结合时序遥感指数的耕地资源监测方法研究

摘 要：时序多光谱影像对不同地物分类提取具有重要价值。对不同时相的多光谱影像进行NDVI值提取并形成连续的NDVI时间图谱影像，可以发现不同地物的NDVI曲线存在一定的变化规律。因此，本文以射阳县为研究区域，利用2021年7月—2022年3月的遥感影像，对2020年度射阳县国土变更耕地图斑的NDVI值进行计算和分析，根据耕地与其他不同地类NDVI值的区别，确定耕地图斑的最佳阈值区间，从而提取部分准确的耕地图斑。研究结果表明，该方法对耕地图斑的提取精度为98.3%。

关键词：时序多光谱影像；归一化植被指数；耕地图斑；地类变化

中图分类号：TP 751 " " " " 文献标志码：A

归一化植被指数（NDVI）是一种描述植被覆盖度和生长情况的指数。根据植被的光谱反射曲线特征，植被在红光和蓝光波段具有较低的反射率，在绿光波段具有较高的反射率。由于植被对近红外波段的辐射吸收较少，在近红外波段具有较高的反射率[1-2]，因此，红光波段与近红外波段的比值能够反映植被生长的绿度变化。

NDVI值的变化范围为-1～1。当NDVI值为正值时，表示有植被覆盖。由于红色波段处于叶绿素的吸收区，红色波段的反射率越低，NDVI值越大，表示植被的生长状态越好、植被覆盖度越高[3]，因此可以根据公式计算耕地图斑的NDVI平均值，研究单景影像耕地图斑中NDVI值的区间分布和同一图斑多景时序影像NDVI值的变化情况。

1 研究目标

对耕地来说，当无作物生长时，耕地植被覆盖度最低，其NDVI值最低；当作物逐渐生长并趋于成熟时，植被覆盖度逐渐升高，NDVI值逐渐升高并达到顶峰；当作物成熟并收割时，耕地NDVI值呈下降趋势，并再次回到谷底[4]。在整个生长季节中，耕地NDVI曲线具有明显的波峰与波谷。同样，对建设用地、水体和林地等地类来说，其NDVI也存在一定的特征值或特征趋势[5]，为区分耕地与非耕地图斑奠定了基础。本文统计了射阳县国土耕地图斑NDVI值，确定了耕地的阈值区间，进而提取未变化耕地图斑，以节省人工解译判读图斑的工作量，提高监测的工作效率。

2 数据源和数据处理

本文将射阳县2021年7月～2022年3月部分地区GF-1、GF-1B、GF-1C、GF-1D和GF-1E等空间分辨率为1m、2m的影像作为研究遥感数据源；将2021年8月、11月和2022年3月、5月空间分辨率为1m、2m的标准真彩色正射影像作为耕地资源的监测遥感影像；将射阳县2020年度变更耕地图斑作为目标监测矢量范围；将射阳县域边界作为裁切影像的矢量范围。

各类GF影像数据格式均为TIFF格式，进行正射纠正、影像配准等预处理后得到覆盖射阳县范围的四波段影像，其中band1～band4波段包括RGB、NIR，各波段属性情况见表1。

3 不同地类时序NDVI值的变化特征

3.1 不同地类NDVI特征值分析

由于不同地类对红光波段和近红外波段的反射率不同，因此其所对应的NDVI值也存在一定差异，为利用不同NDVI值提取不同地类提供了可能性。本文以射阳县洋马镇为例，选取2021年8月的影像NDVI，对人工解译提取的耕地图斑进行验证和分析，将国土变更耕地图斑的利用情况分为耕地、非耕地植被、水面和建设用地4类，并统计各个图斑的NDVI值，如图1所示。

由试验结果可知，耕地图斑的NDVI平均值主要集中在0.4～0.6，非耕地植被图斑的NDVI平均值主要集中在0.30～0.55，建设用地图斑的NDVI平均值主要分布在0.0～0.4，水面图斑的NDVI平均值为0.0～0.3。分析这4种地类NDVI值的分布情况能够发现，耕地图斑可以较好地与建设用地图斑和水面图斑进行区分，但是对绿化用地等非耕地植被图斑来说，仅通过单景影像的NDVI难以与耕地进行区分，因此需要引入时间序列的NDVI数据，研究不同地类NDVI值在不同时期的变化情况，来对耕地图斑与其他地类进行区分提取。

3.2 不同地类时序NDVI变化特征分析

时间序列由根据时间变化所得的观测量组成，与传统的静态数据不同，时间序列的数据研究过程非常复杂，它研究的是不同地类的变化过程。农作物与其他地类具有不同的物候特征，反映在时序NDVI上为不同的波形，例如波峰与波谷的振幅、相位以及频率等不同特征[6]。研究时序NDVI的变化特征能够提取耕地信息，从而有效区分耕地与其他地类[7]。在变更耕地图斑中，选取耕地、建设用地、非耕地植被和水面4类典型地类的感兴趣区，计算各地类每个时间节点的NDVI平均值，绘制出典型地类的月度时间序列NDVI曲线，如图2所示。其中，横坐标为影像的获取时间，即2021年7月—2022年3月；纵坐标为各时期图斑的NDVI平均值。

