基于PIE-Engine的甘蔗榨季砍收進度監測

關鍵詞：PIE-Engine;甘蔗；遙感；收獲；監測

中圖分類號：S126 文獻標識碼：A 文章編號：2095-1795（2023）05-0021-06

DOI： 10.19998/j.cnki.2095-1795.2023.05.005

0引言

根據聯合國糧食及農業組織統計數據庫（FAOSTAT），甘蔗是全球總產量最高的農作物，2020年全球甘蔗總產量達到18.7億t。我國是世界上重要的甘蔗生產區，甘蔗總產量居世界第3位，2020年甘蔗總產量達到1.08億t。其中廣西壯族自治區（以下簡稱廣西）甘蔗種植面積及產糖量均占全國比例60%以上。蔗糖產業是廣西的支柱產業之一，廣西111個縣（區）中有超過100個種植甘蔗，有20多個縣（區）財政收入近50%來自甘蔗糖業稅收。廣西甘蔗生產主要面臨成本上升、勞動力短缺、自然災害頻繁及收益變動大等因素影響，其中榨季砍收過程中的勞動力短缺問題尤為突出，加快科技創新與推廣是解決上述問題的主要途徑。近年來，遙感技術由于具有監測范圍廣、實時性好等優點而被廣泛用于農業領域的大范圍監測。國內外已有不少關于甘蔗面積遙感監測的研究，如陳劉鳳等基于Landsat8_OLI影像引入歸一化植被指數（ Normalized Difference Vegetation Index，ⅣDVI）、數字高程模型（Digital Elevation Model，DEM）等輔助識別特征變量，采用隨機森林分類法進行多時相連續解譯，并借助Google Earth高清遙感影像比對修正，準確提取一個縣的甘蔗種植面積信息。張東東等以多時相國產HJ衛星影像為數據源，采用基于NDVI時間序列的決策樹分類模型提取我國南方地區甘蔗面積。甘蔗種植的南方地區常年多云多雨，單一光學衛星傳感器數據獲取能力不足，黃啟廳等[s]基于高時空分辨率多源遙感數據協同，結合作物物候歷和地物光譜、NDVI時序變化等多維特征，完成田地塊尺度下甘蔗種植制圖。合成孔徑雷達（ Synthetic Aperture Radar，SAR）不僅有不受云雨天氣影響的優點，還可通過記錄HH、HV、VH和VV 4種極化信息，大大提高地物識別精度。LUO C等使用多時相或多極化SAR數據比單時相或單極化SAR數據能獲得更好的分類結果。當需要協同使用包括光學與雷達多傳感器、多時相遙感數據的情況下，傳統桌面端遙感處理平臺無法滿足遙感大數據處理的需求。遙感云計算平臺的出現改變了傳統遙感數據處理和分析模式，為海量數據快速處理與信息挖掘帶來了新的契機。遙感云計算平臺憑借著具有強大的云計算能力、豐富的遙感數據等優點，可以滿足大空間尺度、長時間序列遙感數據集的存儲、組織、計算和對軟硬件環境的高要求，提高遙感應用的普適性。目前已經有許多研究者基于Google Earth Engine（ GEE）云平臺進行了作物監測方面的研究。如周珂等使用GEE云平臺對河南省的冬小麥面積進行提取及快速制圖。在甘蔗砍收過程遙感監測研究方面，馬尚杰等利用多時相HJ衛星影像為數據源，通過設置波段閥值，建立甘蔗信息提取決策樹分類的方法，實現縣域及以上區域尺度下，對甘蔗收割過程的監測。這種方法只能由研究機構中的專業科研人員通過操作復雜的專業軟件來完成，在很大程度上限制了推廣應用。目前還沒有關于甘蔗收獲監測信息系統的報道，有必要設計和開發專用的甘蔗砍收進度監測信息系統，為甘蔗生產相關部門提供簡單易用的在線甘蔗砍收進度監測工具。像素專家引擎（Pixel Information Expert Engine，PIE-Engine）是我國企業自主研發的安全可控的開放式遙感云計算產品，在數據、算法及算力方面能與GEE媲美。本研究以廣西來賓市興賓區2020/2021榨季為例，基于PIE-Engine平臺的數據和算法，進行二次開發。使用多時相Sentinel-2多光譜影像數據提取甘蔗種植區域。在此基礎上利用Sentinel-l雙極化SAR數據全天候重放周期短的特點，通過變化檢測算法提取不同甘蔗種植區域的近似砍收日期。利用PIE-Engine的二次開發能力，開發縣域甘蔗榨季砍收進度監測系統，降低遙感技術應用門檻，提高甘蔗砍收信息化管理水平。

1數據來源與研究方法

1.1研究區概況

來賓市地處桂中腹地，是典型的亞熱帶季風氣候，日照、氣溫和降水等自然條件適合甘蔗生長，其中興賓區位于來賓市中部，地跨108°43′52″～109°36′28″E，23°16′26″～24°04′39″N，轄23個鄉鎮，行政區域面積4 364.18 km²。興賓區甘蔗種植面積、產量和產糖量2010—2019年連續10年位居全國縣（區）首位，2019/2020榨季產糖量64萬t，是名副其實的“中國糖都”。

