基于资源三号卫星遥感影像的山区套种烟草面积估测

刘明芹，李新举* ，杨永花，牛纪军，徐冬云

(1.山东农业大学资源与环境学院，山东泰安 271018；2.山东临沂烟草有限公司，山东临沂 276400)



基于资源三号卫星遥感影像的山区套种烟草面积估测

刘明芹1，李新举1*，杨永花2，牛纪军2，徐冬云1

(1.山东农业大学资源与环境学院，山东泰安 271018；2.山东临沂烟草有限公司，山东临沂 276400)

摘要[目的]针对传统实地测量难以实现山区大面积套种烟草面积监控的问题，研究一种快捷、高精度的估测途径。[方法]利用ENVI5.1软件处理资源三号卫星2.1 m全色影像和5.8 m多光谱影像，导入1∶1万DEM数据进行正射校正以纠正地形起伏引起影像上的误差。野外获得具有代表性的地面控制点(GCP)，利用面向对象分类方法，对影像进行智能化的分割和合并，以GCP的光谱、纹理和形状属性创建规则，进而提取烟草面积。[结果]经过分类后处理提取的研究区烟草面积为14 088.46 hm2，分类精度达到94.63%。[结论]面向对象分类方法提取遥感影像信息的实用性较高。

关键词资源三号卫星遥感影像；ENVI5.1；面向对象分类；烟草种植面积

Estimation of the Intercropped Tobacco Area in Mountainous Area Based on ZY-3 Remote Sensing Images

LIU Ming-qin1, LI Xin-ju1*, YANG Yong-hua2et al(1. College of Resources and Environment, Shandong Agricultural University, Taian, Shandong 271018; 2. Linyi Tobacco Co. Ltd., Linyi, Shandong 276400)

Abstract [Objective] To find a rapid and high-precision estimation approach for estimation of the intercropped tobacco area in Mountainous Area. [Method] ZY-3 2.1 m panchromatic image and 5.8 m multispectral image were researched by ENVI5.1 software. Orthorectification was carried out by introducing 1∶10 000DEM data, so as to correct the image error induced by topographic relief. Representative ground control points (GCPs) were obtained in outdoor. [Result] Images were intelligently combined and divided by object-oriented classification method. Regulations were established based on the GCP spectrum, texture and shape properties. The tobacco area was extracted, which was 14 088.46 hm2. The classification accuracy reached 94.63%. [Conclusion] Extracting remote sensing images by object-oriented classification method had relatively high practicability.

Key wordsZY-3 remote sensing image; ENVI5.1; Object-oriented classification; Tobacco planting area

烟草是我国重要的经济作物，烟草种植面积监测在烟草产业中有重要地位。资源三号卫星影像的处理研究已经取得较多的成果[1-4]，并广泛应用于国情普查、水体和植被等的信息提取等方面[5-7]。面向对象的方法早在20世纪70年代就被运用到影像信息提取中来。近年来，随着影像质量的提高和处理软件的升级，面向对象影像分类研究逐渐成熟，并广泛应用于实际[8-11]。烟草信息的遥感监测起步相对较晚，彭光雄等[12]分析了遥感监测烤烟面积的最佳时相，近年来，利用卫星遥感提取烟草信息和相关生态的研究众多[12-16]。笔者基于研究区特殊的山地套种模式，利用资源三号卫星2.1 m全色影像和5.8 m多光谱影像，通过在影像上提取地面控制点(GCP)的光谱、纹理和形状信息来建立分类规则，进而进行面向对象面积提取，旨在快速获取准确的套种烟田面积，为烟草生产管理服务。

1研究区概况及图像预处理

1.1研究区概况研究区域位于临沂沂水县城以北，涉及2个乡镇40多个村庄，地形以低山丘陵为主，属于暖温带季风气候区，年均气温12.3 ℃，年日照时数2 414 h，年均降水量为766~800 mm，水文条件优越，农业基础设施配套完善，是临沂种植烟草相对集中的地区。近年来，沂水县采用套种地瓜的方式进行烟草种植，种植模式有：一行烟草与一行地瓜间隔套种；两行烟草与一行地瓜间隔套种；两行烟草与两行地瓜间隔套种。烟草套种充分节约集约利用了土地，并在防治病虫害和增产方面起到了一定的作用。研究区种植烟草的品种为“NC102”和“NC55”。

1.2资料收集及GCP选定烟草生长的阶段性特征明显，光谱特征差异大。研究综合经济适用和影像质量条件选用7月中旬资源三号卫星全色和多光谱遥感影像数据进行研究。此阶段是烟草旺长阶段，与其他作物在颜色、含水量和高度等方面差异明显，辨识度高。此外，收集研究区气候、水文、灌溉和耕种条件的资料、烟草种植有关资料、1∶1万DEM高程数据和土地利用现状图等。

为了提取套种烟草遥感信息，参考收集到的资料通过野外调查实地选取地面控制点(GCP)。考虑到烟草生长受地形、气候、光照、施肥条件、灌溉条件核种植模式等多方面的影响，选取200个具有代表性的GCP，收集并记录其自然地理条件、种植户主和GPS信息。

