結合時序遙感指數的耕地資源監測方法研究

摘 要：時序多光譜影像對不同地物分類提取具有重要價值。對不同時相的多光譜影像進行NDVI值提取并形成連續的NDVI時間圖譜影像，可以發現不同地物的NDVI曲線存在一定的變化規律。因此，本文以射陽縣為研究區域，利用2021年7月—2022年3月的遙感影像，對2020年度射陽縣國土變更耕地圖斑的NDVI值進行計算和分析，根據耕地與其他不同地類NDVI值的區別，確定耕地圖斑的最佳閾值區間，從而提取部分準確的耕地圖斑。研究結果表明，該方法對耕地圖斑的提取精度為98.3%。

關鍵詞：時序多光譜影像；歸一化植被指數；耕地圖斑；地類變化

中圖分類號：TP 751 " " " " 文獻標志碼：A

歸一化植被指數（NDVI）是一種描述植被覆蓋度和生長情況的指數。根據植被的光譜反射曲線特征，植被在紅光和藍光波段具有較低的反射率，在綠光波段具有較高的反射率。由于植被對近紅外波段的輻射吸收較少，在近紅外波段具有較高的反射率[1-2]，因此，紅光波段與近紅外波段的比值能夠反映植被生長的綠度變化。

NDVI值的變化范圍為-1～1。當NDVI值為正值時，表示有植被覆蓋。由于紅色波段處于葉綠素的吸收區，紅色波段的反射率越低，NDVI值越大，表示植被的生長狀態越好、植被覆蓋度越高[3]，因此可以根據公式計算耕地圖斑的NDVI平均值，研究單景影像耕地圖斑中NDVI值的區間分布和同一圖斑多景時序影像NDVI值的變化情況。

1 研究目標

對耕地來說，當無作物生長時，耕地植被覆蓋度最低，其NDVI值最低；當作物逐漸生長并趨于成熟時，植被覆蓋度逐漸升高，NDVI值逐漸升高并達到頂峰；當作物成熟并收割時，耕地NDVI值呈下降趨勢，并再次回到谷底[4]。在整個生長季節中，耕地NDVI曲線具有明顯的波峰與波谷。同樣，對建設用地、水體和林地等地類來說，其NDVI也存在一定的特征值或特征趨勢[5]，為區分耕地與非耕地圖斑奠定了基礎。本文統計了射陽縣國土耕地圖斑NDVI值，確定了耕地的閾值區間，進而提取未變化耕地圖斑，以節省人工解譯判讀圖斑的工作量，提高監測的工作效率。

2 數據源和數據處理

本文將射陽縣2021年7月～2022年3月部分地區GF-1、GF-1B、GF-1C、GF-1D和GF-1E等空間分辨率為1m、2m的影像作為研究遙感數據源；將2021年8月、11月和2022年3月、5月空間分辨率為1m、2m的標準真彩色正射影像作為耕地資源的監測遙感影像；將射陽縣2020年度變更耕地圖斑作為目標監測矢量范圍；將射陽縣域邊界作為裁切影像的矢量范圍。

各類GF影像數據格式均為TIFF格式，進行正射糾正、影像配準等預處理后得到覆蓋射陽縣范圍的四波段影像，其中band1～band4波段包括RGB、NIR，各波段屬性情況見表1。

3 不同地類時序NDVI值的變化特征

3.1 不同地類NDVI特征值分析

由于不同地類對紅光波段和近紅外波段的反射率不同，因此其所對應的NDVI值也存在一定差異，為利用不同NDVI值提取不同地類提供了可能性。本文以射陽縣洋馬鎮為例，選取2021年8月的影像NDVI，對人工解譯提取的耕地圖斑進行驗證和分析，將國土變更耕地圖斑的利用情況分為耕地、非耕地植被、水面和建設用地4類，并統計各個圖斑的NDVI值，如圖1所示。

由試驗結果可知，耕地圖斑的NDVI平均值主要集中在0.4～0.6，非耕地植被圖斑的NDVI平均值主要集中在0.30～0.55，建設用地圖斑的NDVI平均值主要分布在0.0～0.4，水面圖斑的NDVI平均值為0.0～0.3。分析這4種地類NDVI值的分布情況能夠發現，耕地圖斑可以較好地與建設用地圖斑和水面圖斑進行區分，但是對綠化用地等非耕地植被圖斑來說，僅通過單景影像的NDVI難以與耕地進行區分，因此需要引入時間序列的NDVI數據，研究不同地類NDVI值在不同時期的變化情況，來對耕地圖斑與其他地類進行區分提取。

3.2 不同地類時序NDVI變化特征分析

時間序列由根據時間變化所得的觀測量組成，與傳統的靜態數據不同，時間序列的數據研究過程非常復雜，它研究的是不同地類的變化過程。農作物與其他地類具有不同的物候特征，反映在時序NDVI上為不同的波形，例如波峰與波谷的振幅、相位以及頻率等不同特征[6]。研究時序NDVI的變化特征能夠提取耕地信息，從而有效區分耕地與其他地類[7]。在變更耕地圖斑中，選取耕地、建設用地、非耕地植被和水面4類典型地類的感興趣區，計算各地類每個時間節點的NDVI平均值，繪制出典型地類的月度時間序列NDVI曲線，如圖2所示。其中，橫坐標為影像的獲取時間，即2021年7月—2022年3月；縱坐標為各時期圖斑的NDVI平均值。