1.2平臺與數據

PIE-Engine是一個集實時分布式計算、交互式分析和數據可視化為一體的在線遙感云計算開放平臺，支持JavaScript與Python兩種語言。平臺擁有大量免費的遙感數據資源，其中包括Landsat數據、哨兵（Sentinel）數據、Modis數據、高分數據和風云數據等，用戶無需下載，直接引用平臺數據即可。平臺還支持用戶自行上傳矢量或柵格數據，也可導出數據。用戶僅需通過編程就能實現從遙感數據準備到計算分析的全過程，大大降低了遙感技術的應用門檻。

哨兵1號（Sentinel-l）由兩顆極軌衛星（Sentinel-1A和Sentinel-1B）組成，載有C波段SAR，重訪周期為6d，具備通過云層進行觀測的能力，可不受天氣影響獲取圖像。哨兵2號（Sentinel-2）是高分辨率多光譜成像衛星，攜帶一枚多光譜成像儀（ MSI），分為2A和2B兩顆衛星，其中一顆衛星的重訪周期為10d，兩顆互補，重訪周期為5d，分辨率分別為10、20和60 m。常用于陸地監測，可提供植被、土壤和水覆蓋、內陸水路及海岸區域等圖像，還可用于緊急救援服務。該衛星具有高分辨率和高重訪率，因此其數據的連續性較強，更易于分辨甘蔗種植區域。本研究選用數據包括PIE-Engine平臺提供的Sentinel-1和Sentinel-2影像數據，并在平臺上進行調用、分析。平臺提供的Sentinel-1影像是GRD產品，該數據是經過多視處理、地形校正的。Sentinel-2影像的產品等級為L2A級，是經過大氣校正的大氣底層反射率數據，在本研究使用中篩選云量低于5%的數據。其他數據包括興賓區矢量界線數據，用以進行分鄉鎮的統計分析。使用的遙感影像參數如表1所示。

1.3研究方法

1.3.1技術流程

本研究基于PIE-Engine平臺提供的興賓區范圍內2020年甘蔗拔節期（4—5月）、旺盛期（6—8月）和成熟期（9—10月）的Sentinel-2多光譜無云影像，通過分析3個時期的ⅣDVI時序變化走勢，根據甘蔗生長速度快、生長周期長的物候特征及在砍收前其NDVI值呈現“廠”字形的分布特點。首先設置ND VI閥值（旺盛期NDVIlt;0.3）使用掩膜運算過濾非植被區域后，對植被區域使用K-Means非監督分類方法進行甘蔗種植區域提取。結合2020年11月1日—2021年2月28日榨季內19個時期的Sentinel-1雷達影像，開發雷達植被指數算法提取甘蔗砍收日期信息，監測榨季甘蔗砍收進度。步驟主要包括ND VI合成、甘蔗種植面積提取和砍收進度信息提取3部分。流程如圖1所示。

1.3.2甘蔗種植面積提取

歸一化植被指數（NDVI）是反映土地覆蓋植被狀況的一種常用遙感指標[18]。本研究使用PIE-Engine平臺中的甘蔗拔節期（4—5月）、旺盛期（6—8月）和成熟期（9—10月）共3個重要時期的Sentinel-2無云（云量lt;5%）影像數據，根據NDVI計算公式編寫代碼獲取NDVI時序數據，合成NDVI的3波段影像。根據研究區不同作物3個時期的NDVI走勢差異，采用非監督分類方法進行甘蔗種植區域的提取。NDVI計算公式

NDVI=（NIR-Red）／（NIR+Red） （1）

式中NIR——近紅外波段反射值

Red——紅波段反射值

1.3.3砍收進度信息提取

在獲得甘蔗種植區域分類結果的基礎上，開發利用雷達植被指數（RVI）獲取砍收日期信息的算法。使用PIE-Engine平臺提供的興賓區2020年11月1日一2021年2月28日（19個時期）的Sentinel-1雷達影像，選用VV和VH化方式生成19個時期的RVI圖層，RVI算法按式（2）計算。