1.3影像预处理研究采用FLAASH大气校正法，应用影像自带的有理函数模型的参数文件(*.RPC)和外部1∶1万DEM数据以及实测地面控制点(GPS)分别对全色和多光谱影像进行正射校正，采用Gram-Schimdt光谱锐化融合方法进行影像融合，并对影像进行裁剪。预处理结果见图1。影像基本无云，清晰度高，植烟区散状分布在相对平坦的地区。

图1　研究区遥感影像预处理结果Fig.1　Remote sensing image of research area

2影像面向对象特征地物提取

面向对象信息提取技术可根据遥感图像分类或目标地物提取的具体要求，检测和提取目标地物的光谱、形状、大小、结构、纹理、阴影、空间位置、相关布局等特征，从而达到对遥感图像进行分类或目标地物提取的目的。

ENVI 5.1中的面向对象图像分类工具比较便捷，这个工具分为3种独立的流程化工具：基于规则、基于样本、图像分割，处理速度较快，可以根据规则或者样本情况自行选择对象属性，避免了不必要的计算，提供了多个函数接口。研究选取基于规则的分类方法，其基本流程为：选择特征提取文件—影像分割与合并—建立影像提取规则—选择属性—预览分类结果—结果输出处理。

2.1影像分割合并

2.1.1分割合并方法的选择。ENVI5.1提供2种分割算法——Edge和Intensity；2种合并算法——Full lambda Schedule和Fast lambda。因为烟草地块具有较为规整的边界，不同种地块间研究选用Edge分割算法和Full lambda Schedule合并方法。

2.1.2影像分割及分割尺度的选择。影像分割波段选择RGB波段。研究区烟草地块相对较小，通过反复的调试，参考失量距离最优分割尺度选择法[8]，分割尺度为28时具有较好的分割效果。

2.1.3影像合并及合并尺度的选择。影像合并波段默认所有波段。通过对比不同分割参数在预览窗口中的分割效果选定最合适的合并参数75。

2.2烟草信息提取规则和属性研究提取烟草基于光谱、形状和纹理这3个规则，每个规则选取相应合适的属性。

2.2.1光谱规则。光谱规则属性有：灰度均值、最大灰度、最小灰度和灰度标准差。

将样本GPS导入影像，提取样本对应点的光谱值。为了消除手持GPS测量误差和影像融合导致的系统误差，采用SAS软件对光谱数据进行处理，绘制分布拟合图、QQ图和正态性检验来检验数据的正态性，剔除边界异常值。

对光谱数据进行处理形成样本参考如表1所示灰度值范围。

表1　样本灰度值范围

以采集样本波谱范围为基准，分别对4个波段进行属性描述。由于1、2和3波段对绿色植被具有较好的识别作用，且3波段融合4波段的特征，因而将前3个波段的权重分别设为3。

2.2.2形状规则。形状规则属性有：面积、长度、多边形的紧密性、坚固性、凸性、延伸性、矩形形状度、圆形形状度、主要方向、孔数、孔面积比等。丘陵地形导致烟田地块面积不大，经土地整理，丘陵地区地块呈梯度分布，部分呈细长的条带状并排分布，地形平整地区则沿道路分布相对规整。受村庄布局和地形影响烟田整体分布零散。综上，选用面积属性作为烟田识别的形状规则。

调查得知存在少数面积小于1 hm2的烟田，但多数与其他烟草地块相邻，为了保证较小的地块不被遗漏，分割尺度较大，分割后产生了部分微小的斑块。该研究最后将面积阈值设定为600 m2，以剔除区域内细小的破碎边界、混合象元和其他对象。

2.2.3纹理规则。纹理属性有：数据范围、平均值、方差和信息熵。烟草由于起垄种植和间隔种植使得烟田有较为特殊的纹理特征。采用概率统计的滤波对各波段进行纹理特征分析，得到样点统计值、同一地块稳定性和与其他地物区别度信息。纹理属性特征见表2。

表2　纹理属性特征

选择波段4纹理平均值作为烟田纹理特征属性，其值范围为5 660~6 630。

根据以上光谱、形状和纹理规则执行面向对象分类。

3分类结果分析及精度评价

图2　研究区遥感影像烟草种植分类结果Fig.2　Classification result of tobacco planting remote sensing image in research area

3.1结果分析经过分类后处理提取的研究区烟草种植面积为14 088.46 hm2。根据相关部门提供的统计资料，研究区下发烟苗纯种理论种植面积为8 765 hm2，烟民根据地块实际宽度合理分配种植，套种地瓜，以两行烟草与一行甘薯间隔套种为主。烟草种植技术人员根据经验对面积进行折合，下发烟苗纯种面积与实际面积折合比率为0.65。遥感提取面积折合后的纯种面积为9 157.46 hm2，在数值上比下发烟苗纯种面积偏大。

3.2精度评价采用非监督分类和决策树分类方法对影像进行分类，对比面向对象法分类结果对3种分类方法进行分类后的处理结果进行评价。3种处理分类处理结果见图3。

从图3可以看出，3种分类方法中，非监督分类冗余信息较多，漏分混分现象严重；决策树分类效果优于非监督分类，但经主要分析处理后零碎地物被错分，漏分现象也比较严重；面向对象分类方法漏分错分现象较少，基本与植烟区相符合。

