農業遙感影像面積提取算法研究進展與展望

魯新新，阿迪力·亞森，蔣青松

（塔里木大學 信息工程學院，新疆維吾爾自治區 阿拉爾 843300）

衛星遙感技術具有快速、簡便、宏觀、無損及客觀等優點，經過幾十年的快速發展，目前已經廣泛應用于農業生產領域的各個環節。作物生長狀況的及時獲得和解譯是開展現代精準農業的基礎，衛星遙感技術于農業作物信息的獲取有較為明顯的優勢[1]。近年來中分辨率遙感衛星如Landsat、Sentinel 以及中國高分衛星等的免費開放為國內外農業土地利用信息提取提供了前所未有的機遇，特別是遙感圖像分類算法方面取得了一系列重要研究進展。

1 國內外研究現狀

對于利用遙感圖像來對地面農業地類進行解譯，國內許多學者已經進行了數十年的研究。分類方法日趨增多，大致可以分為監督分類和非監督分類，分類精度也愈來愈高。而作為遙感農業分類研究的數據來源，遙感圖像的分辨精度也經歷了從低分辨率（NOAA AVHRR 以及國產風云氣象系列）到中高分辨率（Landsat系列等）再到高分辨率（高分系列等）。近些年來衛星傳感器種類不斷增多、技術不斷迭代，如基于高光譜、多角度、微波、熱紅外遙感等更多種類且高質量的遙感數據可以為我們所用[2]。早期的低分辨率遙感圖像主要運用于大范圍的國土遙感檢測，中高分辨率遙感圖像出現以后，區域性的詳細地類監測以及分類才得以迅速發展起來。李曉東、姜琦剛以鎮賚縣為試驗區，設計了基于多時相遙感數據的農田分類提取方案。該算法的總體分類精度為94%[3]；2016 年，2 位學者又在此地區利用 Landsat 8 遙感數據構建多維分類特征數據集對試驗區進行土地覆被分類研究，提取了11 種土地利用類型。最終多維變量組合方案的總體分類精度為95.50%[4]；劉煥軍、孟令華等基于時間序列Landsat 5 和Landsat 7 系列遙感數據，結合實測作物產量數據，進行了棉花產量遙感預測模型研究。研究表明基于Landsat 遙感數據的植被指數時序準確反映了棉花整個生長期的長勢情況。其他針對中高分辨率遙感圖像以及相關處理指數的

研究仍然不在少數，其中特別是基于Landsat 系列遙感數據的研究十分豐富。另外，近些年來，由于深度學習的興起，將深度學習算法應用于遙感數據分類提取的研究也日趨增多。以上學者基于各種遙感圖像數據進行了多方向多方法的分類研究，且都取得了一定的研究成果。但長期以來，雖然作物分類算法日益豐富，提取精度也隨著算法優化而不斷提升。但這些研究多集中于不同算法的提取精度比較或者對單個算法的優化上，對于其他維度，如作物不同生育期階段以及不同品種作物細分類的研究較少。

2 存在問題與展望

2.1 存在的主要問題

2.1.1 農作物不同生育期階段面積提取精度對比研究較少

借助于Landsat 數據、高分系列和其他遙感衛星，近幾十年在作物時空分布和面積監測的方面取得了較大進展。但某作物生育期內各階段的提取精度對比的研究較少，如棉花就可以對比苗期、蕾期、花齡期、吐絮期的面積提取精度并研究其具體差異原因。

2.1.2 作物生育前期的面積提取精度較差

由于農業作物生育期早期與其他作物缺乏較為明顯的分類特征，農業地塊破碎、云雨天氣頻發等諸多難題也是影響分類的重要因素，致使利用Landsat 等遙感圖像進行分類提取時提取效果不佳。

2.1.3 高分辨率遙感圖像優勢利用不佳

近些年來，隨著我國高分系列遙感衛星的使用，遙感圖像的分辨率已經達到了米級，但目前主流的分類算法依然依靠像元來作為主要的分類依據，對于高分辨圖像的對象和紋理細節無法利用，使高分辨影像的優勢無法發揮。

2.2 未來展望

2.2.1 多源遙感數據融合

目前各個遙感數據產品有各自的優勢和缺陷，由此多源融合成為目前以及未來領域內探索的方向之一。MODIS 系列遙感影像覆蓋面廣且間隔周期短，但其分辨率較低，可以融合Landsat 系列或更高分辨率的高分系列，以達到優勢互補，滿足一些既需要高分辨率又對時間有要求的研究和應用。

2.2.2 深度學習將在遙感圖像分類和面積提取方面發揮重要作用

就現在的面積提取算法而言，傳統的監督和非監督分類逐漸向深度學習算法（CNN 等）發展，尤其是基于卷積網絡的新興分類算法（FCN、SegNet 和DeepLab 等）的研究逐漸增多，雖然對于這些算法的分類精度目前尚不明朗，但近幾年該領域的研究十分活躍，相信未來該方向研究將更加深入。

2.2.3 植被指數的運用

植被指數（NDVI 等）用來輔助分類和提取作物面積，因為各個地物類型的植被指數范圍不同，在使用提取算法做面積提取之后，用提取范圍進行植被指數值范圍分析，剔除異常值以提高提取精度。

2.2.4 使用交叉學科知識來提高分類提取精度

鑒于農業和地理學和生物學有一定的交叉，因此利用跨學科的專家知識方法也將被大量運用于作物分類及面積提取領域。

3 結語

本文詳細闡述該領域國內外研究發展歷程以及行業內最新研究成果，并對相關研究作簡要評述。并對領域內的缺點如生育前期面積提取精度不佳、高分辨率遙感圖像優勢利用較差等進行了總結概述，而后對如多源遙感數據融合、植被指數的運用等研究方向進行展望。立足我國農業遙感分類以及作物估產的強烈需求，本文對研究農業遙感影像分類算法發展歷程以及相關科研人員掌握領域動態有一定的參考意義。