基于高分辨率遥感影像的糖料蔗生长期NDVI 时序变化分析——以广西崇左市、百色市“双高”基地为例

贺雨晴，王国波，经 波

广西自然资源信息中心，广西 南宁 530029

1 研究背景

自2005 年以来，广西糖料蔗种植面积和产糖量均占全国产量的60%以上[1]。2016 年1 月7 日，广西壮族自治区人民政府办公厅印发了《广西推进“双高”基地生产全程机械化实施方案（2015—2020 年）》。“双高”基地即高糖、高产且符合一系列技术规范、适合大型机械作业的糖料蔗种植基地，广西共有33 个县（市、区）被农业部列为糖料蔗优势区域和国家重点“双高”糖料蔗基地[1]。“双高”基地建设对推进广西全区糖料蔗种植规模化、机械化发展以及提高亩产量起到了示范性作用。

1.1 甘蔗生长特性

糖料蔗生长周期可分为苗期、分蘖期、茎伸长期和工艺成熟期4 个阶段。根据其宿根性，糖料蔗又分为新植蔗和宿根蔗，广西新植蔗一般于3 月开始播种，5 月进入分蘖期，6—10 月为茎伸长期，11 月为工艺成熟期[2]。宿根蔗生育期约滞后于新植蔗15～20 天，加之气候、地理位置等因素，糖料蔗在广西全区范围内的播种期和生育时期存在一定的差异，桂南地区较早，桂北地区较晚，时间相差约在30 天以内[2]。糖料蔗榨季即糖料蔗收割、制糖期，广西2019—2020 年榨季自11 月10 日起至次年3 月29 日止。

1.2 研究区域概况

崇左市、百色市分别位于广西西南部、西部，分属左江、右江流域。两地均属亚热带季风气候，气候温和，雨量充沛，雨热同季。崇左市年平均日照时长1 603 h，年无霜期长达340 多天，年平均降雨量1 200 mm 以上[3]；百色市年平均日照1 906.6 h，年平均降雨量1 114.9 mm，无霜期为357 天[4]，均适宜种植糖料蔗。

1.3 遥感技术

遥感技术由于其高覆盖面、短重访周期、低获取成本的特性，被普遍应用于大宗农产品长势监测、估产之中[5]。我国的农业遥感起步于20 世纪80 年代，经过不断努力钻研，提取技术已被广泛应用于小麦、水稻、玉米等主要粮食作物的监测中。其中，该技术应用于北方地区作物的提取分类精度较为理想，如李卫国等利用Landsat/TM 影像通过人机交互解译等方式提取了江苏省兴化市冬小麦种植面积，信息解译度达95%以上[6]；在全自动解译方面，王学等利用MODIS EVI 时序数据和Landsat/TM 等多源遥感影像提取了华北平原2001—2011 年冬小麦信息，达到76.36%的平均提取精度[7]。

对于丘陵遍布、地块破碎、作物种类多样的南方地区，农作物间种普遍、同物异谱与同谱异物现象明显，使得遥感技术在南方农业方面的应用更为复杂，作物监测需使用具有更清晰纹理特征、更丰富光谱特性的高分辨率多光谱影像才能进行有效区分[8]。广西地处低纬度地区，地貌类型复杂多样，山多平地少，属亚热带气候，年降雨量在1 000～2 800 mm 之间[9]，雨热同季。由于气象条件限制，广西的遥感影像获取“窗口”时间（全区天气晴好、无云无雾）极少，难以在糖料蔗生长关键期内获取高频次的高分辨率卫星影像，进而难以在同一地块构建准确的糖料蔗生长时序化监测模型。

2 实验方法

2.1 理论基础

归一化植被指数（Normalized Difference Vegetation Index，以下简称NDVI）于1978年由学者Deering 提出，因其可消除大部分来自仪器定标、太阳高度角、大气等外部因素的影响，在已有的40 多种植被指数中，是被应用得最广泛的一种[10]。植物叶子的细胞结构在近红外波段具有高反射值，其叶绿素在红光波段具有强吸收的特征，在多光谱遥感图像中，利用近红外与红波段的比值，可以突出图像中植被的特征，提取植被类别或估算绿色生物量，计算公式为：