由圖2可知，耕地的NDVI值呈現出先上升、后下降、再上升的趨勢，分別表示春、夏種植作物與秋、冬種植作物的生長規律，這與射陽縣耕地的種植模式相吻合。在統計期內，非耕地植被的NDVI值也呈現先上升、后下降的變化趨勢，其原因是隨著季節變化，一些園地和林地的枝葉經歷先生長、后凋落的過程，其NDVI值表現為夏季枝葉生長茂盛，NDVI值較高，到了冬季枝葉凋落，NDVI值也趨于降低。統計期內建設用地與水面的NDVI值呈現小幅波動的變化態勢，這2種地類植被覆蓋度較低，受季節變化的影響較少，因此整個統計期內的NDVI值均保持在較小的波動范圍內。

4 耕地圖斑的提取方法

分析不同地類時序NDVI值的變化情況可知，耕地圖斑的NDVI值變化情況與其他地類在一些月份存在明顯差異，如圖3所示。疊加分析4種地類NDVI值的時序變化特征可以發現，2021年8月、9月和次年2月、3月的耕地圖斑NDVI值均顯著區別于其他地類圖斑。

基于該特征統計各景影像的NDVI值分布情況，可以確定每景影像耕地NDVI的閾值區間，進而提取該景影像的耕地圖斑。以2021年11月的一景影像為例，計算該景影像范圍內所有國土變更耕地圖斑的NDVI平均值，統計其在不同閾值區間內圖斑的數量和變化情況，分別如圖4、圖5所示。

從圖4可以看出，此景影像的NDVI值整體呈正太分布的趨勢。從圖5可以看出，圖斑數量在（-0.3，-0.2）～（-0.2，-0.15）呈現陡然上升的趨勢；圖斑數量在（0，0.1）～（0.1，0.2）呈現陡然下降的趨勢，說明在（-0.2，0.1），該NDVI值所在范圍的圖斑的特征性一致。隨機選擇100個閾值在此區間的圖斑，帶入影像中進行驗證，結果均為耕地圖斑，但是其植被覆蓋度略有差異。一部分圖斑處于休耕的裸土狀態，植被覆蓋度較低；另一部分圖斑處于農作物的生長期，植被覆蓋度較高。各選取10個＜-0.2和＞0.1閾值范圍的圖斑，帶入影像中進行驗證，其中＜-0.2的圖斑多為水面和建設用地，＞0.1的圖斑多為綠化造林地或園地等非耕地植被。

由上述統計與分析可以確定耕地圖斑的閾值區間，從而提取該景影像中的耕地圖斑。但是在單景影像的統計與分析中還存在少部分其他地類圖斑的植被覆蓋度與耕地圖斑相似的情況，難以將這部分其他地類從耕地圖斑中篩除出來，從而影響耕地圖斑的提取精度，因此需要疊加分析時序影像NDVI值，通過計算-統計-分析-提取，得到每一景影像的耕地圖斑，再將所有圖斑進行疊加分析，進而提取更準確的耕地圖斑。

5 結論

本文對耕地圖斑NDVI值進行了計算、統計和分析，明確了圖斑NDVI值分布的數量規律，并對計算結果進行閾值分割，以確定未變化耕地圖斑的閾值范圍，從而提取未變化耕地圖斑，再疊加分析所有時序影像提取的耕地圖斑，提升分割精度，進而提取更準確的未變化耕地圖斑，最后使用監測區全圖斑人工解譯的真實數據對耕地提取結果進行驗證。研究結果表明，采用本文方法提取的未變化耕地圖斑占射陽縣國土變更耕地圖斑的32%，耕地圖斑提取的準確度為98.3%，說明該方法能夠有效且大面積地提取耕地圖斑。

參考文獻

[1]趙英時.遙感應用分析原理與方法[M].北京：科學出版社，2003.

[2]李惠敏，劉洪斌，武偉.近10年重慶市歸一化植被指數變化分析[J].地理科學，2010，30（1）：119-123.

[3]章文波，符素華，劉寶元.目估法測量植被覆蓋度的精度分析[J].北京師范大學學報（自然科學版），2001（3）：402-408.

[4]吳炳方，張峰，劉成林，等.農作物長勢綜合遙感監測方法[J].遙感學報，2004（6）：498-514.

[5]江東，王乃斌，楊小喚，等.NDVI曲線與農作物長勢的時序互動規律[J].生態學報，2002（2）：247-252.

[6]王紅說，黃敬峰.基于MODIS NDVI時間序列的植被覆蓋變化特征研究[J].浙江大學學報（農業與生命科學版），2009，35（1）：105-110.

[7]王堅，張繼賢，劉正軍，等.基于NDVI序列影像精化結果的植被覆蓋變化研究[J].測繪科學，2005（6）：43-44.