基于OLI影像的四川丘陵地區(qū)水稻種植面積監(jiān)測

　　摘要:【目的】為使用Landsat8OLI遙感影像準確監(jiān)測四川丘陵地區(qū)水稻種植面積?！痉椒ā扛鶕?jù)丘谷相對高差分別選定淺丘、深丘水稻樣方各4個，通過地面樣方調(diào)查和同生長季GoogleEarth影像解譯獲取的樣方水稻種植面積作為驗證數(shù)據(jù)，評價基于OLI融合影像的川中丘陵的水稻種植面積監(jiān)測精度。OLI影像經(jīng)正射校正后，使用15m全色波段影像和30m多光譜影像融合，得到15m分辨率的融合影像，使用最大似然法進行監(jiān)督分類，獲取監(jiān)測結(jié)果?！窘Y(jié)果】與樣方驗證數(shù)據(jù)比較，在樣方面積相同的情況下基于OLI影像的水稻種植面積監(jiān)測結(jié)果顯示，淺丘區(qū)的平均精度為93．7%，誤差范圍為1．0%～8．7%;深丘區(qū)的為92．5%，誤差范圍為1．5%～15．8%?！窘Y(jié)論】根據(jù)淺丘區(qū)、深丘區(qū)監(jiān)測結(jié)果的誤差范圍差異，隨著丘谷高差增大，地形趨于復雜、地塊趨于狹長與破碎，OLI影像監(jiān)測結(jié)果的不確定性增加，精度有下降的趨勢。該研究為改進OLI影像監(jiān)測四川丘陵地區(qū)水稻種植面積精度提供參考。

　　關鍵詞:遙感;圖像處理;水稻;種植面積;精度

　　【研究意義】水稻作為世界三大糧食作物之一，在中國有廣泛種植，其面積約為全國糧食播種面積的27%，其產(chǎn)量占總產(chǎn)量的1/3［1］。四川是中國13個糧食主產(chǎn)區(qū)之一，水稻種植面積約200萬hm2左右，其中大部分分布于四川盆地丘陵地區(qū)。水稻種植面積及變化率是重要的農(nóng)情信息之一，對國家糧食安全預警、宏觀糧食經(jīng)濟決策具有重要意義。【前人研究進展】目前，使用遙感影像通過監(jiān)督分類法提取水稻像元是估算水稻種植面積常用的方法。該方法的精度受影像分辨率、種植連片程度、地物大小造成的混合像元影響，種植結(jié)構(gòu)破碎，混合像元比例高，會導致分類精度下降［2－5］。米級高分辨率的遙感影像能夠準確地估算水稻種植面積，但影像覆蓋面積小。因此目前大區(qū)域作物種植面積估算主要以覆蓋面積大，重訪周期短的5～30m中高分辨率遙感影像為主?！颈狙芯壳腥朦c】Landsat8衛(wèi)星于2013年2月11日發(fā)射，其采集到的影像免費向全球用戶提供，其搭載的OLI(OperationalLandImager)所獲取的數(shù)據(jù)在光譜、空間、時間分辨率等性能與早期TM、ETM+等數(shù)據(jù)有良好的繼承，是目前作物種植面積估算采用的主要遙感數(shù)據(jù)。四川丘陵區(qū)水田普遍存在地塊面積小、兼作等問題，OLI15～30m分辨率影像的解譯精度受到影響，但目前鮮有分析評價丘陵區(qū)OLI影像估算水稻面積精度的研究?！緮M解決的關鍵問題】因此該研究收集2016年四川丘區(qū)OLI影像進行解譯，評價OLI影像在四川丘區(qū)水稻種植面積監(jiān)測中的精度，為提高四川水稻種植面積監(jiān)測精度提供參考。

　　1數(shù)據(jù)來源

　　1．1研究區(qū)概況

　　四川盆地中部為典型的方山丘陵區(qū)，地勢低矮，海拔在250～600m，丘谷高差50～200m，地勢由北向南傾斜，南部多淺丘，北部多深丘，為四川省丘陵集中分布區(qū)。研究區(qū)分別位于金堂縣和三臺縣，具體區(qū)位詳見圖1(封三)。位于金堂縣的研究區(qū)，坡度較緩，相對高差30～50m左右，呈波狀起伏或崗丘形態(tài)，屬于淺丘地形;位于三臺縣的研究區(qū)，坡度較大，相對高度在100～180m，屬深丘地形。

　　1．2水稻樣方種植面積調(diào)查

　　通過實地調(diào)查與GoogleEarth遙感影像解譯確定樣方內(nèi)水稻種植面積。于2016年6月1－17日在四川省進行水稻種植面積野外調(diào)查，使用GPS實地定位，確定地面樣方水稻種植面積，為建立解譯標志。通過GoogleEarth查找，2016年7月15日有良好影像覆蓋地面調(diào)查區(qū)域，結(jié)合野外實地調(diào)查，建立水稻、水體、植被、居民點、道路等解譯標志，通過目視解譯得到樣方的水稻種植面積，各樣方內(nèi)水稻種植面積、圖斑數(shù)及圖斑平均面積見表1。淺丘區(qū)水稻圖斑平均面積較深丘區(qū)的大。