式（1）中，ρnir、ρred分别为影像中的近红外和红波段值。

2.2 数据来源与处理

研究小组选用的影像为高分二号（GF-2）卫星影像，其分辨率优于1 m，星下点空间分辨率可达0.8 m，可为土地资源利用调查和监测等领域提供信息支持[11]。

处于苗期、分蘖期的糖料蔗的植株低矮、植被稀疏，在高分影像中其纹理接近于裸露地表；且由于宿根性及播种时间的不同，糖料蔗生长初期的株高存在差异，同一地区糖料蔗存在同物异普现象。自茎伸长期到成熟砍收为止，糖料蔗在高分影像中纹路趋于一致且有一定区分度[12]，且糖料蔗的株高与产量成正相关关系，基于此，研究小组选用了拍摄于2019 年6—11 月的研究区内甘蔗的茎伸长期至工艺成熟期的影像作为数据源。

研究小组通过分析历史留存的卫星影像数据发现，研究区的糖料蔗茎伸长期与广西多雨季节重叠，这导致难以高频次地获取同一地块的同源高分辨率卫星影像。“双高”基地内种植的糖料蔗均为优质蔗种，水、肥料等有保障，一般为该地区具有代表性、示范性的高产田块，考虑到高分辨率卫星影像的实际获取能力有限，研究小组假设相近维度下“双高”基地糖料蔗茎伸长期长势相近，于是将崇左市、百色市的总面积为40.78 km2的“双高”基地集中区域拍摄的不同月份的高分二号（GF-2）影像视为同等地块并逐月提取NDVI 值。

研究小组依托糖业发展大数据平台建设项目获得 “双高”基地范围数据（见图1），然后叠加分析“双高”基地图斑与NDVI 结果（见图2）发现，同一时间、地区和品种的糖料蔗的光谱信息看似一致，其NDVI 值大致相当，但略有差异，与非糖料蔗地物（房屋、水面、裸地、杂树等）的光谱信息差异较大易于区分，可以依此剔除非糖料蔗的地物范围。研究小组在实验区中随机选取“双高”基地不同月份的大量的NDVI 样本值作为样本数据，每个田块的样本数量≥1，且样本点间隔＞10 m，剔除田块内接近边缘及落到其他混种植被的点，而后采用主成分分析方法（PCA）过滤3%的噪声值，得到不同月份样本点NDVI值分布情况及统计信息。

图1 “双高”基地影像图（2019 年9 月）

图2 NDVI 结果图（2019 年9 月）

3 结果与分析

3.1 NDVI 变化趋势

从茎伸长期到工艺成熟期的6 个监测月份内，样本NDVI 值随着时间的推移呈缓慢上升趋势（见图3）。研究时段的糖料蔗的NDVI 值在0.2～0.85之间（见表1）。范围（Range）在一定程度上体现了样本值的离散程度，6—11 月研究区糖料蔗的NDVI 值范围差异较大，其中6 月、8 月的数据较为离散，其余月份较为集中，自9 月份开始样本的NDVI 值趋于收敛和聚簇，说明了随着糖料蔗的宿根性、种植时间的差异等因素在植株生长的过程中逐渐消退，植株差异逐渐减小。

图3 研究区糖料蔗样本NDVI 值分布与百分位图

样本最小值出现于6 月（0.2），最大值出现于8 月（0.846 2），最低平均值出现于7 月份（0.402 3），而后数值逐步提升。研究小组推断，甘蔗品种、宿根性的不同，生长周期、糖料蔗长势的不同步导致了样本离散度的差异和茎伸长初期（6—7 月）NDVI 值的回落，样本中新种蔗和宿根蔗的比例在一定程度上影响了各月份的NDVI 值平均值。各月份样本平均值与中值相近，表明了随机取样的方式虽无法控制各类型糖料蔗数量的比例，但实际样本中无明显过大或过小的噪声值出现，样本数据基本可靠。

自9 月开始，研究区的样本的方差和标准差逐渐趋于稳定且略有下降，11 月样本值范围虽略＞7 月，但标准差和方差最小，分别为0.048 2、0.002，说明接近工艺成熟期的糖料蔗NDVI 值集中度最高。

研究小组分析研究区各月份糖料蔗样本NDVI 直方图及其正态分布拟合曲线图（见图4）发现，各月份样本与正态分布拟合线较为贴合，但样本的NDVI 值不连续，局部区间存在1～3处明显断层。随后，研究小组通过分析随机取样点发现，处于同一片“双高”基地中的样本NDVI 值较为接近或相同，从而在样本中形成聚集（Cluster）。由此可知，糖料蔗的品种、宿根性及长势等因素，导致对应的NDVI 值存在明显差异。

