樹縣2020年統(tǒng)計年鑒對比最大似然法與政府公布數(shù)據(jù)相差最小，所以最大似然法結(jié)合歸一化植被指數(shù)序列提取的玉米種植面積更適合梨樹縣玉米區(qū)域的提取，但是未來的趨勢應(yīng)是深度學(xué)習(xí)結(jié)合相關(guān)方法去做地物的提取，因此，接下來會從深度學(xué)習(xí)結(jié)合物候信息方面去提取農(nóng)業(yè)方面的信息，以適應(yīng)時代潮流，緊跟時代步伐。