基于国产高分卫星影像的水稻种植区提取——以江苏苏中地区为例

文 | 段春华 张汛 尹凡

1. 扬州市自然资源和规划局

2. 江苏省测绘工程院

3. 自然资源部国土卫星遥感应用重点实验室

一、引言

水稻是我国三大粮食作物之一，是我国60%以上人口的主食。同时，我国也是世界上最大的水稻生产国和消费国，详细了解水稻种植信息对我国粮食安全具有重要的现实意义。随着我国卫星遥感事业的飞速发展，遥感技术以其宏观、快速的特点可成为耕地遥感监测的重要手段，研究遥感技术在耕地保护、利用、监督中的应用具有较强的紧迫性。国内外学者利用遥感技术开展了大量而深入的研究，从早期中低分辨率到高分辨率影像，主要的研究方法是利用单期影像的光谱和纹理信息。受制于遥感传感器的限制，利用多期影像开展农作物遥感解译多运用中低分辨率影像，难以适应江苏地区图斑破碎的情况。随着我国国产高分辨率卫星的不断发射并投入使用，综合利用国产高分辨率影像可建立高时间分辨率的时序数据，为农作物的提取提供了新的可能。

本文以江苏省苏中地区为研究区，以国产高分辨率遥感影像为数据源，研究水稻种植区域快速提取方法。选取2018 年时序国产高分辨率遥感影像为数据源，利用易康软件建立自适应系数遥感影像规则集，通过利用水稻的关键物候特征提取水稻种植区信息，并利用随机点和KAPPA 验证遥感提取精度。

二、研究区与研究数据

1. 研究区概况

江苏省，位于中国东部沿海地区，介于东经116°18′～121°57′，北纬30°45′～35°20′之间，属于温带向亚热带的过度性气候。因气候与海陆位置的关系，江苏跨江滨海，河湖众多，水网密布，农业发达，素有“鱼米之乡”之称。江苏主要的农作物包括水稻、小米、玉米、油菜、大豆等，其中夏季主要种植水稻和玉米。

2. 江苏夏季农作物种植情况

江苏省农业生产主要是一年两熟，夏季主要大田农作物包括水稻和玉米，江苏省种植的水稻和玉米分别是一季稻和春玉米。其中水稻 5 月中上旬播种，10 月中上旬收获；玉米5 月中上旬播种, 9 月中上旬收获，其生长情况如图1 所示。从图中可以看出，江苏苏中地区的水稻和玉米的种植时间均在5-10 月之间，其中水稻生长期较长，两者主要生长期存在一定的时间差异。其他相似地物主要是零散种植的大豆、农家菜地、荒地杂草等背景植被。

图1 江苏典型区夏季农作物物候

3. 数据源

（1）遥感影像

数据源方面，水稻遥感解译需要利用水稻种植不同阶段的物候信息所带来的光谱差异，又因江苏地区农田地块相对比较琐碎，因此在数据源的选择方面需要同时考虑影像数据的空间、时间和光谱分辨率。随着近年来我国遥感卫星事业的发展，国产遥感影像数据的获取能力得到不断提升，1 ～2m级别的遥感数据可在一年内多次覆盖同一片区域，给农作物的物候信息提取提供了可能。本研究综合选用包括资源三号、高分一号和高分二号卫星作为数据源的多期遥感数据，形成涵盖水稻生长期的时间序列影像。

数据处理方面，主要包括遥感影像的辐射定标、几何纠正和大气校正。其中，辐射定标参数在中国资源卫星应用中心下载获得，利用辐射亮度转换公式进行转换。几何校正是指消除或改正遥感影像几何误差的过程，主要是利用专业遥感影像处理软件（如ENVI 软件等）进行处理，影像参考为2017 年度江苏省1：5 万DOM，影像几何分辨率为2m，高程参考为“十三五”基础测绘1:1 万DEM 数据。大气校正利用ENVI 软件中利用工具箱Radiometric Correction 中Atmospheric Correction 的FLAASH Atmospheric Correction 工具对遥感影像数据进行大气校正。

时序特征构建方面，根据时间序列遥感影像提取农作物光谱特征，水稻和其他农作物在其生长的不同阶段有着不同的光谱和纹理特征，利用水稻与其他农作物在时序特征上的差异，可对水稻进行有效提取。根据植被指数较好地放大水稻的光谱特征，从而方便识别。植物在遥感影像上的主要光谱特征体现在其光谱“根号”型的特征，即在绿波段及近红外波段反射，红波段吸收，在对植被进行解译时可选用归一化植被指数（NDVI），其主要特点是对绿色植被反应能力强，对土壤及水背景变化敏感。

（2）地面调查数据

地面调查数据采用实地走访的方式确定地面验证信息，同时收集了江苏省典型地物光谱知识库中农作物相关地物光谱实测数据。实地走访数据来源于2018 年5-10 月作物生长季的实地调查工作，主要包括记录农作物的类型、位置信息、物候情况；典型地物光谱包括农作物不同生产期的冠层光谱反射率数据。

