基于Sentinel-2 影像的濟寧市冬小麥種植面積提取研究

摘 要： 植被的遙感提取通常利用單一植被指數，而單一植被指數無法全面反映不同植被之間的差異性，易造成漏分、錯分現(xiàn)象，影響提取精度。為有效提取冬小麥種植面積，本文基于PIE-Engine 遙感平臺，利用Sentinel-2 遙感影像數據，結合采樣點以原始特征波段、指數特征為輸入特征，分別使用隨機森林（Random Forest，RF）、支持向量機（SupportVector Machine，SVM）分類法對濟寧市冬小麥種植面積進行提取，評價相同輸入特征下不同分類方法的提取精度、相同分類方法不同輸入特征的分類精度，最終得出最佳分類特征以及分類方法。結果表明：以指數特征作為輸入特征，結合隨機森林分類法提取濟寧市2023 年冬小麥種植面積的精度最優(yōu)，驗證矩陣ACC系數為0.984，驗證矩陣Kappa 系數為0.974?？梢?，基于Sentinel-2 遙感影像的隨機森林-指數特征模型可較準確提取濟寧市冬小麥種植區(qū)域，本研究可提供一種提取冬小麥種植面積的有效方法，為調控農業(yè)生產、合理利用自然資源、實現(xiàn)農業(yè)精準管理、保障糧食有效供給提供輔助依據。

關鍵詞： 濟寧市；冬小麥；隨機森林；支持向量機；Sentinel-2

中圖法分類號： S512.1+1 文獻標識碼： A 文章編號： 1000-2324（2024）03-0406-07

農業(yè)是我國的第一產業(yè)，是國民經濟的重要產業(yè)支撐，也是我國經濟發(fā)展與建設的根本基礎。我國向來重視耕地安全、糧食安全、農業(yè)生產資源、農業(yè)生產效益等基礎農業(yè)問題。小麥作為重要糧食作物之一，其生產情況對于糧食安全尤為重要。小麥種植區(qū)域的變化情況對農業(yè)生態(tài)系統(tǒng)的功能和結構造成很大影響，因此，及時準確地獲取小麥種植面積及其分布變化信息對研究作物生長狀況、產量估算、作物結構調整和優(yōu)化、災情監(jiān)測都具有重要意義，為農業(yè)精準管理、優(yōu)化耕地農業(yè)生產管理制度、保障糧食安全、合理分配自然資源、調控農業(yè)生產提供輔助依據［1］。

獲取作物種植面積的傳統(tǒng)方法主要為抽樣調查和逐級統(tǒng)計上報，此類方法耗費大量人力物力、獲取周期長、時效性低、統(tǒng)計面積易受主觀因素影響且無法獲得詳細農作物空間分布信息［2］。遙感技術具有宏觀觀測、動態(tài)監(jiān)測等特點，可獲取大范圍數據并快速更新監(jiān)測范圍數據。因此，被廣泛應用于農業(yè)生產監(jiān)測領域。

冬小麥遙感提取方法主要分為面向像元分類法和面向對象分類法。面向像元的識別方法以多時相時間序列應用最為廣泛，如Ren et al. 使用MODIS NDVI時間序列數據和線性光譜混合模型對黃淮海平原冬小麥的種植區(qū)進行面積監(jiān)測，研究結果提供了一種快速、穩(wěn)定的冬小麥面積監(jiān)測方法［3］。面向對象分類方法將斑塊作為最小制圖單位，主要依據農作物在光譜、紋理和顏色等特征表現(xiàn)出的差異，例如崔玉環(huán)等基于IKNOS，Worldview-Ⅲ高分辨率遙感影像，采用多尺度分割的面向對象分類方法提取冬小麥，效果顯著，且Kappa 系數達到0.92［4］。機器學習分類算法已被應用于農作物的識別和提取研究中［5］，王小飛等深度神經網絡、隨機森林、支持向量機分類算法結合時序數據提取河南省冬小麥種植面積［6］；牛魯燕等采用隨機森林分類算法和Sentinel 遙感影像提取了山東省冬小麥種植面積［7］；萬叢等基于GF-7 衛(wèi)星影像，對比分析了支持向量機（SVM）和隨機森林（RF）兩種機器學習算法對冬小麥的精細化識別能力［8］。此外，許多具有創(chuàng)新性的冬小麥遙感識別方法被提出，例如Wang et al. 使用Sentinel-2 影像提出一種新的基于注意力機制的卷積神經網絡，研究了6 個具有不同環(huán)境下縣區(qū)內農作物的識別效果，在與CNN和RF算法的對比中表現(xiàn)出更強的適應性，同時研究發(fā)現(xiàn)紅邊波段2 對分類模型的貢獻最大［9］。

濟寧市耕地面積廣、用地類型豐富，這些特點為冬小麥面積提取所用遙感影像提出較高的要求，提取冬小麥種植面積所使用影像既需要較高的空間分辨率同時也要兼顧時間分辨率，以減少不同區(qū)域多種植被、天氣變化等因素對提取精度的影響。Sentinel-2 數據質量好、時空分辨率高、可免費獲取，已被廣泛應用于農業(yè)監(jiān)測中。本文選擇2023 年Sentinel-2 數據作為實驗數據，其高時間分辨率有利于冬小麥空間分布變化信息提取、高空間分辨率有利于不同農作物類型進行區(qū)分。PIE-Engine 遙感云平臺基于云計算、物聯(lián)網、大數據和人工智能等技術研制，依托云平臺基礎環(huán)境，在線提供多源遙感衛(wèi)星影像數據服務、遙感數據生產處理服務、遙感智能解譯分析服務?？紤]到實地樣本數據較少且獲取較為費時費力，選擇適用于小樣本數據的隨機森林方法基于PIE-Engine 遙感云平臺建立濟寧市冬小麥提取模型，并與支持向量機模型對比，驗證并評估不同模型的提取精度。

1 研究區(qū)及數據

1.1 研究區(qū)及概況

本文研究區(qū)域為山東省濟寧市全域，介于34° 26′N～35° 57′N，115° 52′E～117° 36′E 之間（圖1）。濟寧市屬魯南泰沂低山丘陵與魯西南黃淮海平原交接地帶，地質構造上屬華北地區(qū)魯西南斷塊凹陷區(qū)。地形以平原洼地為主，地勢東高西低，地貌較為復雜。濟寧市位于東亞季風氣候區(qū)，屬暖溫帶季風氣候，四季分明。夏季多偏南風，受熱帶海洋氣團或變性熱帶海洋氣團影響，高溫多雨；冬季多偏北風，受極地大陸氣團影響，多晴寒天氣；春秋兩季為大氣環(huán)流調整時期，春季易旱多風，回暖較快；秋季涼爽，但時有陰雨。主要農作物有小麥、水稻、玉米、甘薯、棉花等。獲取濟寧市主要農作物種植面積對于有關部門制定糧食政策、推動產業(yè)發(fā)展、為民生謀福祉具有重要意義。