由图2可知，耕地的NDVI值呈现出先上升、后下降、再上升的趋势，分别表示春、夏种植作物与秋、冬种植作物的生长规律，这与射阳县耕地的种植模式相吻合。在统计期内，非耕地植被的NDVI值也呈现先上升、后下降的变化趋势，其原因是随着季节变化，一些园地和林地的枝叶经历先生长、后凋落的过程，其NDVI值表现为夏季枝叶生长茂盛，NDVI值较高，到了冬季枝叶凋落，NDVI值也趋于降低。统计期内建设用地与水面的NDVI值呈现小幅波动的变化态势，这2种地类植被覆盖度较低，受季节变化的影响较少，因此整个统计期内的NDVI值均保持在较小的波动范围内。

4 耕地图斑的提取方法

分析不同地类时序NDVI值的变化情况可知，耕地图斑的NDVI值变化情况与其他地类在一些月份存在明显差异，如图3所示。叠加分析4种地类NDVI值的时序变化特征可以发现，2021年8月、9月和次年2月、3月的耕地图斑NDVI值均显著区别于其他地类图斑。

基于该特征统计各景影像的NDVI值分布情况，可以确定每景影像耕地NDVI的阈值区间，进而提取该景影像的耕地图斑。以2021年11月的一景影像为例，计算该景影像范围内所有国土变更耕地图斑的NDVI平均值，统计其在不同阈值区间内图斑的数量和变化情况，分别如图4、图5所示。

从图4可以看出，此景影像的NDVI值整体呈正太分布的趋势。从图5可以看出，图斑数量在（-0.3，-0.2）～（-0.2，-0.15）呈现陡然上升的趋势；图斑数量在（0，0.1）～（0.1，0.2）呈现陡然下降的趋势，说明在（-0.2，0.1），该NDVI值所在范围的图斑的特征性一致。随机选择100个阈值在此区间的图斑，带入影像中进行验证，结果均为耕地图斑，但是其植被覆盖度略有差异。一部分图斑处于休耕的裸土状态，植被覆盖度较低；另一部分图斑处于农作物的生长期，植被覆盖度较高。各选取10个＜-0.2和＞0.1阈值范围的图斑，带入影像中进行验证，其中＜-0.2的图斑多为水面和建设用地，＞0.1的图斑多为绿化造林地或园地等非耕地植被。

由上述统计与分析可以确定耕地图斑的阈值区间，从而提取该景影像中的耕地图斑。但是在单景影像的统计与分析中还存在少部分其他地类图斑的植被覆盖度与耕地图斑相似的情况，难以将这部分其他地类从耕地图斑中筛除出来，从而影响耕地图斑的提取精度，因此需要叠加分析时序影像NDVI值，通过计算-统计-分析-提取，得到每一景影像的耕地图斑，再将所有图斑进行叠加分析，进而提取更准确的耕地图斑。

5 结论

本文对耕地图斑NDVI值进行了计算、统计和分析，明确了图斑NDVI值分布的数量规律，并对计算结果进行阈值分割，以确定未变化耕地图斑的阈值范围，从而提取未变化耕地图斑，再叠加分析所有时序影像提取的耕地图斑，提升分割精度，进而提取更准确的未变化耕地图斑，最后使用监测区全图斑人工解译的真实数据对耕地提取结果进行验证。研究结果表明，采用本文方法提取的未变化耕地图斑占射阳县国土变更耕地图斑的32%，耕地图斑提取的准确度为98.3%，说明该方法能够有效且大面积地提取耕地图斑。

参考文献

[1]赵英时.遥感应用分析原理与方法[M].北京：科学出版社，2003.

[2]李惠敏，刘洪斌，武伟.近10年重庆市归一化植被指数变化分析[J].地理科学，2010，30（1）：119-123.

[3]章文波，符素华，刘宝元.目估法测量植被覆盖度的精度分析[J].北京师范大学学报（自然科学版），2001（3）：402-408.

[4]吴炳方，张峰，刘成林，等.农作物长势综合遥感监测方法[J].遥感学报，2004（6）：498-514.

[5]江东，王乃斌，杨小唤，等.NDVI曲线与农作物长势的时序互动规律[J].生态学报，2002（2）：247-252.

[6]王红说，黄敬峰.基于MODIS NDVI时间序列的植被覆盖变化特征研究[J].浙江大学学报（农业与生命科学版），2009，35（1）：105-110.

[7]王坚，张继贤，刘正军，等.基于NDVI序列影像精化结果的植被覆盖变化研究[J].测绘科学，2005（6）：43-44.