　　2材料與方法

　　2．1影像預處理

　　OLI影像的預處理主要有影像的正射校正、數(shù)據(jù)融合。正射校正基于網(wǎng)格分辨率為30m的ASTEＲGDEM高程數(shù)據(jù)進行。數(shù)據(jù)融合采用GramSchmidt變換法，該法改進了主成分變化法中信息過于集中的問題，且不受波段數(shù)量限制，融合后影像保持了較好的空間紋理及光譜特征。通過將15m分辨率的全色影像與30m分辨率的多光譜影像進行數(shù)據(jù)融合，得到研究所需的15m分辨率的遙感影像。

　　2．2水稻遙感特征

　　2016年7月22日，研究區(qū)水稻移栽50d左右，水稻處于孕穗期，水稻冠層基本覆蓋整個稻田，水稻遙感特征明顯，易于與其他地物區(qū)分［6－8］。假彩色顯示采用Ｒ5G6B7組合，即ＲGB分別對應OLI影像的第5～7波段。分析影像的色調(diào)、輪廓大小、陰影、圖案、紋理、布局等多方面因素，建立OLI影像上水稻及其他重點地物的解譯標志，根據(jù)解譯標志確定目標地物的空間分布特征［9］。研究區(qū)內(nèi)各典型地物遙感特征如圖2(封三)，水稻呈深紅色，并隨丘谷地形分布呈樹枝狀，水體呈藍黑色，其他植被呈橙色，居民地呈藍白間雜的顏色，道路呈白色條帶狀。

　　4討論

　　本研究通過地面調(diào)查與GoogleEarth影像解譯獲取的樣方水稻種植面積數(shù)據(jù)評價了使用15mOLI融合影像基于監(jiān)督分類方法監(jiān)測四川丘陵地區(qū)水稻種植面積的精度。分析結(jié)果顯示隨著丘谷高差增大，地形趨于復雜、地塊趨于狹長與破碎，OLI影像監(jiān)測結(jié)果的不確定性增加，精度下降。為進一步提高丘區(qū)水稻種植面積估算精度，需使用更高空間分辨率的衛(wèi)星遙感影像，如使用5m分辨率的Ｒapideye影像;或改變分類方法，本研究使用的最大似然分類法分類依據(jù)主要根據(jù)解譯標志差異明顯的3個波段信息，對其他光譜信息及先驗知識的使用不足，如使用決策樹分類，通過引入更多的先驗知識可提高分類精度。另外為提高四川地區(qū)水稻面積監(jiān)測結(jié)果的可信度，需在監(jiān)測評價中需采用更合理的抽樣方法，如分層抽樣、依據(jù)地形類型抽樣等;以降低平壩、淺丘、深丘等不同地形不同解譯精度對監(jiān)測造成的影響。

　　5結(jié)論

　　通過地面水稻樣方調(diào)查和同生長季GoogleEarth影像解譯獲取淺丘區(qū)、深丘區(qū)樣方內(nèi)水稻種植面積，并以此結(jié)果評價基于最大似然分類法和15mOLI融合影像的川中丘陵的水稻種植面積監(jiān)測結(jié)果。(1)基于最大似然分類法和OLI融合影像的川中丘陵的水稻種植面積監(jiān)測精度平均約92%左右，誤差范圍大約1%～16%，監(jiān)測結(jié)果存在較大不確定性。(2)隨著丘谷高差增大，地形趨于復雜、地塊趨于狹長與破碎，基于OLI影像的丘陵區(qū)水稻面積監(jiān)測結(jié)果的不確定性增加，精度有下降趨勢。

　　參考文獻:

　?。?］程式華，李建．現(xiàn)代中國水稻［M］．北京:金盾出版社，2007:1－3．

　?。?］黃慧萍，吳炳方．地物大小、對象尺度、影像分辨率的關系分析［J］．遙感技術(shù)與應用，2006，21(3):243－248．

　　［3］張煥雪，李強子．空間分辨率對作物識別及種植面積估算的影響研究［J］．遙感信息，2014，29(2):36－42．

　?。?］蔣怡，李宗南，任國業(yè)，等．基于GF-1PMS影像的丘區(qū)檸檬種植面積遙感估算［J］．中國農(nóng)業(yè)資源與區(qū)劃，2016，37(11):50－55．

　?。?］張煥雪，李強子，文寧，等．農(nóng)作物種植面積遙感估算的影響因素研究［J］．國土資源遙感，2015，27(4):54－61．

《基于OLI影像的四川丘陵地區(qū)水稻種植面積監(jiān)測》

上一篇：蒙古東北部大豆氣候適宜度等級及種植區(qū)劃研究

下一篇：不同品種玉米種植密度對其農(nóng)藝性狀及產(chǎn)量的影響