遥感影像在农业中的应用

2019-10-23李明泽马浩然吴培昊

天津农学院学报 2019年3期

李明泽，马浩然，吴培昊

（天津农学院农学与资源环境学院，天津 300384）

近几十年来，随着遥感技术的不断发展，获取的遥感影像质量越来越佳，尤其是近几年高分辨率国产卫星的兴起，遥感影像在分辨率及时效性方面不断提高，逐渐为不同行业日益增长的监测需求提供了较大帮助。农业是遥感技术应用最重要和广泛的领域之一，国产卫星遥感影像在农业中的应用也越来越广泛。遥感技术由于能快速无损地获取大范围空间地表信息，因此在监测农作物面积、估测作物长势和产量、监测作物灾害等方面越来越受到关注。它不仅能减少大量传统调查人员的工作量，全面估测调查区域作物状况，还能结合地理信息系统平台及气象环境数据，准确直观地发布农情信息。近年来，随着各类遥感数据源尤其是国产影像的增多和图像处理技术的发展，遥感获得了更多发展契机，这也将会推动农业信息化、现代化的发展。

1 农作物分类与面积监测

农作物分类与面积监测方法经历了从粗放的大面积监测到精细监测的过程。使用遥感影像监测农作物面积主要是针对一种或多种农作物面积进行监测。利用农作物的植被指数或者农作物在某个波段的特殊反映，提取出农作物与非农作物，进一步区分农作物的不同类型。

在遥感技术刚刚发展的阶段，遥感影像主要为低分辨率，使用较多的影像为低分辨率MODIS数据，主要用于监测大范围农作物，如全国或全球范围的农作物分布面积。MODIS数据由于获取方便以及免费的特点，成为诸多学者研究的热点。韩素芹等[1]利用MODIS影像对天津市冬小麦面积进行分类提取，得到冬小麦面积及分布图。除了低分辨率数据外，以美国的Landsat卫星数据为代表的中分辨率数据也是遥感农业研究的热点，Landsat数据以其获取免费、波段多、覆盖范围广等特点，受到广泛欢迎。刘同海等[2]使用Landsat卫星TM传感器数据对内蒙古自治区镶黄旗的退耕还草情况进行监测，对比了2004年和2003年期间植被的变化情况。MODIS和Landsat数据等中低分辨率的遥感卫星在国家级、省级、市县级大宗作物的监测中一直发挥着重要作用[3]。

国产卫星数据应用方面，在数据应用初始阶段，国产的“环境一号”小卫星是较常用的影像，其多光谱影像分辨率为30 m，分辨率属于中低分辨率，在农业上多为监测大范围农作物。李杨[4]利用环境卫星（HJ-A/B）进行大尺度监测农作物种植面积，认为时间分辨率可以弥补数据与美国Landsat-TM数据在质量上存在的差异，解决了农作物种植面积测量时遥感数据因受云雾雪等天气影响而难以获取的问题。

随着国产卫星数据发展越来越快，数据质量越来越好，越来越多学者采用分辨率更高的国产数据进行研究。农作物类型分类与面积监测方法也更加完善，将遥感数据与农作物物候期结合起来，能够大大改善监测效果。也有越来越多的学者通过多期遥感数据共同分析监测农作物类型与面积。黄健熙等[5]利用高分一号卫星多个时相16 m分辨率的数据，采用随机森林分类算法对黑龙江省黑河市嫩江县玉米与大豆种植面积进行提取。王利民等[6]利用4期16 m的高分一号数据，采用基于分割对象结合分层决策树分类算法对冬小麦面积进行提取。武笑天[7]基于国产高分一号 16 m影像与美国 Landsat-8卫星数据进行小麦面积监测的对比研究，认为国产高分一号卫星总体分类精度相对于Landsat-8卫星数据稍低，但其生产和用户精度比Landsat-8卫星要高。此外，陈志杰[8]也提出单纯基于 GF-1数据的作物面积遥感监测效果较差，其原因主要在于目前GF-1影像只有近红外、红光、绿光和蓝光等4个波段，缺少对农作物生理生态特性非常敏感的SWIR等特征波段，而Landsat卫星恰恰能满足此需求。

另外，随着国产高分辨率数据分辨率越来越高，提取小范围某种类型农作物的效果也越来越好。娜仁花等[9]利用资源三号卫星影像采用基于PCA和纹理特征的分类方法提取种植红花面积。郑利娟[10]根据研究区的高分一号融合后的2 m数据结合高分六号数据，采用基于时间序列的面向对象农作物分类方法对农作物进行分类，提高了农作物遥感识别和分类精度。李大威[11]用2 m分辨率的高分一号和0.8 m分辨率的高分二号影像，实现了玉米区信息提取研究。

2 农作物受灾情况监测

病害、虫害、冻害对农作物的叶片结构、叶绿素含量等产生影响，这些影响也会反映在光谱特征上。受害胁迫后的作物冠层光谱因植株本身形态与结构影响，与健康叶光谱存在一定差异，作物遭病害危害或长势改变后，反射光谱一定会发生变化，遥感影像灰度值也会相应变化。利用遥感影像中作物的光谱特征去判断作物是否受灾，结合计算机图像处理算法，就可实现对农作物受灾情况的监测。如:杨粉团等[12]利用多时相环境卫星遥感影像监测玉米黏虫灾情空间分布；王立志等[13]利用基于多时相环境卫星影像监测玉米倒伏灾情情况。