（3）规则集实现

选择5 月和6 月影像，其中，5 月影像用于判断农作物，利用6 月水稻田漫灌期特征提取水稻。规则集主要包括几个步骤：①影像分割，采用面向对象的方法对影像进行多尺度分割，其中尺度设置为100，形状因子0.3，紧致度0.5，分块进行遥感解译；②统计计算，分别统计前时相和特征时相影像的NDVI 均值和标准差，利用生态分布中均值与标准差原理，自动确定识别阈值，以前时相NDVI数据为基础确定农作物范围；③以前时相提取的农作物范围为基础，通过计算6 月影像的NDVI 情况，计算农作物5 月与6 月的NDVI 差值，放大水稻6月漫灌期的光谱特征信息，同时综合农田纹理特征，提取水稻种植范围；④整理提取的图斑并导出水稻遥感解译成果。

三、水稻遥感提取

1. 农作物光谱特征

江苏省测绘工程院在2016-2020 年利用ASD Fieldspec 4 地物光谱仪采集水稻、玉米地物光谱，建立了江苏省典型地物光谱知识库。采集的水稻和玉米的光谱信息如图2 所示，水稻和玉米整体光谱特征较为相似，表现在可见光部分（被叶绿素吸收）有明显的吸收谷，在近红外波段（受叶片内部结构影响）有较高的反射率，可以形成突峰。根据江苏地区水稻的种植特点，水稻与其他农作物相比，最主要的特征是在6 月下旬有漫灌期特征，在真彩色影像上呈现暗绿色，亮度较低，近红外反射率低。

图2 水稻（左）、玉米（右）实测光谱曲线

选择2018 年4 月29 日、2018 年5 月20 日、2018 年6 月23 日、2018 年7 月24 日、2018 年9 月14 日以及2018 年10 月24 日影像，根据现场确认的玉米、水稻点位，获取其影像平均光谱信息见表1，同时提取玉米、水稻的NDVI 如图3所示。

表1 玉米、水稻不同时间光谱信息

图3 玉米、水稻生长期NDVI

玉米、水稻5 月上旬播种，4 月呈现出土壤光谱特征，6 月水稻漫灌期，NDVI 明显下降，9 月玉米收购，10 月仅水稻呈现植被特征。本研究最终选择5 月和6 月影像用于遥感提取，其中6 月为水稻的特征时相。

2. 纹理特征

水稻纹理特征的描述是基于共生灰度矩阵（GLDM）的方法实现，该方法是20 世纪70 年代初由R.Haralick 等人提出，它是在假定图像中各像素间的空间分布关系包含了图像纹理信息的前提下，提出的具有广泛性的纹理分析方法。共生灰度矩阵主要包括能量、熵、对比度、均匀性、相关性等参数，已经集成在易康软件中。

3. 水稻遥感提取

利用2018 年5 月20 日、2018 年6 月23 日遥感影像，开展基于物候期光谱特征的米级遥感影像解疑实验，提取水稻信息。

通过对比5 月和6 月的近红外影像，可以看出，由于水体近红外波段反射率低，种植水稻的区域在近红外影像上明显发黑。利用易康软件建立提取规则集开展遥感解译提取的水稻种植信息结果如图4所示。

图4 遥感解译提取的水稻种植信息

4. 精度评价

精度评价采用随机点验证的方式进行，在研究区共计均匀获得了90 个随机点，并实地调查种植情况，其对遥感解译成果进行精度评价，结果如表2 所示。本方法的提取精度为0.89，KAPPA 系数为0.83。

表2 遥感解译精度评价

四、结论

在水稻种植区遥感提取中，国产遥感影像相比于其他方法具有以下优势：

一是遥感技术能在较短的时间内，对大范围地区进行对地观测，获取信息的速度快，周期短，具有成本低效率高的特点，大大提高了工作效率。并且可在长期工作中形成同尺度可比对的工作成果，不仅可以得到当年信息，并且方便开展大尺度长期趋势性的研究工作。

二是水稻遥感提取主要利用水稻特殊生长时段的遥感特征，对遥感数据的时间分辨率有着较高的要求。自2011 年资源一号02C 卫星成功发射以来，国产陆地遥感卫星近年来不断发射，2m 分辨率级别的遥感影像在资源三号、高分等系列卫星的协同利用下，已经完全满足水稻遥感提取的需要，并且随着未来更多遥感卫星的发射使用，更高时间、空间、光谱分辨率的遥感数据将给水稻及其他农作物的遥感提取提供更大机会。

采用国产时序遥感影像数据，对江苏省水稻种植情况进行遥感解译有以下结论：在江苏地区水稻的生长期主要为5 月到10 月，其中6 月水稻的漫灌期特征是水稻遥感提取的重要物候特征；利用时序影像及重要物候特征的方法开展江苏典型区水稻遥感提取实验，结果的提取精度为0.89，KAPPA系数为0.83。本方法需要获取到6 月中下旬水稻物候特征的影像，另外由于农业生产中可能存在水稻田间灌水先后的时间差，可能会影响提取精度。实验证明该方案是一种较为有效的水稻种植区域提取方法。