RVI=4·VH／（VV+ VH） （2）

式中VV、VH——同極化和交叉極化后向散射系數

通過19個RVI時序圖層，獲取砍收日期信息的算法如下。

（1）首先將19個時期的RVI圖層合成影像集合（image collection）。

（2）使用最小值（min）方法將影像集合鑲嵌成為一張最小值圖層（image）。

（3）循環19個時期圖層，分別與最小值圖層進行相等（ equal）運算，得到19個時期的二值化柵格。

（4） 19個時期的二值化柵格分別乘以各自的圖層日期索引（2020年11月1日為1，2020年11月2日為2，2020年12月1日為31……以此類推）。

（5）對上一步得到19個圖層（image）進行合計（sum）運算得到砍收日期圖層，獲得砍收日期信息。

2結果與討論

2.1甘蔗種植空間分布

2.1.1ⅣDVI分析

通過興賓區甘蔗NDVI時序特征可以將甘蔗與其他主要作物進行區分。首先使用6—8月NDVI閥值（NDVIgt;0.3）剔除非植被區域。根據不同作物的NDVI走勢區別，對甘蔗進行區分。其中，甘蔗的NDVI走勢呈“廠”字形分布，即4—5月，甘蔗處于拔節期，ND VI較小，生長速度快，隨著ⅣDVI大幅上漲，6—8月進入甘蔗旺盛期，NDVI達到峰值，9—10月甘蔗進入成熟期，適宜收獲，并且與旺盛期NDVI差值小。而水稻的走勢呈倒“V”字形分布，林地和果園呈“一”字形分布等。基于合成NDVI的3波段影像如圖2a所示，對非植被區域進行掩膜過濾后（旺盛期NDVIlt;0.3），使用K-Means非監督分類方法將地物分為9類，得到隨機聚類結果，結果如圖2b所示。

2.1.2甘蔗種植面積提取

基于Sentinel-2遙感影像數據合成NDVI的3波段影像，采用非監督分類方法所得隨機聚類結果（圖2c），與PIE-Engine平臺上提供的天地圖影像（圖2d）進行對比確認甘蔗具體類別及范圍（圖2e）后，編寫代碼進行篩選，導出甘蔗種植區域分類二值圖層，進行甘蔗種植信息提取，可以獲得2020/2021榨季甘蔗種植區域分布情況，如圖2g所示。將提取結果與興賓區多年來甘蔗種植面積進行對比。提取得到2020年興賓區甘蔗種植總面積為8.81萬hm²（132.22萬畝）與興賓區多年來穩定的種植面積8萬～10萬hm²（120萬～150萬畝）吻合。與天地圖進行對比，提取出的甘蔗區域與天地圖影像基本吻合。分鄉鎮進行循環提取甘蔗種植面積，以公頃為單位進行統計分析，可以獲得分鄉鎮的2020/2021榨季興賓區甘蔗種植面積統計結果如圖3所示。2020/2021榨季興賓區甘蔗種植面積最大的鄉鎮為鳳凰鎮，面積1.24萬11hm²，占總種植面積的14.02%；種植面積最小的鄉鎮為城東，面積5.58hm²，占總種植面積的0.01%。

2.2甘蔗砍收進度

2.2.1全縣砍收進度分析

Sentinel-1載有C波段SAR，具備通過云層進行觀測的能力，可不受天氣影響獲取圖像，適宜進行對于多雨多云的南方地區甘蔗砍收進度監測。選取甘蔗榨季（2020年11月1日—2021年2月28日）的Sentinel-1遙感影像數據，使用VV和VH極化方式，開發基于雷達植被指數和變化檢測算法的甘蔗砍收日期提取方法，結果如圖4a所示。2020/2021榨季興賓區甘蔗砍收進程，不同砍收日期被賦予不同的顏色。基于所得甘蔗砍收進度信息，調用PIE-Engine平臺提供的可視化功能將總砍收量通過折線圖形式展示（圖4b），可以看到砍收速度總體上較為均衡，直到春節前后砍收速度有所加快。

2.2.2鄉鎮砍收進度分析

基于2020/2021榨季興賓區全縣甘蔗砍收進度，分鄉鎮進行循環統計，對每一時期的各鄉鎮像素值進行求和統計，通過調用PIE-Engine平臺提供的可視化功能展示各鄉鎮的砍收進度情況，結果如圖4c所示。

2.2.3砍收進度信息查詢及展示

基于所得甘蔗砍收進度信息，通過PIE-Engine平臺提供的UI功能開發了運用交互式滑塊組件控制砍收日期節點的功能，可進行已砍收甘蔗區域查詢的功能。用戶可以通過滑動滑塊改變砍收日期節點，進行已砍收甘蔗區域的查詢，紅色部分為已經砍收，綠色為未砍收。查詢界面如圖4d所示。

3結束語

基于Sentinel-2數據及作物NDVI走勢差異，結合PIE-Engine在線云計算平臺，采用非監督分類方法，可準確提取甘蔗種植面積信息。采用Sentinel-1遙感影像數據，開發雷達植被指數算法，提取砍收日期信息，構建縣域甘蔗砍收進度監測在線程序，降低遙感在市縣級部門的應用門檻。使用的方法可以很好地對興賓區甘蔗種植信息進行快速提取并進行縣域尺度下的甘蔗砍收進度監測。在甘蔗種植信息提取方面，使用Sentinel-2影像數據通過計算NDVI，根據研究區不同作物的NDVI走勢差異，通過非監督分類方法提取2020年興賓區甘蔗種植空間信息。結果相對統計數據的總體誤差較小，所得的種植區域分類結果的精度可以滿足實際應用需求。在甘蔗砍收進度監測方面，采用Sentinel-1遙感影像數據，開發提取砍收日期信息的RVI法，通過PIE-Engine平臺進行可視化展示及交互式功能的開發，形成了簡單易用的在線甘蔗砍收進度遙感監測程序，方便非遙感專業人員使用。后期可以通過調整有關參數，演變為水稻、玉米、小麥等大宗作物的遙感監測方法，具有良好的推廣應用價值和后期擴展能力。