大多数灾害研究使用光学遥感数据，是由于高光谱数据价格昂贵、幅宽窄和返回周期长等问题限制了应用。高光谱包含的波段多，与光学遥感常见的红、绿、蓝、近红外波段不同，高光谱数据包含紫外、可见光、近红外、中红外波段的许多狭窄的连续光谱图像，具有很高的光谱分辨率，对于监测农作物精细光谱信息有很大帮助。部分学者利用高光谱数据对农作物灾害进行了研究。李军玲等[14]利用环境一号卫星HSI高光谱遥感数据对冬小麦冻害进行监测，认为高光谱数据比光学数据监测冻害具有一定优势；赵芸[15]利用高光谱影像实现了油菜病虫害的早期监测。

3 农作物长势监测

农作物的光谱特征由叶片中的叶肉细胞、叶绿素、水分及其他化学成分反射所得，这些是农作物长势的监测依据。遥感影像近年来被广泛应用于作物的长势监测中，对指导农业生产管理具有越来越重要的作用。虽然目前可供使用的影像数据源较为丰富，但受空间分辨率、光谱分辨率以及监测成本等多种因素的影响，在实际应用中，中分辨率多光谱影像成为应用能力最强的作物长势监测遥感数据源。在反映作物长势的指标中，LAI是一个非常重要的生理参数，与作物的许多生物物理过程相关联，如光合、蒸发、蒸散、碳循环等，能够与作物的生物量、产量建立较好的关系。因此诸多学者研究了遥感影像在水稻、玉米等农作物LAI估测方面的可行性。在诸多中分辨率影像数据中，美国的Landsat系列影像较为常用。在此基础上，也有诸多学者研究了国产卫星数据与Landsat数据在LAI估测方面的对比，包括环境一号小卫星、高分一号卫星与Landsat数据在LAI估测方面的对比。得出HJ-CCD 影像在LAI 估测方面基本可以获得与TM影像相近的效果[16]。同样，GF-1卫星数据也能够代替传统中分辨率数据成为农业遥感长势监测中的重要数据源。

4 农作物产量监测

农作物遥感估产是通过卫星获取的多光谱或高光谱数据，收集分析农作物不同生理期光谱特征，从而提取植被指数、叶面积指数、叶绿素含量、植土比等因子，结合农作物生理特征，反演出被测作物的产量。

遥感影像提供的作物光谱信息与作物产量具有一定的关系。作物的丰度信息可以反映出作物产量。因此基于作物丰度信息与作物产量的估产模型可以对作物产量进行预测。诸多学者利用中分辨率数据对大范围的作物产量预估进行了研究。张强[17]使用MODIS数据对黑河流域中游农作物进行估产研究。彭丽[18]使用MODIS数据对陕西省的小麦与玉米产量进行估算模型研究。此外，中国气象科学研究院主持研究了全球主要农作物产量气象卫星遥感监测和综合估产研究项目，取得较好的预估效果[19]。

另外，也有学者对小范围的研究区域采用分辨率较高的遥感数据进行了产量预估研究，无人机遥感具有灵活机动、高效快速、精细准确、作业成本低等特点，特别适合小范围的快速精确遥感应用。龚龑等[20]根据5月和10月两个季节的6波段无人机数据，提出基于全约束混合像元分析方法的油菜估产模型，将其应用于油菜花产量的预估。

5 秸秆焚烧监测

利用遥感影像进行秸秆焚烧监测，目前有几种方法，一种是使用低分辨率的MODIS数据，由于MODIS的MOD14热异常数据可供直接获取使用，能够探测比气象卫星更小更多的火点，是监测秸秆焚烧的理想数据源。王子峰等[21]用 MODIS数据，通过对“背景对比火点探测算法”调整阈值后的算法进行秸秆焚烧火点监测。另一种是使用常见的光学遥感影像进行目视解译或者自动解译。目视解译一般会针对融合后的真彩色波段进行解译。冯登超等[22]利用资源三号遥感影像，资源三号卫星融合后 2.1 m真彩色影像对秸秆焚烧火点进行精确目视解译，并结合ArcGIS进行精确定位，实现较高的准确率。自动解译主要是根据火点或者焚烧后的秸秆区域与普通秸秆区域存在光谱异常现象，通过计算机判断光谱差异来确定秸秆焚烧区域。

6 总结与展望

遥感技术的不断发展使得农业监测越来越精细化、实时化，卫星数据的实时获取越来越方便，大大促进了农业遥感监测的科学性。尤其是近几年国产遥感数据分辨率和清晰度逐渐可以与国外卫星数据媲美，使得国产数据的应用越来越广泛。加之民用遥感行业的不断发展，各个行业专项小卫星也陆续升空，卫星影像与视频协同监测地面越来越成为可能。几种常见的国外和国产卫星参数见表1～表5。

国产的高分一号遥感影像分辨率在一定程度上能和国外的Landsat系列卫星影像抗衡，但其波段相较于 Landsat稍有不足，而环境一号小卫星HJ-1B星座的影像能在一定程度上弥补这方面的不足。高分四号卫星在覆盖范围能力和分辨率方面能取代一部分 MODIS影像的功能，但 MODIS的多波段效能目前还很难替代。至于高分辨率的影像，国产的资源三号、高分二号卫星已具备很好的效果，可逐步替代国外的Worldview、Quickbuird影像在农业遥感监测方面的应用。

农业遥感监测的方向一直都很广泛，如何在各个监测范围内不断完善监测的准确性和实时性，将是农业遥感监测研究的重点，这也有赖于图像处理技术和物联网技术等信息提取和传输等技术的更进一步发展，为遥感监测提供更多可能。