参考GCP，分别在影像中手动选取有代表性的烟田和其他地块创建感兴趣区域作为样本，对分类结果进行检验。部分评价参数见表3。

图3　分类结果比较Fig.3　Comparation of classification results

Table 3Comparison of classification accuracies of three methods

%

从表3可以看出，非监督分类方法错分率和漏分率较高，分别为 37.9%和43.5%；面向对象分类方法的漏分误差和错分误差比非监督分类较小，为28.4%和20.8%。面向对象分类效果较好，错分误差和漏分误差相对较小，分别为10.52%和4.42%，其分类总精度为为94.63%，Kappa系数为0.956，明显优于其他3种分类，可用于实际应用。

4结论

该研究结合实地调查对遥感影像进行面向对象分类进而获取烟草种植面积数据，具有较高的准确度，得出以下结论：

(1)利用1∶1万DEM数据进行正射校正对地形起伏引起的影像误差有较好的纠正效果。GS影像融合可结合资源三号卫星影像高分和多光谱的双重特性，保持光谱值的真实性。

(2)根据实地调查采集具有代表性的GCP，使得影像提取烟田信息更加准确便捷。

(3)面向对象遥感影像特征地物提取的基础是影像分割，对影像信息提取的准确性和可靠性有直接影像。分割合并阈值的设定要根据实地考察资料和特征地物具体特点，反复试验，才能获得较好的效果。面向对象分类方法不仅利用地物本身的光谱信息，而且充分利用可量化的地物空间和纹理信息，影像的信息利用率和分类精度提高。

参考文献

[1] 吴晓萍，杨武年，李国明.资源三号卫星正视全色与多光谱影像融合及评价[J].物探化探计算技术，2014，36(1)：113-119．

[2] 李向英，何劲，王素敏.遥感影像自动化处理系统处理资源三号影像的方法[J].影像技术，2013(4)：35-37.

[3] FANG L，WANG M，LI D，et al.MOC-based parallel preprocessing of ZY-3 satellite images[J].Geoscience and remote sensing letters，IEEE，2015，12(2)：419-423.

[4] HUANG X，WEN D W，XIE J F，et al.Quality assessment of panchromatic and multispectral image fusion for the ZY-3 satellite：From an information fxtraction perspective[J].Geoscience and remote sensing letters，IEEE，2014，11(4)：753-757.

[5] 赵芳，朱丰琪，冯仲科，等.运用资源三号卫星影像数据提取水体信息的方法研究[J].测绘通报，2014(3)：25-28.

[6] 殷涛，张姝娟，李德江.资源三号影像融合技术在地理国情普查中的应用[J].测绘与空间地理信息，2014，37(6)：122-124.

[7] 王野.基于资源三号卫星影像的城市绿地信息提取方法探讨[J].测绘工程，2014.23(7)：65-67.

[8] 于欢，张树清，孔博，等.面向对象遥感影像分类的最优分割尺度选择研究[J].中国图像图形学报，2010，15(2)：353-360．

[9] 别强，何磊，赵传燕.基于影像融合和面向对象技术的植被信息提取研究[J].遥感技术与应用，2014，29(1)：164-171.

[10] SHI X L，LI Y，DENG R X.Object-oriented information extraction of farmland shelterbelts from remote sensing image[J].Key engineering materials，2012，1485( 500)：500-505.

[11] WU J，PENG D L.Tree-crown information extraction of farmland returned to forests using quickBird image based on object-oriented approach[J].Spectroscopy and spectral analysis，2010，30(9)：2533-2536.

[12] 彭光雄，沈蔚，郭继发.泸西县烤烟面积遥感监测最佳时相的选择[J].山地学报，2009，27(3)：326-332.

[13] 李石华，李佛琳，谭国超，等.卫星遥感融合技术在植烟生态研究中的应用[J].云南农业大学学报，2011，26(S2)：159-163.

[14] 邹益民.卫星遥感技术在内蒙古自治区烟草种植中的应用[J].内蒙古大学学报(自然科学版)，2011，42(6)：708-711.

[15]王政，陈燕丽，莫建飞，等.HJ-1影像中基于光谱特征的烤烟识别方法[J].烟草科技，2014(1)：72-76.

[16] PENG G X，DENG L，CUI W H，et al.Remote sensing monitoring of tobacco field based on phenological characteristics and time series image:A case study of Chengjiang County，Yunnan Province，China[J].Chinese geographical science，2009，19(2)：186-193.

收稿日期2015-12-24

作者简介刘明芹(1991- )女，山东潍坊人，硕士研究生，研究方向：烟草估产。*通讯作者，教授，博士生导师，从事土地管理和规划研究。

基金项目国家自然科学基金项目(41171425)；山东省烟草公司重点项目(2014-7-1)；上海烟草集团公司重点科技项目(SZBCW2013-01140)。

中图分类号S 127；P 407.8

文献标识码A

文章编号0517-6611(2016)03-291-03