表1 研究区样本点NDVI 值基础统计表

研究小组从表1 的结果推断得知，研究区糖料蔗的NDVI 值仅在7 月、11 月近似正态分布，在6 月、9 月的偏斜度＜0，为左偏分布，8 月、10 月的偏斜度＜0，为左偏分布。峰度（Kurtosis）又称峰态系数，反映了峰部的尖度，与峰度标准误差（Standard Error of Kurtosis）比对，8 月、10 月、11 月近似正态分布，6 月、9 月为尖峰态（Leptokurtic），7 月为低峰态（Platykurtic）。综上所述，研究区糖料蔗仅11 月的样本的NDVI值趋近于正态分布。

3.2 对分类提取造成的影响

综上所述，随着糖料蔗植株日趋成熟，其生物量、光谱信息等趋于一致、稳定，该特征是否能对糖料蔗地块提取产生积极作用，这个问题亟待研究。研究小组选取了6 月、11 月份“双高”基地及其周边影像进行分类实验，将影像中出现的实际地物分为甘蔗、裸地、水面、树木等8 大类（见图5），经人工选取兴趣区（Region of Interest，以下简称ROI）后进行监督分类。

图4 研究区糖料蔗样本2019 年6—11 月期间NDVI 值逐月分布图

研究小组选用的6 月、11 月这两个月份分别为糖料蔗茎伸长期初始阶段和工艺成熟砍收前期，前者植被稀疏与裸地边界模糊，后者植被茂密田块边缘清晰。然而从支持向量机（Support Vector Machine，以下简称SVM，SVM 是遥感领域中被普遍使用的一种基于像素的监督分类方法，在确保ROI 准确无误且具有代表性的前提下，该方法能实现较高的分类精度）分类结果可知（见图5），11 月份研究区大部分甘蔗被误判为树木，6 月份的识别甘蔗种植范围的正确率明显高于11月。随着糖料蔗NDVI 值的上升，其植被郁闭度趋近于树木，混淆了这2 类地物的类别。从ROI指数图中不难看出，11 月份甘蔗、树木及其他作物的特征值趋同，导致了SVM 无法准确对这3类地物进行分类。因此，在基于像素的监督分类方法中，随着糖料蔗生长成熟和NDVI 值上升反而导致了分类精度下降。

图5 “双高”基地2019 年6 月、11 月监督分类结果图

4 结 语

研究小组利用高分二号（GF-2）高分辨率卫星影像和糖料蔗“双高”基地数据研究了“双高”基地内糖料蔗茎伸长期至工艺成熟期NDVI 值变化规律及其对基于像元的监督分类的影响，总结内容如下：

（1）茎伸长期糖料蔗变化受不同因素影响，初期受宿根性、播种时间影响，株高差异大，导致NDVI 值差异大，后在较长的成长周期中新植蔗、宿根蔗的NDVI 值差异逐渐缩小，影响因素转为肥力、天气等外界因素，最终趋于符合正态分布。

（2）研究小组选择糖料蔗的归一化植被指数进行研究，可有效排除大气、太阳高度角等因素造成的数据差异；使用单一影像源，可避免异源传感器参数差异导致的光谱特性差异；引入统计学概念，以量化指标判定其分布特性，更科学、客观且易于推广。

（3）研究小组建立了糖料蔗生长期NDVI 时间序列库，未来将扩大采样范围至全广西，并细化时间粒度，按日期建立时间轴模型，积累更多年份数据，通过增加样本数量来减少甘蔗品种差异带来的影响。该库的建立有利于研究糖料蔗长势及其对产糖量的影响。

（4）研究小组发现糖料蔗生长成熟会在一定程度上导致基于像元的监督分类精度下降。趋近工艺成熟期糖料蔗影像纹路整齐、边缘清晰，易于计算机自动切割。而面向对象的分类方法或基于纹理切割的分类方法或可获得更高精度，这有待研究小组进一步验证。研究小组认为，在进行糖料蔗地块提取或分类时，应根据糖料蔗的生长阶段灵活地选择分类方法。

（5）基于NDVI 的研究方法已成体系，较易获得数据，易于在广西范围内开展实施并建立全区模型。此研究成果可为糖料蔗估产提供数据基础，结合糖料蔗产量、种植面积等数据建立估产模型，或将茎伸长期的糖料蔗的各项指标作为机器学习的人工干预参数，对当年甘蔗总产量、亩产量进行预测。

研究小组通过NDVI 这一指标对研究区糖料蔗生长规律进行探究，发现了其随着生长成熟趋于正态分布的规律。未来，研究小组将该研究方法扩展至其他相关指数及扩大时空范围，并结合统计数据和实地测量数据，探究其与糖料蔗产量的相关性以实现糖料蔗估产。研究成果将更好地服务于糖业主管部门的宏观管控，为合理安排榨季砍运、榨蔗等任务提供数据基础，为广西糖业信息化发展提供有力支撑。